Содержание статьи
Сферы применения искусственного интеллекта: от медицины до сельского хозяйства
Искусственный интеллект в сельском хозяйстве
В скором времени с домом можно будет взаимодействовать, как с полноценным членом семьи. Он сможет приготовить утром костюм, разбудить, сделать заказ доставки продуктов, следить за микроклиматом в помещении, напоминать о времени стирки и уборки. Все это позволит меньше беспокоиться о бытовых вещах и рутинных обязанностях.
В здравоохранении доминирующее применение ОЕЯ связано с созданием, пониманием и классификацией клинической документации и опубликованных исследований. Системы ОЕЯ могут анализировать неструктурированные клинические заметки о пациентах, готовить отчеты (например, о рентгенологических исследованиях), расшифровывать взаимодействие с пациентами и вести беседу с ИИ.
Существует огромное количество административных приложений в здравоохранении. Использование ИИ является несколько менее потенциально революционным в этой области по сравнению с медицинским обслуживанием пациентов. Тем не менее ИИ может обеспечить значительную эффективность. Например, среднестатистическая медсестра в США тратит 25 % рабочего времени на административную деятельность и бумажную работу [19]. Наиболее подходящей технологией для решения этой проблемы является РАП. Она может быть использована в различных областях здравоохранения, включая обработку претензий, клинической документации, управление доходами и медицинскими записями [20].
Сельское хозяйство также относится к основным сферам применения искусственного интеллекта. Предприятия используют ИИ для обнаружения и удаления на полях сорняков, выявления заболеваний культур, распознавания вредных насекомых, экономного распределения на площадях пестицидов и удобрений в необходимых количествах. Кроме того, системы отслеживают изменения параметров окружающей среды – температуры воздуха, влажности воздуха и т.д.
Насколько известно, до сих пор ИИ не ликвидировал ни одной вакансии в сфере здравоохранения. Ограниченное проникновение ИИ в отрасль, трудности интеграции ИИ в клинические рабочие процессы и системы ЭМК в некоторой степени способствовали отсутствию влияния на работу. Представляется вероятным, что работа в области здравоохранения, скорее всего, будет автоматизирована, будет связана с цифровой информацией, например радиологией и патологией, а не с непосредственным контактом с пациентами [24].
В чем отличие ИИ от обычных алгоритмов обработки информации, созданных человеком? Главное здесь то, что они могут обучаться и совершенствоваться по мере выполнения поставленных задач. Иначе говоря, чем интенсивнее используется технология, тем лучше она «понимает» запросы заказчика. В работе обычной системы со временем ничего не меняется.
Применение искусственного интеллекта в промышленной сфере
Диагностика и лечение заболеваний были в центре внимания ИИ по крайней мере с 1970-х годов, когда в Стэнфорде была разработана экспертная система MYCIN для диагностики бактериальных инфекций, передаваемых через кровь [8]. Эта и другие ранние системы, основанные на правилах, были перспективны для точной диагностики и лечения заболеваний, но не были приняты для клинической практики. Они были не намного лучше врачей-диагностов и были плохо интегрированы с рабочими процессами клиницистов и системами медицинской документации.
Однако компанией LG уже запланировано открытие завода, где вся организация будет доверена искусственному интеллекту: вопросы снабжения расходными материалами, контроль за работой станков, качеством продукции и выполнением плановых показателей, работа склада и т.д. Понятно, что количество работающих там будет минимальное.
Функции прокторинга заключаются в контроле за учащимися во время сдачи экзамена. Роботу ставится задача следить за происходящим, фиксируя самые разные факторы, которые не «видит» глаз веб-камеры, ведь современные студенты перехитрят любое техническое приспособление. Хотя, надо признать, в сфере образования не все можно доверить технике. Большую роль в обучении играет личность преподавателя, его харизма, умение выстроить правильные отношения с учениками.
Аналогичные факторы присутствуют в патологии и других цифровых аспектах медицины. Из-за них мы вряд ли увидим существенные изменения в кадровой политике здравоохранения из-за внедрения ИИ в течение следующих 20 лет. Существует также вероятность того, что будут созданы новые рабочие места для работы с ИИ-технологиями и их развития. Но статическая или растущая занятость людей также означает, конечно, что технологии ИИ вряд ли существенно снизят затраты на медицинскую диагностику и лечение в течение этого периода.
Автоматизация проникает в такую сферу, как вождение автомобилей. Уже многие говорят о том, что нас ждет массовый переход на машины автономного типа, которым не нужен водитель. Сегодня в некоторых странах уже можно воспользоваться роботизированными парковками, на которых машина размещается роботом.
Автоматическая система может помочь с вызовом эвакуатора или машины «скорой помощи». Согласно статистике практически все аварии (90%) вызваны человеческим фактором, поэтому можно надеяться, что обустройство дорог системами с ИИ позволит сократить количество жертв ДТП.
Экспертные системы, основанные на наборах правил «если… то», были доминирующей технологией для ИИ в 1980-х годах и широко использовались в коммерческих целях в тот и более поздний периоды. В здравоохранении они широко использовались в системах «клинической поддержки принятия решений» в течение последних двух десятилетий [5] и до сих пор широко используются сегодня. Многие компании-производители электронных медицинских карт (ЭМК) предоставляют набор правил со своими системами сегодня.
Во-вторых, клинические процессы использования изображений на основе ИИ еще далеки от готовности к ежедневному использованию. Различные поставщики технологий визуализации и алгоритмы ГО имеют различные очаги: вероятность поражения, вероятность рака, особенности узлов или его местоположение. Эти отдельные очаги очень затруднили бы внедрение систем глубокого обучения в современную клиническую практику.