Kuinka AI taistelee koronaviruksen puhkeamisessa?


Vastaus 1:

Keinotekoinen älykkyys voi torjua tulevaisuuden koronavirusta

.

Koronaviruksen kaltaiset sairauksien puhkeamiset etenevät usein liian nopeasti, jotta tutkijat löytäisivät parannuskeinon. Mutta tulevaisuudessa tekoäly voi auttaa tutkijoita tekemään parempaa työtä.

Vaikka todennäköisesti on liian myöhäistä, kun aloittelevalla tekniikalla on merkittävä rooli nykyisessä epidemiassa, on toivoa seuraaviin puhkeamisiin. AI: lla on hyvää sekoittaa joukko dataa löytääkseen yhteyksiä, joiden avulla on helpompi määritellä, millaiset hoidot voivat toimia tai mitä kokeita seuraavaksi suorittaa.

Kysymys on, mitä Big Data tulee keksimään, kun se saa vain vähän tietoa uusista sairauksista, kuten Covid-19, joka ilmeni ensimmäisen kerran viime vuoden lopulla Kiinassa ja on sairastanut yli 75 000 ihmistä noin kahden kuukauden aikana.

Se, että tutkijat onnistuivat tuottamaan uuden viruksen geenisekvensoinnin viikkojen kuluessa ensimmäisistä ilmoitetuista tapauksista, on lupaava, koska se osoittaa, että nyt on paljon enemmän välittömiä tietoja, kun tautitapauksia tapahtuu.

Andrew Hopkins, Oxfordin toimitusjohtaja, englantilainen startup Exscientia Ltd. on yksi niistä, jotka auttavat kouluttamaan keinoälyn huumeiden löytämistä varten. Hän arvioi, että uudet hoidot voivat siirtyä suunnittelusta kliiniseen testaukseen seuraavan vuosikymmenen aikana vain 18–24 kuukaudessa AI: n ansiosta.

Exscientia suunnitteli uuden yhdisteen pakko-oireisen häiriön hoitamiseksi, joka on valmis testaamaan laboratoriossa alle vuoden kuluttua alkuperäisestä tutkimusvaiheesta. Se on noin viisi kertaa keskimääräistä nopeampaa yrityksen mukaan.

Cambridge-pohjaisella Healxilla on samanlainen lähestymistapa, mutta se käyttää koneoppimista löytääkseen uusia käyttötapoja olemassa oleville lääkkeille. Molemmat yritykset antavat algoritmeilleen tietoja - kerättyinä lähteistä, kuten lehdistä, lääketieteellisistä tietokannoista ja kliinisistä tutkimuksista - auttaakseen ehdottamaan uusia sairauksien hoitomenetelmiä.

Ihmisen valvonta

Molemmat yritykset käyttävät kumpikin ihmistutkijaryhmää toimimaan yhdessä AI: n kanssa prosessin ohjaamiseksi. Exscientian lähestymistavassa, nimeltään Centaur-kemisti, lääkesuunnittelijat auttavat opettamaan algoritmitestrategioita yhdisteiden etsimiseksi. Healx antaa AI: n ennusteet tutkijoille, jotka analysoivat tuloksia ja päättävät, mitä jatkaa.

Neil Thompson, Healxin tiedejohtaja, kertoi, että tekniikkaa voitaisiin käyttää koronaviruksen kaltaista puhkeamista vastaan ​​niin kauan kuin sillä olisi riittävästi tietoa uudesta taudista. Healx ei pyrki torjumaan koronavirusta tai säätämään tekniikkaansa puhkeamiseksi, mutta se ei olisi venytys.

