Maşın öyrənməsi nədir? Səhiyyədə süni intellektə hazırıqmı?

Kompüterin ixtirası və həyatımızın vazkeçilməz hissəsinə çevrilməsi ilə insanlar bunları düşünməyə başladılar: kompüter nə qədər ağıllı ola bilər? Süni intellekt mümkündürmü? Kompüterin öz-özünə öyrənməsini necə təmin edə bilərik? Burada belə sual yarandı: Maşın üçün öyrənmək nədir? 1959-cu ildə Arthur Samuel kompüterlərin proqramlaşdırmadan asılı olmadan öyrənə biləcəyini dedi və dama oyunu hazırladı. Fərqi keçmiş gedişlərindən dərs çıxararaq özünü inkişaf etdirməsi idi.

Maşın öyrənməsi (Machine Learning) nədir?

Maşın öyrənməsi (machine learning) statistika, informasiya nəzəriyyəsi, alqoritmlər və funksional analiz kimi müxtəlif sahələrin birləşməsi ilə kompüterlərin və ya süni intellektli cihazların mövcud məlumatdan nəticə çıxarmasıdır. Hazırda səs tanıma, üz tanıma, avtonom nəqliyyatda axtarış analizləri, məlumat mədənçiliyi və tibbi tətbiqlərdə istifadə olunur.

Maşın öyrənməsində hansı mərhələdəyik?

Dəb texnologiyaları analiz edən Gartner tədqiqat qrupunun yüksələn texnologiyalar üçün hype dövrəsində maşın öyrənməsinin “The peak of expectations”, yəni gözləntilərin zirvəsi fazasında olduğunu görürük. Əvvəllər bu nöqtədə olan 3 ölçülü printerlərin artıq asan əlçatan olduğunu və sürətlə inkişaf etdiyini görürük. Eyni şəkildə yaxın gələcəkdə maşın öyrənməsi ilə daha çox qarşılaşacağıq.

Fərdi genomika və biosensorlardan elektron sağlamlıq qeydlərinə (ESK) və sağlamlıq sığortası müraciətlərinə qədər məlumatlardan yaranan, səhiyyənin çevrilməsinə yönəlmiş böyük məlumatı (big data) artıq hamımız bilirik. Maşın öyrənməsi bunları istifadə edərək müxtəlif analizlər və dəstəkləyici proqnozlar verə bilir. Səhiyyədə buna qərar dəstək sistemləri deyilir. Bununla belə, səhiyyədə proqnoz vermək yeni deyil (məsələn, intensiv terapiya xəstələrinin gedişi və ölüm riskini təxmin edən APACHE təsnifatı, xolesterinazaldıcı dərman ehtiyacını göstərən ASCVD risk hesablayıcısı). Maşın öyrənməsi və klinik məlumatla minlərlə oxşar problem üçün proqnoz modelləri yaradıla bilər.

Səhiyyədə süni intellektin işi asan deyil

Dünyada epidemiyaları proqnozlaşdırıb izləməyi hədəfləyən Google Flu layihəsinin uğursuzluğunun əsas səbəbinin məlumat analizindəki məyusluqlar olduğu görülmüşdür. Hazırda sağlamlıq məlumatının ötürülməsi və emalında ciddi problemlər vardır. Məsələn, ənənəvi xəstə qeydiyyatı ilə əhatəli məlumat yaradıldığı halda, indiki mənbələrin daha məhdud olduğunu görürük (müəyyən qəliblərə uyğunlaşma çətinliyi).

Maşın öyrənməsi səhiyyədə diaqnozdan fərdiləşdirilmiş müalicəyə, dərman kəşfindən radiologiyaya qədər istifadə edilir. İnkişafın ən böyük maneəsi məlumatın standartlaşdırılması və idarəsidir. Hype dövrəsinə görə gözləntilərin zirvəsindəki bu texnologiyanın “məyusluq çökəkliyi” adlanan 3. fazadan “maariflənmə yamacı” olan 4. fazaya daha sürətli və effektiv keçməsi üçün keçmiş səhvlər anlaşılmalıdır. Səhiyyədə elektron sağlamlıq qeydləri daha səmərəli və maşın öyrənməsi üçün daha effektiv edilməlidir.