A Centaur AI Combina Expertise Humana com Aprendizado de Máquina para Inovação em Saúde

Resumo TL;DR

• A Centaur AI combina o poder das máquinas de IA com o intelecto humano para maximizar ambos os pontos fortes.
• Duas abordagens complementares para a IA são: orientada por dados e orientada por conhecimento.
• A Centaur AI é uma configuração híbrida que combina inteligência humana e poder computacional para resolver problemas complexos de saúde.

A saúde se beneficiará enormemente à medida que a tecnologia de IA se desenvolve e avança. A aplicação da IA na saúde já mostrou uma variedade de vantagens, incluindo maior precisão diagnóstica, regimes de tratamento mais individualizados e habilidades de previsão mais elevadas.

A Centaur AI refere-se a uma combinação do poder das máquinas de IA e do intelecto humano. Essa abordagem é vista como uma maneira de maximizar os pontos fortes tanto da IA quanto dos profissionais de saúde humanos. Com a Centaur AI, as máquinas podem auxiliar em tarefas como diagnóstico e planejamento de tratamento, enquanto os profissionais de saúde humanos podem fornecer o contexto e a interpretação necessários para tomar decisões informadas.

Abordagens de IA para Otimizar o Funcionamento do Backend

Existem duas abordagens diferentes, mas complementares, para a IA.

Primeira Abordagem para a IA

A primeira abordagem para a IA é descrita como dependendo da crença de que, dados dados suficientes e poder computacional, modelos complexos podem ser criados para realizar tarefas desafiadoras, mesmo aquelas que normalmente são realizadas por humanos. Esta abordagem enfatiza que a expertise do domínio pode não ser necessária e que apenas dados e poder computacional são suficientes para resolver problemas.

Exemplos dessa abordagem incluem treinar um computador para produzir uma pintura no estilo de Claude Monet ou ensinar um robô a assar biscoitos usando dados. O desenvolvimento de carros autônomos também é citado como um exemplo dessa abordagem, que depende fortemente do poder computacional e da disponibilidade de grandes quantidades de dados.

Segunda Abordagem para a IA

A segunda abordagem para a IA envolve imitar como os humanos raciocinam usando conceitos como conexão e causalidade. Esta abordagem enfatiza a importância crítica da expertise do domínio e a construção de algoritmos que possam aplicar aproximações do conhecimento humano acumulado para resolver problemas. Os algoritmos, também conhecidos como sistemas especialistas, normalmente dependem de cálculos baseados em regras ou probabilísticos.

O campo do conhecimento, que apoia essa abordagem, acredita que os sistemas especialistas são essenciais para replicar o raciocínio e a tomada de decisão humanos na IA. Esses sistemas exigem um profundo entendimento de um domínio específico para serem eficazes e usam aproximações do conhecimento humano para resolver problemas.

Comparação das Primeiras e Segundas Abordagens para a IA

O desenvolvimento da IA orientada por dados superou o da IA baseada em conhecimento devido à complexidade dos sistemas especialistas baseados em regras, o que pode impedir a escalabilidade. Sistemas baseados em dados, como os usados em carros autônomos e grandes empresas de tecnologia para posicionamento de anúncios, mensagens e recomendações, viram avanços significativos. No campo da biologia, a IA orientada por dados também fez contribuições importantes para resolver problemas complexos.

O conhecimento do domínio, no entanto, pode ser mais crucial ao avaliar os problemas de sinal-ruído que surgem com grandes dados quando se trata da complexidade da biologia humana e das doenças. Para lidar com a enorme complexidade do corpo humano, é provável que seja necessária uma combinação de abordagens orientadas por dados e orientadas por conhecimento.

Os requisitos dos jogos de computador, que forneceram as forças comerciais que impulsionaram a inovação computacional, podem ser culpados pela rápida evolução das técnicas de redes neurais. Uma corrida para aprimorar a tecnologia foi iniciada pela exigência de realismo e capacidade de resposta em tempo real nos jogos. 

Andrew Ng foi um dos primeiros a reconhecer e aproveitar o poder das GPUs para ajudar as redes neurais a preencher a lacuna entre o cérebro humano e os computadores. Ao usar representações e manipulações de matrizes ultrarrápidas possibilitadas pelas GPUs, os computadores poderiam criar algoritmos que melhoravam automaticamente à medida que processavam dados. Em outras palavras, as GPUs ajudam os computadores a aprender a aprender.

O que é Aprendizado Profundo?

Redes neurais artificiais muito mais profundas e complicadas do que as redes anteriores são usadas no aprendizado profundo. No passado, as redes neurais frequentemente incluíam uma única camada oculta entre os dados de entrada e as previsões que produziam. As redes neurais profundas de hoje, no entanto, podem ter dezenas ou até centenas de camadas, cada uma com funções não lineares.

A profundidade dessas redes permite que elas representem relacionamentos extremamente complexos entre os dados, pois cada camada pode detectar e analisar diferentes características dos dados de entrada. À medida que o número de camadas aumentou, a capacidade também aumentou. 

Como a Centaur AI vai mudar o jogo da saúde? 

O sistema Centaur AI é uma configuração híbrida que combina inteligência humana e poder computacional para fornecer o melhor dos dois mundos. É particularmente útil em áreas onde os nuances humanos complexos são um fator significativo, e a força computacional bruta não é suficiente para resolver problemas em um sistema fechado e totalmente especificado, como um jogo.

Uma rede de especialistas médicos e estudantes de mais de 140 nações foi estabelecida pela Centaur. Esta rede opera principalmente no aplicativo iOS DiagnosUs, uma plataforma gamificada onde os rotuladores desenvolvem suas habilidades e competem uns com os outros. O objetivo do software é avaliar o desempenho dos rotuladores e premiar os mais precisos com recompensas financeiras.

É importante notar que a Centaur reúne várias perspectivas sobre cada caso, com mais opiniões sendo adquiridas nos casos mais difíceis. Depois disso, a plataforma integra cuidadosamente diferentes pontos de vista para fornecer classificações mais precisas do que as fornecidas por um único especialista. O site reúne mais de um milhão de opiniões por semana.

A IA aprende por milhões de exemplos

Semelhante aos humanos, a IA aprende por exemplo; portanto, treinar um algoritmo exige dezenas ou até milhões de exemplos. No entanto, grandes conjuntos de dados médicos são difíceis de curar, e é praticamente impossível encontrar rótulos apropriados de fontes com expertise médica relevante e treinamento especializado. A plataforma Centaur foi projetada para crescer rapidamente para milhões de rótulos e atender a uma ampla gama de aplicações médicas especializadas.