"Olemme melko lähellä", Thompson sanoi haastattelussa. ”Meidän ei tarvitse muuttaa paljon käyttämämme AI-algoritmeja. Tarkastellaan lääkkeiden ominaisuuksien sovittamista sairauden piirteisiin. ”

Keinotekoisen älykkyyden algoritmit alkavat jo hoitaa lääkkeitä tunnetuista sairauksista. Massachusetts Institute of Technologyn tutkijat kertoivat torstaina käyttäneensä menetelmää tehokkaan uuden antibioottiyhdisteen tunnistamiseen, joka voisi tappaa joukon ongelmallisia bakteereja, jopa joitakin, jotka ovat tällä hetkellä resistenttejä muille hoidoille.

Yksi salaisuus kaikille näille tekniikoille on kliininen testaus. Jopa sellaiset lääkkeet, jotka ovat jo turvallisia käytettäväksi yhden sairauden parantamiseksi, olisi testattava uudelleen ennen kuin heille määrätään toinen. Prosessin osoittaminen niiden turvallisuudeksi ja tehokkuudeksi suurelle joukolle ihmisiä voi viedä vuosia ennen kuin ne menevät sääntelyviranomaisten käsiteltäväksi.

AI: llä toimivien lääkekehittäjien on oltava tehokkaita suunnitellessaan etukäteen, poimimalla tulevaisuudessa todennäköisesti ongelmia aiheuttavan virusgenomin ja kohdistamalla siihen, kun siihen on vain vähän kannustimia.

Kiitos.


Vastaus 2:

Peli on jo käynnissä!

Jos ei, koronavirus, ainakin superbugit. MIT: n ja Harvardin tutkijat käyttivät AI: tä tunnistaakseen uuden antibiootin, joka pystyy tappamaan monia lääkkeille vastustuskykyisiä bakteereja. He kouluttivat koneoppimisalgoritmin analysoida kemiallisia yhdisteitä, jotka kykenevät torjumaan infektioita käyttämällä erilaisia ​​mekanismeja kuin nykyiset lääkkeet.

He kouluttivat mallinsa 2500 molekyyliin tunnistamaan yhdiste (he kutsuivat sitä halitsiiniksi) testaamaan bakteereita, jotka otettiin potilailta ja laboratorioissa kasvatetuista bakteereista. ”Halisiini” voisi tappaa monia lääkkeille vastustuskykyisiä bakteereja, mukaan lukien

mycobactirium tuberculosis, Clostridium difficile

ja

acinetobacter baumannii.

Halisiini paransi kahta hiirtä, jotka oli infektoitu

A.baumannii.

Sitä paitsi, monet USA: n sotilaat Irakissa ja Afganistanissa tarttuivat samaan vikaan. Raportin mukaan näiden kahden hiiren iholle levitetty halisiinivoide paransi heitä kokonaan vain 24 tunnin sisällä.

Ennustavien tietokonemallien käyttäminen huumeiden löytämiseen ei ole uusi, mutta menestys tähän mennessä on ollut Halicinilla.

Tutkijoiden mukaan heidän ennustava malli voi tehdä sen, mikä on kohtuuttoman kallista perinteisille kokeellisille lähestymistavoille.

Tämä Halicinin menestys tulee ratkaisevassa vaiheessa ihmiskunnan historiassa. Ennustetaan, että vuoteen 2050 mennessä maailmanlaajuisesti kuolleita lääkkeille vastustuskykyisiä bakteereja voi olla 10 miljoonaa.

Lisätoimet ovat tarpeen, jotta halisiini voidaan käyttää ihmisissä. Vaikka niiden algoritmi on suunniteltu bakteereille, se voi olla ”päivitettävissä” myös viruksen torjuntaan.


Vastaus 3:

Kuvittele, että Kiinan sairaalassa on 1000 tapausta, joissa on samanlaisia ​​oireita. Mitä sairaala tekee? Vaikka kaikki oireita ja diagnooseja koskevat tiedot on dokumentoitu ja saatavissa sähköisesti, terveysosasto pystyy toteuttamaan tarvittavat ja asianmukaiset toimenpiteet.

