Minęło 9 lat od jednego z największych triumfów sztucznej inteligencji: 14 stycznia 2011 r. superkomputer Watson zwyciężył w telewizyjnym teleturnieju „Jeopardy!” (w Polsce „Va banque”) – jego uczestnicy muszą formułować pytania do podanych w formie zdań oznajmujących odpowiedzi.
Chociaż liczba maszyn wygrywających z ludźmi rośnie, zwycięstwo w „Jeopardy!” było wyjątkowe. Bo postawienie odpowiedniego pytania wymagało od Watsona m.in. rozumienia języka, znajomości kultury i skrótów myślowych. Te umiejętności pozostawały dotąd poza zasięgiem automatów, które dysponowały jedynie wielką mocą obliczeniową.
Po wygranej w „Jeopardy!” Watson zaczął „studia” medyczne na Uniwersytecie Columbia i Uniwersytecie Maryland – i niecałą dekadę później, wraz z rozwojem technologii, komputery stały się skuteczniejsze od ludzi w diagnozowaniu raka piersi ze zdjęć mammograficznych. Dotąd przyjmowano, że do prawidłowego badania niezbędne są doświadczenie i intuicja, tymczasem okazało się, że sztuczna inteligencja (AI, Artificial Intelligence) – wsparta uczeniem maszynowym, ogromnym zasobem zdjęć oraz historii chorych – rozpoznaje nowotwory na wcześniejszym etapie niż lekarze i rzadziej klasyfikuje je jako zmiany niezłośliwe.
Czy ten niesamowity postęp poprawia sytuację pacjentów? Jeśli przyjąć, że sztuczna inteligencja przenika do medycyny, powinno się to przejawiać w innej treści ogłoszeń o pracę – oferty wyszczególniają przecież oczekiwane umiejętności i przyszłe obowiązki. Anonse, które zawierają terminy, jak uczenie maszynowe czy sieci neuronowe, można uznać za związane z AI – a więc śledząc ogłoszenia, da się ocenić, czy i w jakim stopniu sztuczna inteligencja zadomowiła się w konkretnych zawodach i branżach. Takie podejście zastosowali Daron Acemoğlu, David Autor, Jonathon Hazell (wszyscy z Massachusetts Institute of Technology) oraz Pascual Restrepo (Boston College).
Z ich badań wynika, że choć ogólny popyt na miejsca pracy związane z AI wzrósł w ciągu ostatniej dekady ponadtrzykrotnie, wciąż pozostaje marginalny – znajomość technologii związanych ze sztuczną inteligencją była wpisana do zaledwie 0,6 proc. anonsów. Co ważne – zapotrzebowane dotyczyło głównie branż, które są zarówno producentami, jak i konsumentami AI, takich jak technologie informacyjne, usługi biznesowe i finanse. Opieka zdrowotna, wielka obietnica ostatniej dekady, pozostaje sektorem z najniższym zapotrzebowaniem na osoby zdolne pracować ze sztuczną inteligencją.
Jak niskie było wykorzystanie AI w służbie zdrowia? Avi Goldfarb (Uniwersytet Toronto) oraz Bledi Taska i Florenta Teodoris wskazują, że nawet mniej niż jeden na 1,2 tys. anonsów zawierał w opisie umiejętności związane z AI. Te kilka ofert pochodziło ze szpitali, które były duże oraz znajdowały się w wielkich miastach. Jeszcze bardziej zaskakujące było to, że umiejętności związane z AI były częściej wymagane na stanowiskach badawczych i administracyjnych niż na stanowiskach klinicznych. Tak więc nawet jeśli sztuczna inteligencja zaczyna pojawiać się w służbie zdrowia, nic nie wskazuje na to, by poprawiała sytuację pacjentów.
Avi, Bledi i Florenta przedstawiają możliwe wyjaśnienie tej sytuacji. Wdrażanie AI rodzi wiele problemów związanych z zarządzaniem, nie tylko w opiece zdrowotnej. Szpitale, które chcą stosować sztuczną inteligencję, mogą martwić się kwestiami bezpieczeństwa, nawet przy dobrze przetestowanych technologiach. Ponadto trzeba zmienić sposób szkolenia lekarzy, co wymaga czasu i pieniędzy. Zresztą samo wdrożenie sztucznej inteligencji to spory nakład finansowy, który może się po prostu mniejszym placówkom nie zwrócić.
ikona lupy />
Magazyn DGP z 13 marca 2020 r. / Dziennik Gazeta Prawna
Avi, tym razem z kanadyjskim zespołem naukowców, wskazuje na jeszcze jeden powód. Pacjenci łatwiej przyjmują diagnozę od lekarza, który może stwierdzić, że coś wynika z jego doświadczenia. Komputerowe algorytmy mają do dyspozycji ogromne ilości danych, lecz – w oczach pacjentów – nie dysponują wiedzą, która tłumaczyłaby ich obserwacje i wskazania. Choć zatem AI statystycznie jest bardziej poprawna niż indywidualne doświadczenie specjalisty, nikt nie umie wyjaśnić, dlaczego maszyna zaleca daną terapię. Innymi słowy: trudno jest komputerowi (programiście) wytłumaczyć, dlaczego konkretna interwencja medyczna zwiększa prawdopodobieństwo sukcesu, co ma ogromne znaczenie dla pacjentów ryzykujących własnym zdrowiem i życiem.
Chociaż powyższa lista nie wyczerpuje potencjalnych problemów związanych z wprowadzeniem nowych technologii, ilustruje część z wyzwań związanych ze sztuczną inteligencją, z których większość wykracza poza względy czysto kosztowe. To nie algorytmy i technologia rozwijają się zbyt wolno. To ich wdrożenie jest zbyt skomplikowane. A my jesteśmy zbyt niecierpliwi.