IBM припиняє продаж Watson AI для виявлення та дослідження ліків
Оскільки вбудований цикл AI обговорювався, ми зверталися до численних претензій про те, які вдосконалення та прориви технологія може забезпечити. Одним з найбільш фундаментальних - і потенційно важливих - була ідея про те, що ми можемо використовувати ІІ для пошуку нових лікарських засобів і методів лікування існуючих умов, коли нинішні варіанти вичерпані.
Саме ця обіцянка зараз виявилася короткою. IBM оголосила, що припинить продавати свою систему Watson AI як інструмент для виявлення ліків. Це гучний рекорд для компанії, яка агресивно рекламує AI як корисну для цих цілей і яка зіткнулася з проблемами в минулому році, коли в звітах вказувалося, що її системи внесли неправильні, небезпечні рекомендації для хворих на рак (рекомендації системи ніколи не були введені) ефекту).
Хоча IBM наводить причину для свого виходу, повільні продажі є потенційно відповідальними. Нещодавнє глибоке занурення IEEE Spectrum ставить контекст навколо цих питань. Висновок: Після багаторічної роботи та низки проектів, що вийшли на світ, IBM має надзвичайно мало для своїх зусиль. І компанія створила певну кількість недоброзичливості до себе, пише IEEE, тому що він взяв агресивний, маркетинговий перший підхід до AI та Watson, обіцяючи грандіозні досягнення, які точно не зображують те, що система може насправді досягти.
Уотсон вразив світ своєю працездатністю на Jeopardy і здатністю аналізувати відносини між словами, а не розглядати їх як пошукові терміни. Теоретично, Уотсон міг би використовувати свій двигун, щоб подібним чином розібрати пакети медичних даних, знайшовши прихований сигнал в системі, заповненій шумом. Реальність не співпрацювала. З невеликого обсягу досліджень, проведених з використанням AI для поліпшення результатів пацієнтів, жоден з них не задіяв Watson IBM.
Частина IEEE намагається відзначити, що IBM зіткнулася з величезними проблемами, намагаючись привести свою програму AI в Інтернет і ефективно використовувати її для людської медицини. Нічого подібного Watson (або те, що Watson був призначений бути) ніколи не існувало раніше. Ніхто не знав, як його побудувати. Yoshua Bengio, провідний дослідник AI в Університеті Монреаля, підсумував зусилля, щоб допомогти AI зрозуміти медичні тексти і термінологію таким чином: «Ми робимо неймовірно краще з NLP, ніж ми були п'ять років тому, але ми все ще неймовірно гірше люди ”.
Проблема Vexing
Проблема Уотсона не в тому, що вона не спрацювала. Проблема полягає в тому, що Watson не виконує потрібні дії. Незважаючи на те, що він швидко навчився приймати і обробляти величезну кількість даних, він мав багато труднощів у виявленні інформації в рамках дослідження, яке могло б змусити лікарів фактично змінити свій процес догляду. Це особливо вірно, якщо відповідна інформація була випадковою з точки зору дослідження.
Оскільки дані про пацієнтів не завжди були правильно відформатовані або навіть не в хронологічному порядку, програмне забезпечення не розпізнало історії пацієнтів. Система не могла порівняти нових онкологічних хворих з базами даних попередніх пацієнтів для виявлення прихованих схем лікування, оскільки така практика не вважається обґрунтованою. Створення сильної рекомендації з доказової медицини вимагає подвійних сліпих досліджень, мета-аналізів і системних обстежень доказів, а не системи ІІ, яка стверджує, що знайшла подібність між різними типами пацієнтів.
Незрозуміло, що буде далі для Уотсона, якщо взагалі. Цей інструмент мав певний успіх у вузьких, спеціально розроблених програмах з меншою неоднозначністю. Але, незважаючи на десятки запланованих ініціатив, океани ажіотажу, і великі інвестиції, компанія Watson for Drug Discovery від IBM чітко пропустила свої цілі.
Читати далі
Огляд MSI Nvidia RTX 3070 Gaming X Trio: продуктивність 2080 Ti, ціна паскаль
Новий RTX 3070 від Nvidia - це казковий графічний процесор за вигідною ціною, і MSI RTX 3070 Gaming X Trio це добре демонструє.
RISC-V навшпиньки до основного потоку завдяки платформі розробників SiFive, високопродуктивний процесор
RISC V продовжує проникати на ринок, цього разу завдяки дешевшій та повнофункціональнішій тестовій материнській платі.
Огляд Ryzen 9 5950X та 5900X: AMD розв’язує Zen 3 проти останніх бастіонів продуктивності Intel
AMD продовжує натиск на те, що колись було безперечним торфом Intel.
Apple M1 продовжує вражати в Cinebench R23, Affinity Photo
Нові тести Cinebench R23 покращують AMD у більш конкурентному світлі порівняно з M1, але SoC від Apple все ще вражає себе. Однак орієнтир Affinity Photo є основною перемогою M1.