AI on loistava ja nopea havaita kuvioita, yhtäläisyyksiä nopeaan havaitsemiseen. Yksi esimerkki kuinka

Google-haku pystyy

havaita mahdolliset sairaudet maailmanlaajuisesti. Pelkästään yksinkertaisilla hakumallilla AI pystyy tosiasiassa havaitsemaan mahdolliset uhat ja epidemiat, jotka saattavat puhkeaa suurina määrinä maailmanlaajuisesti.

Palattuaan Corona-virukseen, kun Kiina on dokumentoinut sairauden oireet, diagnosoinut sen, se jakaa nämä tiedot kaikille muille mahdollisille valtion organisaatioille, jotka pystyvät nopeasti asettamaan lämpöilmaisimia, jotka voivat skannata näitä oireita omaavat ihmiset ja luokitella heidät todennäköisesti tartunnan saaneiksi tai kantajiksi tai immuuni. Koska virukset mutatoituvat nopeasti, niillä on taipumus muuttaa ulkoasuaan, oireet voivat muuttua ja olla vaikea diagnosoida. Mutta AI: n avulla Kiina voi auttaa hallituksia ihmisten kanssa, jotka ovat muuttaneet Kiinasta, etenkin Wuhanista, ja sitten muuttaneet kansainvälisesti kaupunkien yli. AI voi analysoida nämä tiedot havaitakseen noista kaupungeista ja sairaaloista tulevat uutiset palapelin palajen koottamiseksi.

Toivottavasti tämä auttaa!


Vastaus 4:

Viime aikoina, jos meillä on tietoja useista potilaista, kuin voimme tunnistaa ja löytää malleja, koronapositiivisista potilaista. Sen jälkeen voimme tarkistaa uuden potilaan ennustaakseen kuvionsa perusteella, onko potilas saanut tartunnan. Klassista koneoppimista tai syväoppimistekniikoita voidaan käyttää erottamaan tämä toisistaan.

Yleisemmin sanottuna meidän on oltava hyvin varovaisia ​​ja meidän on oltava vuorovaikutuksessa lääketieteen alan henkilöiden kanssa analysoidaksesi mallia yleistääksesi, mitä todella tapahtuu, mitkä ovat viruksen aiheuttamat muutokset ja mekanismit kehossa ymmärtääksesi mallia paremmin.


Vastaus 5:

Koronaviruksen kaltaiset sairauksien puhkeamiset etenevät usein liian nopeasti, jotta tutkijat löytäisivät parannuskeinon. Mutta tulevaisuudessa tekoäly voi auttaa tutkijoita tekemään parempaa työtä.

Vaikka todennäköisesti on liian myöhäistä, kun aloittelevalla tekniikalla on merkittävä rooli nykyisessä epidemiassa, on toivoa seuraaviin puhkeamisiin. AI: lla on hyvää sekoittaa joukko dataa löytääkseen yhteyksiä, joiden avulla on helpompi määritellä, millaiset hoidot voivat toimia tai mitä kokeita seuraavaksi suorittaa.

Kysymys on, mitä Big Data tulee keksimään, kun se saa vain vähän tietoa uusista sairauksista, kuten Covid-19, joka ilmeni ensimmäisen kerran viime vuoden lopulla Kiinassa ja on sairastanut yli 75 000 ihmistä noin kahden kuukauden aikana.

Se, että tutkijat onnistuivat tuottamaan uuden viruksen geenisekvenssin viikon kuluessa ensimmäisistä ilmoitetuista tapauksista, on lupaava, koska se osoittaa, että nyt on paljon enemmän välittömiä tietoja, kun tautitapauksia tapahtuu.

Englannissa toimivan startup Exscientia Ltd. -yrityksen Oxfordin toimitusjohtaja Andrew Hopkins kuuluu niihin, jotka auttavat kouluttamaan keinoälyn huumeiden löytämistä varten. Hän arvelee, että uudet hoidot voivat siirtyä suunnittelusta kliiniseen testaukseen seuraavan vuosikymmenen aikana vain 18–24 kuukaudessa AI: n ansiosta.

