センタウルAI：人間の専門知識と機械学習を組み合わせ、医療イノベーションを実現

TL;DR 要約

• センタウルAIは、AIマシンの力と人間の知性を組み合わせ、両方の強みを最大化します。
• AIへの2つの補完的なアプローチは、データ駆動型と知識駆動型です。
• センタウルAIは、人間の知性と計算力を組み合わせて、複雑な医療問題を解決するハイブリッドな構成です。

AI技術が発展し、進歩するにつれて、医療は大きな恩恵を受けます。医療におけるAIの応用は、診断精度の向上、より個別化された治療計画、予測能力の向上など、さまざまな利点を示しています。

センタウルAIは、AIマシンの力と人間の知性の組み合わせを指します。このアプローチは、AIと人間の医療専門家の両方の強みを最大化する方法として見なされています。センタウルAIでは、マシンは診断や治療計画などのタスクを支援でき、人間の医療専門家は、情報に基づいた意思決定を行うために必要な文脈と解釈を提供できます。

バックエンド機能の最適化のためのAIアプローチ

AIには、異なりながら補完的な2つの異なるアプローチがあります。

AIの第一のアプローチ

AIの第一のアプローチは、十分なデータと計算力があれば、複雑なモデルを作成して、人間によって通常行われるような、困難なタスクさえも実行できるという信念に依存していると説明されています。このアプローチは、ドメインの専門知識は必ずしも必要ではなく、データと計算力だけで問題を解決するのに十分であることを強調しています。

このアプローチの例には、Claude Monetのスタイルで絵画を生成するようにコンピュータを訓練したり、データを使用してロボットにクッキーを焼くことを教えたりすることが含まれます。自律走行車の開発も、このアプローチの例として言及されており、これは計算力と大量のデータの可用性に大きく依存しています。

AIの第二のアプローチ

AIの第二のアプローチは、接続と因果関係などの概念を使用して、人間の推論を模倣することを含みます。このアプローチは、ドメインの専門知識の重要な重要性と、蓄積された人間の知識の近似を適用して問題を解決できるアルゴリズムを構築することを強調しています。アルゴリズム（エキスパートシステムとも呼ばれる）は、通常、ルールベースまたは確率的な計算に依存しています。

このアプローチを支持する知識派は、エキスパートシステムがAIにおける人間の推論と意思決定を複製するために不可欠であると信じています。これらのシステムは、効果的であるために特定のドメインの深い理解を必要とし、問題を解決するために人間の知識の近似を使用します。

AIへの第一と第二のアプローチの比較

ルールベースのエキスパートシステムの複雑さにより、スケーラビリティを妨げる可能性があるため、データ駆動型AIの開発は、知識ベースAIの開発を上回っています。自律走行車や、広告掲載、メッセージング、レコメンデーションのためにビッグテック企業が使用するなどのデータベースシステムは、著しい進歩を遂げています。生物学の分野でも、データ駆動型AIは複雑な問題を解決する上で重要な貢献をしています。

しかし、人間の生物学や疾患の複雑さという観点では、ビッグデータに伴う信号対雑音比の問題を評価する際、ドメイン知識の方がより重要である可能性があります。人間の体の巨大な複雑さに対処するためには、データ駆動型と知識駆動型のアプローチの組み合わせが必要になるでしょう。

計算機ゲームの要件は、計算技術の革新を促した商業的な原動力となり、ニューラルネットワーク技術の急速な進化の原因となりました。ゲームにおけるリアリズムとリアルタイムの応答性の要求が、技術向上のための競争を引き起こしました。 

アンドリュー・ン氏は、GPUの力を認識し、それを活用してニューラルネットワークが人間の脳とコンピュータの間のギャップを埋めることを可能にした先駆者の一人です。GPUが可能にする超高速の行列表現と操作により、コンピュータはデータを処理するにつれて自動的に改善されるアルゴリズムを作成できるようになりました。つまり、GPUはコンピュータに「学ぶことを学ぶ」ことを助けるのです。

ディープラーニングとは何か？

ディープラーニングでは、以前のネットワークよりもはるかに深く、複雑な人工ニューラルネットワークが使用されます。かつてニューラルネットワークは、入力データとそれらが生成する予測の間に単一の隠れ層を含むことが多かったです。しかし、今日のディープニューラルネットワークは、非線形関数を持つ数十層、あるいは数百層を持つこともあります。

これらのネットワークの深さにより、各層が入力データの異なる特徴を検出して分析できるため、データ間の非常に複雑な関係を表現することができます。層の数が増えるにつれて、その能力も高まりました。 

ケンタウルスAIは、ヘルスケアのゲームチェンジャーとなるのか？ 

ケンタウルスAIシステムは、人間の知能と計算力を組み合わせたハイブリッドな構成であり、両者の最高の要素を提供します。これは、複雑な人間のニュアンスが重要な要素であり、閉鎖的で完全に指定されたシステム（ゲームなど）の問題を解決するために計算力の暴力的な使用だけでは不十分な分野で特に有用です。

ケンタウルスは、140以上の国々からの医療専門家と学生のネットワークを構築しました。このネットワークは主に、ラベラーがスキルを磨き、互いに競争できるゲーミフィケーションされたプラットフォームであるiOSアプリ「DiagnosUs」上で稼働しています。このソフトウェアの目的は、ラベラーのパフォーマンスを評価し、最も正確な結果を出した者に金銭的な報酬を与えることです。

注目すべきは、ケンタウルスが各事例について複数の視点を集め、より難しいケースほど多くの意見が収集されることです。その後、プラットフォームは異なる視点を慎重に統合し、単一の専門家による分類よりも正確な分類を提供します。このサイトは週に100万件以上の意見を集めています。

AIは数百万の例によって学習する

人間と同様に、AIも例によって学習するため、アルゴリズムのトレーニングには数十、あるいは数百万の例が必要です。しかし、大規模な医療データセットのキュレーションは困難であり、関連する医療専門知識と専門的なトレーニングを持つソースから適切なラベルを見つけることは事実上不可能です。ケンタウルスプラットフォームは、数百万のラベルに急速に成長し、幅広い専門的な医療アプリケーションに対応することを目的としています。