Martin Kysilka, 22. ZÁŘÍ 2018
V čem je problém: Současnou největší brzdou systémů umělé inteligence a strojového učení je přístup k takzvaným trénovacím datům. Algoritmy strojového učení využívají trénovací data k naučení vnitřního modelu. Naučený model je následně využíván k odhadu výstupu pro nové hodnoty vstupů. Čím více trénovacích dat je k dispozici, tím zkušenější a přesnější systém bude.
Velmi často jsou tato data volně přístupná pro všechny z nás, v některých případech však může být jejich získávání značně problematické a to zejména ve zdravotnictví, kde by sběr informací mohl narušit soukromí pacientů.
Řešení: Výzkumníci z Nvidia, Mayo Clinic a MGH & BWH Center for Clinical Data Science dali hlavy dohromady, aby společně tento nedostatek vyřešili. Výsledkem jejich práce je generativní kompetitivní síť zvaná GAN (generative adversarial network). GAN se skládá ze dvou neurálních sítí. Ty mezi sebou spolupracují a efektivně se učí ze syrových dat. GAN si tak osvojí prvky konkrétního systému či předmětu pouhým prohlížením tisíce různých vzorků. Následně pak dokáže aplikovat dané poznatky. GAN se stává v oblasti strojového učení velmi horkým tématem a podle vědců by se měl stát klíčovým nástrojem v budoucím vývoji umělé inteligence.
Generativní kompetitivní síť od Nvidie a spol. je unikátní v tom, že umí generovat samotná trénovací data (data, na kterých sama jednou vyrostla). V tomto případě jsou ona data 3D skeny mozku s nádorem. Na těchto umělých obrazech se pak vytrénuje umělá neuronová síť, která posléze dokáže odhalit rakovinu z reálných dat pacienta.
Vědci poté vytrénovali umělou neuronovou síť jak na reálných, tak na umělých skenech mozku. S přesností osmdesáti procent tým zaznamenal čtrnáctiprocentní zlepšení v diagnostice rakoviny mozku.
Dopad: Správné využití na první pohled triviálních konceptů jako je například generování obličejů, může vést k zásadnímu průlomu v diagnostice nemocí. Princip generování těžko dostupných ale velmi potřebných dat lze ve zdravotnictví aplikovat téměř ve většině případů.
Za zmínku také určitě stojí fakt, že tuto život zachraňující technologii nám přinesla společnost známá především jako výrobce grafických karet. Jedná se o ukázkový případ toho, jak lze v dnešní digitální době disruptovat svůj byznys (model) a expandovat do nových odvětví.