Exscientia suunnitteli uuden yhdisteen pakko-oireisen häiriön hoitamiseksi, joka on valmis testaamaan laboratoriossa alle vuoden kuluttua alkuperäisestä tutkimusvaiheesta. Se on noin viisi kertaa keskimääräistä nopeampaa yrityksen mukaan.

Cambridge-pohjaisella Healxilla on samanlainen lähestymistapa, mutta se käyttää koneoppimista löytääkseen uusia käyttötapoja olemassa oleville lääkkeille. Molemmat yritykset syöttävät algoritmejaan tietoja - jotka on saatu lähteistä, kuten lehdistä, lääketieteellisistä tietokannoista ja kliinisistä tutkimuksista - auttaakseen ehdottamaan uusia sairauksien hoitomenetelmiä.

Ihmisen valvonta

Molemmat yritykset käyttävät kumpikin tutkijaryhmää työskentelemään AI: n kanssa prosessin ohjaamiseksi. Exscientian lähestymistavassa, nimeltään Centaur-kemisti, lääkesuunnittelijat auttavat opettamaan algoritmitestrategioita yhdisteiden etsimiseksi. Healx antaa AI: n ennusteet tutkijoille, jotka analysoivat tuloksia ja päättävät, mitä jatkaa.

Neil Thompson, Healxin tiedejohtaja, kertoi, että tekniikkaa voitaisiin käyttää koronaviruksen kaltaista puhkeamista vastaan ​​niin kauan kuin sillä olisi riittävästi tietoa uudesta taudista. Healx ei pyrki torjumaan koronavirusta tai säätämään tekniikkaansa puhkeamiseksi, mutta se ei olisi venytys.

"Olemme melko lähellä", Thompson sanoi haastattelussa. ”Meidän ei tarvitse muuttaa paljon käyttämämme AI-algoritmeja. Tarkastellaan lääkkeiden ominaisuuksien sovittamista sairauden piirteisiin. ”

Keinotekoisen älykkyyden algoritmit alkavat jo hoitaa lääkkeitä tunnetuista sairauksista. Massachusetts Institute of Technologyn tutkijat kertoivat torstaina käyttäneensä menetelmää tehokkaan uuden antibioottiyhdisteen tunnistamiseen, joka voisi tappaa joukon ongelmallisia bakteereja, jopa joitakin, jotka ovat tällä hetkellä resistenttejä muille hoidoille.

Yksi salaisuus kaikille näille tekniikoille on kliininen testaus. Jopa sellaiset lääkkeet, jotka ovat jo turvallisia käytettäväksi yhden sairauden parantamiseksi, olisi testattava uudelleen ennen kuin heille määrätään toinen. Prosessin osoittaminen niiden turvallisuudeksi ja tehokkuudeksi suurelle joukolle ihmisiä voi viedä vuosia ennen kuin ne menevät sääntelyviranomaisten käsiteltäväksi.

AI: llä toimivien lääkekehittäjien on oltava tehokkaita, jotta ne voisivat suunnitella etukäteen valitsemalla viruksen genomin, joka todennäköisesti aiheuttaa ongelmia tulevaisuudessa, ja kohdistaa siihen virus, kun siihen on vähän kannustimia.

Toinen este on pätevän henkilöstön löytäminen.

"On vaikea löytää ihmisiä, jotka pystyvät toimimaan AI: n ja biologian risteyksessä, ja isojen yritysten on vaikea tehdä nopeita päätöksiä tämänkaltaisesta tekniikasta", sanoi Irina Haivas, riskipääomayhtiön Atomicon kumppani ja entinen kirurgi, joka istuu Healxin hallitus. "Ei riitä, että olet AI-insinööri, sinun on ymmärrettävä biologian sovellukset ja päästävä niihin."


