DEEP LEARNING TRONG LĨNH VỰC Y TẾ
Nhiều nỗ lực thú vị về áp dụng deep learning đó là trong lĩnh vực y tế. Theo Vijay Pande, giáo sư tại Stanford và đứng đầu đơn vị đầu tư sinh học của công ty Andreessen Horowitz, chúng ta đã biết rằng các mạng nơ-ron hoạt động tốt để mục nhận diện hình ảnh. Theo quan sát của Vijay Pande, bác sĩ sẽ làm rất nhiều việc như là nhận diện hình ảnh ở mục về X quang, da liễu, hoặc rất nhiều ‘lĩnh vực liên quan đến khoa học khác”.
Startup y tế Enlitic sử dụng deep leanring nhằm phân tích các kết quả chụp X quang và chụp CT và MRI. CEO Igor Barani trước đây là giáo sư về ung bứu học phóng xạ tại trường Đại học California tại San Francisco nói rằng thuật toán của Enlitic đã vượt trội hơn bốn nhà X-quang học trong việc phát hiện và phân loại tế bào ung thử phổi lành tính hoặc ác tính. (kết quả này vẫn chưa được kiểm chứng và công nghệ này vẫn chưa có sự chấp thuận từ chi cục FDA)
Công ty Merck cũng đang nỗ lực sử dụng deep learning nhằm đẩy nhanh việc nghiên cứu chế tạo thuốc mà theo như một công ty khởi nghiệp tại San Francisco gọi đó là Atomwise. Mạng nơ-ron sẽ quét các hình ảnh 3D và dự đoán tính phù hợp của chúng để ngăn chặn cơ chế gây bệnh. Các công ty như vậy sử dụng mạng nơ-ron để cải thiện những gì con người đã làm hoặc chưa được thực hiện. Tiến sĩ ngành sinh học máy tính Gabriel Otte hiện nay rất có tham vọng trong việc chuẩn đoán ung thư qua các mẫu máu. Qua việc quét các chuổi DNA trong máu thoát ra khi tế bào chết và sử dụng deep learning, ông yêu cầu các máy tính tìm mối tương quan giữa DNA không có tế bào và một số loại bệnh ung thư. Ông nói: “Chúng ta đang tìm ra những dấu hiệu sáng giá mà các nhà sinh học ung thư vẫn chưa mô tả được”.
Trong suốt cuộc đời, các bác sĩ chụp X quang chỉ có thể xem qua được hàng ngàn hình ảnh nhưng với máy tính thì con số đó sẽ lên đến hàng triệu. Không gì khó khi tưởng tượng rằng máy tính có thể giải quyết các vấn đề hình ảnh tốt hơn con người do bởi nó có thể quét nhiều dữ liệu hơn con người.
Những lợi thế tiềm năng không chỉ đến từ việc phân tích nhanh và chính xác hơn mà còn về dân chủ hóa dịch vụ. Khi công nghệ trở thành tiêu chuẩn thì sẽ có lợi cho bệnh nhân hơn.
Tác động lớn nhất của deep learning có thể cảm nhận được khi nó được tích hợp vào các công cụ về các kỹ thuật trí tuệ nhân tạo khác theo những cách mà chưa được nghĩ đến. Chẳng hạn như công ty Google DeepMind đã cho ra những kết quả đáng chú ý bằng việc kết hợp deep learning và kỹ thuật có liên quan khác được gọi là reinforcement learning (tạm dịch: việc học có tăng cường). Bằng việc kết hợp cả 2 thứ, họ tạo ra được phần mềm AlphaGo mà vào tháng 3 vừa qua đã đánh bại đương kim vô địch môn cờ vây. Người ta cho đây chính là bước ngoặc về các thành tựu công nghệ AI. Không như phần mềm Deep Blue của công ty IBM đã hạ gục nhà vô địch môn cờ vua Garry Kasparov vào năm 1997, phần mềm AlphaGo không được lập trình theo cơ chế decision trees (tạm dịch: Cây quyết định) hoặc các phương trình đánh giá tình thế hoặc quy tắc nếu thì. Theo CEO Demis Hassabis của công ty DeepMind cho biết: “phần mềm AlphaGo tự học cách chơi cờ hoặc xem qua các cuộc thi chuyên nghiệp quy mô lớn. Trong quá trình training thì tự nó sẽ chơi hàng triệu ván khác nhau”.
Trận đấu giữa phần mềm AlphaGo và Lee Sedol
Trận đấu dường như là được thiết lập sẵn nhưng Hassabis nghĩ rằng có thể áp dụng những kỹ thuật tương tự này vào các vấn đề ở thực tại. Thật ra vào tháng 7, Google báo cáo rằng bằng việc áp dụng các bước tiến như vậy cho các thiết bị sử dụng phần mềm AlphaGo và DeepMind, hiệu suất năng lượng dữ liệu trung tâm của Google đã tăng thêm 15%. Ông Hassabis cho hay: “Có đến khoảng 120 tham số khác nhau tại các trung tâm dữ liệu. Bạn có thể thay đổi tốc độ quạt, mở cửa sổ, thay đổi hệ thống máy tính miễn sao là có năng lượng. Bạn đã có dữ liệu từ cảm biến, máy đo nhiệt độ, và tất cả điều đó. Qua các thử nghiệm và sai sót, bạn sẽ biết được mình nên làm thế nào mới chính xác”.
CEO Demis Hassabis
Ông tiếp tục: “Nó thật là tuyệt khi có thể tiết kiệm chi phí cho bạn lên tới hàng chục triệu đô la mỗi năm. Hơn thế nó còn mang lại tác động tích cực đến môi trường. Các trung tâm dữ liệu tiêu thụ rất nhiều năng lượng và chúng tôi mong muốn sẽ mở rộng quy mô của nó thậm chí là chỉ ở mức lưới điện quốc gia”.
Những cái Chatbots cũng rất tốt và nó sẽ là một ứng dụng rất tuyệt!
Theo fortune.com
