Dit webinar bevat het optreden van datawetenschapper Nikhil Makkatira tijdens het WEF-congres in Davos. In deze video worden ethische kwesties van de doorontwikkeling en inzet van AI benoemd. De titel luidt Ready for Brain Transparency? #WEF23 #Davos

Deep learning-modellen voor beeldherkenning zijn niet alleen waardevol voor het genereren van nieuwe beelden, maar ze hebben ook al jarenlang hun nut bewezen in de medische zorg door artsen te ondersteunen bij het stellen van diagnoses. Een goed voorbeeld hiervan is een model dat enkele jaren geleden werd ontwikkeld en huidkanker beter kon herkennen op basis van foto’s van patiënten dan ervaren dermatologen, ongeacht hun kennis en ervaring. Deze neurale netwerken worden getraind met tienduizenden afbeeldingen, waardoor ze per foto een nauwkeurigheid tot wel 95 procent kunnen bereiken bij het beoordelen of het om kanker gaat of niet.

Is dit slecht nieuws voor medisch specialisten? Absoluut niet. Deze modellen fungeren als waardevolle hulpmiddelen bij het stellen van diagnoses, maar uiteindelijk behoudt de arts altijd het laatste woord. Wanneer de modellen goed werken, besparen ze artsen bovendien veel tijd, die ze kunnen besteden aan onderzoek en andere belangrijke taken.

Het samenspel van geavanceerde technologieën zoals deep learning en het menselijke oordeelsvermogen van artsen leidt tot een krachtige combinatie in de gezondheidszorg. Het versterken van diagnostische mogelijkheden met deze modellen helpt om snellere en nauwkeurigere resultaten te bereiken, wat uiteindelijk ten goede komt aan de patiënten. Het onderstreept ook het belang van voortdurende samenwerking tussen de medische gemeenschap en de ontwikkeling van geavanceerde AI-systemen om de gezondheidszorg te verbeteren.   

De trends van Makkatira

De trends van de datawetenschapper en ontwikkelingen:

Stable Diffusion: Razendsnel Nieuwe Afbeeldingen Maken Net zo indrukwekkend als het veelbesproken ChatGPT is de mogelijkheid om met een paar trefwoorden in enkele seconden een afbeelding te genereren met tools zoals DALL-E en MidJourney. Deze modellen gebruiken, net als ChatGPT, een enorme hoeveelheid data van het internet, in dit geval bestaande afbeeldingen.

Stable Diffusion is ook zo’n text-to-image-model. Het verschil met de andere twee is dat het een open source-model is dat iedereen met een krachtige computer zelf kan draaien. Stable Diffusion maakt gebruik van deep learning. Het model wordt getraind om ruis uit een afbeelding te verwijderen. Eerst krijgt het een afbeelding vol ruis en wordt gevraagd een afbeelding met minder ruis te genereren. Door dit proces te herhalen, kan het een scherp beeld creëren. Op basis van de informatie die het model heeft over hoe een beeld eruit moet zien, brengt het langzaam structuren aan in de ruis. Deze tools worden snel ontwikkeld en gevoed met steeds meer data. In de komende jaren zullen we tal van andere voorbeelden van generatieve AI zien, zoals het genereren van complete video’s of muziekstukken op basis van een beschrijving.

Diagnoses Stellen: Beter Dan de Arts Deep learning-modellen die beelden herkennen, zijn niet alleen nuttig om nieuwe beelden te genereren. Ze worden al jaren ingezet in de zorg om artsen te helpen bij het stellen van diagnoses. Wetenschappers hebben bijvoorbeeld enkele jaren geleden een model ontwikkeld dat huidkanker beter kon herkennen aan de hand van foto’s van patiënten dan dermatologen, ongeacht hun ervaring. Dit neuraal netwerk wordt getraind met tienduizenden afbeeldingen en kan per afbeelding tot 95 procent nauwkeurig beoordelen of het om kanker gaat of niet.

Is dit slecht nieuws voor medisch specialisten? Zeker niet. Deze modellen kunnen artsen helpen bij het stellen van diagnoses, maar de arts heeft nog altijd het laatste woord. Als de modellen goed werken, besparen ze de artsen bovendien veel tijd, die ze kunnen besteden aan onderzoek en andere belangrijke werkzaamheden.

Gedachten Lezen: Kan Het en Mag Het? Misschien wel de meest ingrijpende – en angstaanjagende – mogelijkheid van AI is het lezen van gedachten. Hierbij rijst de vraag of dit überhaupt mogelijk is. CEO Mark Zuckerberg van Meta (Facebook) ziet een toekomst waarin mensen, als ze dat willen, rechtstreeks gedachten naar elkaar kunnen sturen. Hoewel het de vraag is of het ooit zover zal komen, wordt er volop onderzoek gedaan naar brain-to-brain-communicatie en bestaan er systemen die hier een begin mee kunnen maken. Het researchteam van Braingate onderzoekt bijvoorbeeld hoe een brain-machine-interface via elektrodes mensen met een hersenaandoening in staat kan stellen robotarmen en tablets met hun gedachten aan te sturen.

Hoewel dit een waardevolle toepassing kan zijn, kan ‘gedachtenlezen’ ook tot een dystopische toekomst leiden. Een video van het World Economic Forum laat zien hoe hersengolven van medewerkers worden gedecodeerd om te bepalen hoe serieus ze hun werk nemen, of ze gevoelens voor collega’s hebben en of ze betrokken zijn bij illegale activiteiten. Hiervoor zijn geen elektrodes in de hersenen nodig; wearables zoals smartwatches of oordoppen volstaan.

Spreekbuis.nl meldt dat er een podcast over AI is in het Nederlands:

1102, #1102, #AIM02, AIM02, #AIM002