Vastaus 6:

Kun salaperäinen sairaus ilmenee ensimmäisen kerran, hallitusten ja kansanterveysviranomaisten on vaikea kerätä tietoja nopeasti ja koordinoida vastauksia. Uusi keinotekoinen älykkyysteknologia voi kuitenkin kaivoa automaattisesti uutisraporttien ja online-sisällön kautta ympäri maailmaa, auttaen ammattilaisia ​​tunnistamaan mahdolliset häiriöt, jotka johtavat mahdolliseen epideemiaan tai pahempaan. Toisin sanoen uudet AI-pomomme voivat auttaa meitä pääsemään pois seuraavasta rutosta.

Nämä uudet

AI

kyvyt ovat täydessä vauhdissa äskettäisen koronaviruspuhan puhkeamisen kanssa, jonka havaitsi Kanadalainen yritys BlueDat, joka on yksi monista organisaatioista, jotka käyttävät tietoja kansanterveydellisten riskien arvioimiseksi. Yhdysvaltojen tautien torjunta- ja ehkäisykeskukset (CDC) ja Maailman terveysjärjestö (WHO) ovat antaneet viralliset ilmoitukset, joiden mukaan virasto väittää suorittavansa automaattista tartuntatautien seurantaa. Nyt tammikuun lopussa Kiinassa Wuhanin kaupunkiin linkitetty hengitysvirus on jo menettänyt yli 100 henkeä. Tapauksia on esiintynyt monissa muissa maissa, myös Yhdysvalloissa, ja CDC varoittaa amerikkalaisia ​​välttämään turhaa matkustamista Kiinaan.


Vastaus 7:

Kun outo vaiva ensin nousee esiin, hallituksilla ja yleisillä hyvinvointiviranomaisilla voi olla erittäin vaikeaa kerätä tietoja nopeasti ja helpottaa reaktiota. Joka tapauksessa uusi ihmisen tekemä päättelyinnovaatio voi luonnollisesti kaivata uutisia ja online-aineistoa ympäri maailmaa, auttaen asiantuntijoita havaitsemaan epäjohdonmukaisuudet, jotka voivat johtaa mahdolliseen ruttoon tai valitettavasti pandemiaan. Päivän päätteeksi uudet AI-ylivalvontamme voivat todella auttaa meitä kestämään seuraavaa tautia.

Nämä uudet AI-kyvyt ovat esillä jatkuvassa koronaviruksen leimahduksessa, jonka erotti ajoissa Kanadalainen yritys nimeltään BlueDot, joka on yksi monista organisaatioista, jotka hyödyntävät tietoja yleisen hyvinvoinnin vaarojen arvioimiseksi. Organisaatio, joka sanoo suorittavansa "robotisoidun vastustamattoman sairaudenhavainnon", kertoi asiakkailleen uuden tyyppisestä koronaviruksesta, joka valmistui joulukuun loppuun, päivää ennen sekä Yhdysvaltojen tautien torjuntaa ja ehkäisyä (CDC) että Maailman terveysjärjestöä (WHO). ) välitti virallisen ilmoituksen, kuten Wired ilmoitti. Tammikuun loppuun lähestyessä Kiinassa Wuhanin kaupunkiin liitetty hengitystieinfektio on juuri tappanut yli 100 ihmistä. Tapauksia on samoin syntynyt muutamissa eri maissa, mukaan lukien Yhdysvallat, ja CDC varoittaa amerikkalaisia ​​pitämään strateginen etäisyys tarpeettomasta matkasta Kiinaan.

Vastustamaton sairauslääkäri ja BlueDotin kirjoittaja ja toimitusjohtaja Kamran Khan selvitti kokouksessa, kuinka organisaation alkuperäisessä kehotuksessa hyödynnetään ihmisen luomaa tietoisuutta, normaali kielenkäyttö ja AI mukaan lukien, seuraamaan yli 100 vastustamatonta tartuntaa jakamalla noin 100 000 artikkelia 65 murretta johdonmukaisesti. Tämän tiedon avulla organisaatio voi ymmärtää, milloin kertoa asiakkailleen vastustamattoman sairauden mahdollisesta läheisyydestä ja leviämisestä.

