0:00:01.280,0:00:05.136
تقوم خوارزميات الحاسوب اليوم بمهام هائلة

0:00:05.160,0:00:09.896
بدقة عالية، على نطاق واسع، [br]وباستخدام ذكاء يشبه ذكاء الإنسان

0:00:09.920,0:00:13.856
وغالباً ما يعرف ذكاء الحواسيب بال"أيه آي"

0:00:13.880,0:00:15.736
أو الذكاء الاصطناعي

0:00:15.760,0:00:19.960
والذي سيكون له تأثير كبير على حياتنا [br]في المستقبل

0:00:20.880,0:00:24.816
لكننا ما زلنا نواجه اليوم تحديات كثيرة

0:00:24.840,0:00:28.336
في كشف وتشخيص العديد من الأمراض [br]التي تهدد الحياة

0:00:28.360,0:00:30.720
مثل الأمراض المُعدية والسرطان

0:00:32.000,0:00:34.296
الآلاف من المرضى في كل عام

0:00:34.320,0:00:37.120
يخسرون حياتهم بسبب سرطان الكبد والفم

0:00:37.880,0:00:40.576
أفضل طريقة لمساعدة هؤلاء المرضى

0:00:40.600,0:00:44.920
هي إجراء الكشف المبكر[br]وتشخيص هذه الأمراض.

0:00:45.880,0:00:50.040
إذن كيف نكتشف هذه الأمراض اليوم،[br]وهل يمكن للذكاء الاصطناعي أن يساعد؟

0:00:51.920,0:00:55.576
للأسف، فالمرضى الذين يشتبه [br]بإصابتهم بهذه الأمراض،

0:00:55.600,0:00:58.256
يطلب منهم الطبيب أولاً إجراء

0:00:58.280,0:01:00.896
صور شعاعية متطورة ومكلفة جداً

0:01:00.920,0:01:05.016
مثل التصوير الفلوري والأشعة المقطعية[br]والرنين المغناطيسي

0:01:05.040,0:01:07.336
وبمجرد جمع هذه الصور

0:01:07.360,0:01:11.880
يقوم طبيب آخر بتشخيص تلك الصور[br]والتحدث إلى المريض.

0:01:12.520,0:01:15.976
كما ترون، تتطلب هذه العملية [br]الكثير من الموارد

0:01:16.000,0:01:20.416
كما تتطلب أطباء ذوي خبرة،[br]وتقنيات تصوير طبي مكلفة،

0:01:20.440,0:01:23.536
وهذا الحل ليس عملياً[br]للعالم النامي

0:01:23.560,0:01:26.920
وفي الحقيقة، للكثير من الدول[br]الصناعية كذلك.

0:01:27.760,0:01:30.640
إذاً هل نستطيع حل هذه المشكلة،[br]باستخدام الذكاء الاصطناعي؟

0:01:31.840,0:01:35.896
اليوم، إذا ما أردنا استخدام [br]نقنيات الذكاء الاصطناعي التقليدي

0:01:35.920,0:01:37.136
لحل هذه المشكلة

0:01:37.160,0:01:38.616
فإننا بحاجة إلى عشرة آلاف...

0:01:38.640,0:01:42.656
أكرر، بحدود 10 آلاف صورة[br]من هذه الصور الطبية المكلفة

0:01:42.680,0:01:44.056
يجب أن تكون جاهزة أولاً

0:01:44.080,0:01:46.976
بعد ذلك، نحن بحاجة لأطباء ذوي خبرة

0:01:47.000,0:01:49.496
لتحليل هذه الصور لنا.

0:01:49.520,0:01:51.616
وباستخدامنا لهذه المعلومات،

0:01:51.640,0:01:55.296
يمكننا تدريب شبكة عصبونية عميقة نموذجية[br]أو شبكة تعلم عميق

0:01:55.320,0:01:57.456
لتوفير التشخيص للمريض

0:01:57.480,0:01:59.216
على غرار النهج الأول،

0:01:59.240,0:02:01.383
فإن أساليب الذكاء الاصطناعي التقليدي

0:02:01.407,0:02:02.856
تعاني من نفس المشكلة.

0:02:02.880,0:02:07.440
كميات كبيرة من البيانات والأطباء الخبراء [br]وتقنيات تصوير طبي متطورة.

0:02:08.320,0:02:12.616
هل يمكننا إذًا إيجاد أساليب [br]أكثر فعالية وقابلة للتوسع

0:02:12.640,0:02:15.936
إضافة إلى طرق ذكاء اصطناعي قيمة

0:02:15.960,0:02:19.016
لحل هذه المشاكل التي تواجهنا اليوم؟

0:02:19.040,0:02:22.336
هذا تماماً هو ما تعمل عليه مجموعتنا [br]في مختبر "إم آي تي ميديا لاب".

0:02:22.360,0:02:26.216
اختراع مجموعة متنوعة [br]من أساليب الذكاء الاصطناعي غير التقليدية

0:02:26.240,0:02:29.416
لحل الكثير من التحديات التي تواجهنا اليوم

0:02:29.440,0:02:31.640
في مجال التصوير الطبي والتجارب السريرية

0:02:32.480,0:02:35.536
في المثال الذي عرضته اليوم،[br]كان لدينا هدفان

0:02:35.560,0:02:38.536
الهدف الأول كان تقليص[br]عدد الصور الطبية المطلوبة

0:02:38.560,0:02:41.816
لتدريب خوارزميات الذكاء الاصطناعي.