Muut tiedot, kuten tutkijoiden aikataulutiedot ja lentotavat, voivat auttaa antamaan organisaatiolle ylimääräisiä ohjeita siitä, kuinka sairaus todennäköisesti leviää. Esimerkiksi äskettäin BlueDot-asiantuntijat ennustivat Aasian eri kaupunkiyhteisöjä, joissa koronavirus ilmestyisi sen jälkeen, kun se esiintyi Kiinan alueella.

BlueDot-mallin (jonka ihmisten asiantuntijat tarkastavat tällä tavoin lopulliset tulokset) ajatuksena on saada tietoa sosiaaliturvatyöntekijöille niin nopeasti kuin mahdollista, sillä odolla, että he voivat analysoida - ja tarvittaessa katkaista - pilata ja mahdollisesti tartuttavat yksilöt sopivana ajankohtana.

"Viralliset tiedot eivät aina ole suotuisat", Khan kertoi Recodelle. "Erot tutkimusmatkailijan tapauksen ja leimahduksen välillä riippuvat eturintamassa työskentelevästä asiantuntija-asiantuntijasta, joka havaitsee tietyn sairauden. Se voi olla erotus pidättäytymisen pitämisessä todella tapahtuvasta."

Khan lisäsi, että hänen puitteissaan voidaan hyödyntää myös monia muita tietoja - esimerkiksi tietoja alueen ilmakehästä, lämpötilasta tai jopa läheisistä kotieläimistä - ennakoida, aiheuttaako jonkin sairauden saastuttama todennäköisesti leimahduksen noin siellä. Hän kertoi, että vuonna 2016 BlueDotilla oli mahdollisuus ennustaa Zika-tartunnan esiintymistä Floridassa puoli vuotta ennen kuin se todella ilmeni siellä.

Myös vitsaustarkastaja Metabiota vahvisti, että Thaimaalla, Etelä-Koreassa, Japanissa ja Taiwanissa oli kaikkein korkein vaara nähdä tartunta ilmaantuvan seitsemän päivän ajan ennen kuin tapaukset näissä maissa todella paljastuivat, toivoen jonkin verran lentotietoja. Metabiota, kuten BlueDot, käyttää yleistä kielenkäsittelyä arvioidakseen mahdollisia sairauksia koskevia online-raportteja. Lisäksi se piippaa rakentamalla samanlaista innovaatiota verkkopohjaiseen elämäntietoon.

Jälki Gallivan, Metabiotan tietotekniikan johtaja, selventää, että online-vaiheet ja keskustelut voivat myös antaa merkin pandemiavaarasta. Samoin Metabiota väittää voivansa arvioida sairauden leviämisen vaaraa, joka aiheuttaa sosiaalisia ja poliittisia keskeytyksiä, kun otetaan huomioon esimerkiksi sairauden indikaatiot, kuolleisuus ja hoidon saatavuus. Esimerkiksi tämän artikkelin jakeluhetkellä Metabiota arvioi uuden koronaviruksen vaaraa aiheuttavan avoimen levottomuuden "korkeana" Yhdysvalloissa ja Kiinassa, mutta arvioi tämän vaaran Kongon demokraattisessa tasavallassa sijaitsevasta apinavirusinfektiosta ( jos tartunnan tapauksia on pidetty) "väliaineena".

On vaikeata ymmärtää tarkkaan, kuinka tarkka luokituskehys tai itse vaihe voi olla, mutta Gallivanin mukaan organisaatio työskentelee Yhdysvaltojen tietoverkon ja puolustusministeriön kanssa koronavirukseen liittyvissä asioissa. Tämä on pala Metabiotan työstä In-Q-Tel: n kanssa, joka on voittoa tavoittelematon seikkailuyritys, joka on yhteydessä tiedustelupalveluun. Hallitustoimistot eivät kuitenkaan ole näiden puitteiden tärkeimmät potentiaaliset asiakkaat. Metabiota julkistaa lisäksi perustaansa jälleenvakuutusjärjestöille - jälleenvakuutus on pohjimmiltaan vakuutuslaitosten suojaus -, joiden tulisi käsitellä sairauden piilevän kyvyn leviämiseen liittyviä rahavaaroja.

Olipa se miten tahansa, tietokonepohjainen päättely voi olla kiistatta arvokkaampaa kuin pelkkä taudin leviämisen asiantuntijoiden ja viranomaisten pitäminen koulutuksena tartunnan noustessa. Asiantuntijat ovat valmistaneet AI-pohjaisia ​​malleja, jotka voivat ennakoida Zika-tartunnan jaksoja asteittain, ja ne voivat opastaa, kuinka asiantuntijat reagoivat mahdollisiin hätätilanteisiin. Ihmisen luomaa tietoisuutta voitaisiin myös käyttää hallitsemaan sitä, kuinka yleiset hyvinvointiviranomaiset hajauttavat omaisuuttaan hätätilanteessa. Seurauksena on, että AI on toinen suojauslinja sairauksilta.

Kaiken kaikkiaan AI auttaa nyt tutkimaan uusia lääkkeitä, käsittelemään epätavallisia infektioita ja tunnistamaan pahanlaatuinen rintakehä. Ihmisen luomaa älykkyyttä käytettiin jopa erottamaan kammottavia ryömiä, jotka levittivät Chagasia. Se on vakava ja ajateltavissa oleva tappava sairaus, joka on saastuttanut odotettavissa olevat 8 miljoonaa ihmistä Meksikossa sekä Keski- ja Etelä-Amerikassa. Lisäksi on entistä enemmän innostusta hyvinvointia koskevan tiedon - kuten verkkopohjaisten elämälahjojen - hyödyntämisestä auttamalla hyvinvointia edistäviä päätöksentekijöitä ja lääkitysjärjestöjä ymmärtämään hyvinvointihätätilanteen laajuutta. Esimerkiksi online-elämää kaivova AI esittelee laittomia huumausainekauppoja ja pitää yleisen hyvinvoinnin viranomaisia ​​koulutuksena näiden valvottujen aineiden leviämisestä.

Nämä puitteet, mukaan lukien Metabiota- ja BlueDot-puitteet, ovat vain verrannollisia tietojaan. Lisäksi AI: llä - suurimmaksi osaksi - on kaltevuusongelma, joka voi heijastaa sekä kehyksen arkkitehtia että tietoa, josta se on valmistettu. Myös lääketieteellisissä palveluissa käytetty AI ei ole millään tavalla, muoto tai muoto turvallista kyseiselle aiheelle.

Kaiken huomioiden nämä etenemiset puhuvat asteittain idealistiseen näkökulmaan siihen, mitä AI voi tehdä. Tavallisesti AI-robottien päivitykset, jotka suodattavat valtavia tietomääriä, eivät istu niin hyvin. Harkitse lain vaatimusta kasvojen tunnistustietokantojen hyödyntämisestä, jotka perustuvat verkkoon louhittuihin kuviin. Tai toisaalta, värväävät johtajat, jotka pystyisivät nyt hyödyntämään AI: ta ennakoimaan, kuinka jatkat hiontaa, Internet-pohjaisten elämäviestiesi valossa. Mahdollisuus, että AI taistelee villin sairauden varalta, tarjoaa tilanteen, jossa voimme tuntea olonsa hieman epämukavammaksi, ellemme jopa läpi ja iloisen. Ehkä tämä innovaatio - aina kun se luodaan ja käytetään asianmukaisesti - voisi todella auttaa säästämään muutaman hengen.