0:02:41.840,0:02:43.936
أما الهدف الثاني، فهو أكثر طموحاً،

0:02:43.960,0:02:47.696
كنا نريد التقليل من استخدام [br]تقنيات التصوير الطبي عالية الكلفة

0:02:47.720,0:02:48.936
لفحص المرضى

0:02:48.960,0:02:50.160
إذاً كيف فعلنا ذلك؟

0:02:50.920,0:02:52.136
بالنسبة لهدفنا الأول،

0:02:52.160,0:02:54.216
بدلاً من البدء بالعشرات والآلاف

0:02:54.240,0:02:57.256
من هذه الصور الطبية المكلفة، [br]واستعمال الذكاء الاصطناعي التقليدي

0:02:57.280,0:02:59.336
بدأنا بصورة طبية واحدة

0:02:59.360,0:03:03.136
ومن خلال هذه الصورة، [br]استطعت أنا وفريقي أن نجد أسلوبًا ذكيًّا

0:03:03.160,0:03:05.896
لاستخراج المليارات من حزم المعلومات.

0:03:05.920,0:03:09.616
تتضمن حزم المعلومات هذه: [br]الألوان والبكسلات والأبعاد

0:03:09.640,0:03:12.176
وتوصيفات المرض على الصورة الطبية.

0:03:12.200,0:03:16.536
بمعنى آخر، قمنا بتحويل صورة واحدة[br]إلى مليارات النقاط من بيانات التدريب،

0:03:16.560,0:03:20.096
مما قلل بشكل كبير من كمية البيانات [br]اللازمة للتدريب

0:03:20.120,0:03:21.336
بالنسبة للهدف الثاني،

0:03:21.360,0:03:25.216
أي الحد من استخدام الصور الطبية المكلفة [br]لفحص المرضى،

0:03:25.240,0:03:28.096
بدأنا بصورة الضوء الأبيض القياسية،

0:03:28.120,0:03:32.456
الملتقطة للمريض إما من آلة تصوير رقمية [br]ذات عدسة أحادية عاكسة أو من هاتف محمول.

0:03:32.480,0:03:34.936
المليارات من حزم المعلومات [br]الذي ذكرناها قبل قليل؟

0:03:34.960,0:03:38.496
قمنا بتركيبها على هذه الصورة،[br]

0:03:38.520,0:03:41.040
وأنشأنا ما نسميه صورة مركبة.

0:03:41.480,0:03:44.776
وما أدهشنا هو أننا احتجنا فقط إلى 50 صورة

0:03:44.800,0:03:46.136
أكرر، فقط خمسون صورة

0:03:46.160,0:03:50.000
من هذه الصور المركبة، [br]من أجل تدريب خوارزمياتنا لفعالية عالية

0:03:50.680,0:03:52.016
لتلخيص طريقتنا،

0:03:52.040,0:03:55.216
بدلاً من استخدام عشرة آلاف صورة[br]طبية عالية التكلفة

0:03:55.240,0:03:58.256
يمكننا الآن تدريب خوارزميات الذكاء [br]الاصطناعي بطريقة غير تقليدية

0:03:58.280,0:04:02.360
باستخدام فقط 50 صورة [br]قياسية عالية الجودة،

0:04:02.360,0:04:05.476
ملتقطة بآلات تصوير رقمية [br]ذات عدسة أحادية عاكسة وهواتف محمولة.

0:04:05.476,0:04:06.616
لتوفير التشخيص.

0:04:06.640,0:04:07.856
والأهم من هذا،

0:04:07.880,0:04:11.016
فخوارزمياتنا يمكنها أن تقبل، [br]في المستقبل وحتى في الوقت الحالي

0:04:11.040,0:04:13.856
بعض الصور البسيطة جداً للمريض [br]بتقنية الضوء الأبيض،

0:04:13.880,0:04:16.320
عوضاً عن تقنيات التصوير الطبي المكلفة.

0:04:17.120,0:04:20.216
أعتقد أننا مستعدون لدخول عصر

0:04:20.240,0:04:22.176
حيث يمكن للذكاء الاصطناعي

0:04:22.200,0:04:24.736
أن يؤثر فيه بشكل هائل على مستقبلنا

0:04:24.760,0:04:27.216
وأعتقد أن التفكير [br]في الذكاء الاصطناعي التقليدي

0:04:27.240,0:04:30.016
الذي يعتبر غنيًّا بالبيانات [br]وفقيرًا في التطبيق

0:04:30.040,0:04:31.576
يجب علينا أيضاً متابعة التفكير،

0:04:31.600,0:04:34.616
في طرق غير تقليدية لتطوير الذكاء الاصطناعي

0:04:34.640,0:04:36.576
التي تتطلب فقط كمية محدودة من البيانات

0:04:36.600,0:04:39.536
لحل بعض المشاكل الكبيرة[br]التي تواجهنا اليوم

0:04:39.560,0:04:40.816
خاصة في الرعاية الصحية.

0:04:40.840,0:04:42.056
شكراً جزيلاً لكم.

0:04:42.080,0:04:45.920
(تصفيق)