0:00:01.280,0:00:04.910
Počítačové algoritmy v současnosti[br]předvádí neuvěřitelné výkony

0:00:04.910,0:00:09.986
s vysokou přesností a v obrobském měřítku[br]díky inteligenci, která se podobá lidské.

0:00:09.986,0:00:13.856
Této inteligenci počítačů[br]se často říká AI,

0:00:13.880,0:00:15.736
neboli umělá inteligence.

0:00:15.760,0:00:19.960
AI je připravená mít v budoucnu[br]obrovský dopad na naše životy.

0:00:20.880,0:00:24.816
V současnosti ovšem stále[br]čelíme obrovským problémům

0:00:24.840,0:00:28.336
při rozpoznání a diagnostice[br]některých životu ohrožujících nemocí,

0:00:28.360,0:00:30.720
například infekční onemocnění a rakovina.

0:00:32.000,0:00:34.296
Tisíce pacientů ročně

0:00:34.320,0:00:37.450
umírá na rakovinu jater a ústní dutiny.

0:00:37.880,0:00:40.460
Pacientům můžeme nejlépe pomoci

0:00:40.460,0:00:44.920
brzkým rozpoznáním a diagnostikou [br]těchto nemocí.

0:00:45.760,0:00:50.740
Takže jak rozpoznáváme tyto nemoci dnes?[br]A může nám s tím umělá inteligence pomoci?

0:00:51.920,0:00:55.480
Pacienti, u kterých je bohužel[br]podezření na tyto nemoci,

0:00:55.480,0:00:58.256
nejprve podstoupí

0:00:58.280,0:01:00.896
velice drahá zobrazovací vyšetření,

0:01:00.920,0:01:05.016
například fluorescenční snímkování,[br]CT či magnetickou resonanci.

0:01:05.040,0:01:07.336
Jakmile se snímky vytvoří,

0:01:07.360,0:01:12.220
další lékař poté tyto snímky zhodnotí, [br]určí diagnózu a sdělí ji pacientovi.

0:01:12.520,0:01:15.976
Jak vidíte, je to velice náročný proces,

0:01:16.000,0:01:20.170
kde jsou zapotřebí specialisté a[br]drahé zobrazovací přístroje.

0:01:20.170,0:01:23.536
Tento postup tedy není vhodný [br]pro rozvojové země.

0:01:23.560,0:01:27.540
A není vlastně vhodný ani pro[br]mnoho industrializovaných zemí.

0:01:27.760,0:01:30.640
Jak tedy můžeme tento problém vyřešit[br]s umělou inteligenci?

0:01:31.840,0:01:34.550
Kdybych nyní na tento problém použil

0:01:34.550,0:01:36.630
tradiční architektury umělé inteligence,

0:01:36.630,0:01:38.616
potřeboval bych jich 10 000 --

0:01:38.640,0:01:41.200
Ano, nejrve bychom museli vytvořit

0:01:41.200,0:01:44.056
10 000 těchto drahých snímků.

0:01:44.080,0:01:46.976
Poté bych je zanesl specialistovi,[br]

0:01:47.000,0:01:49.496
který by je vyhodnotil.

0:01:49.520,0:01:51.616
Pomocí těchto dvou informací mohu trénovat

0:01:51.640,0:01:54.890
standardní hluboké neuronové sítě[br]nebo sítě hlubokého učení,

0:01:54.890,0:01:57.456
zjistit pacientovu diagnózu.

0:01:57.480,0:01:59.216
Stejně jako první přístup

0:01:59.240,0:02:01.383
mají tradiční přístupy umělé inteligence

0:02:01.407,0:02:02.856
stejný problém.

0:02:02.880,0:02:08.070
Velké objemy dat, přítomnost specialistů[br]a specializovaných zobrazovacích zařízení.

0:02:08.320,0:02:11.550
Můžeme tedy vyvinout dokonalejší,

0:02:11.550,0:02:15.936
účinnější a hodnotnější architektury [br]umělé inteligence,

0:02:15.960,0:02:19.016
abychom tak vyřešili důležité problémy,[br]kterým nyní čelíme?

0:02:19.040,0:02:22.336
A to je přesně to, co dělá můj tým[br]při MIT Media Lab.

0:02:22.360,0:02:26.216
Vyvinuli jsme různé netradiční[br]architektury umělé inteligence,

0:02:26.240,0:02:29.416
abychom vyřešili ty největší[br]problémy, kterým nyní čelíme

0:02:29.440,0:02:32.060
při zobrazovacích a klinických testech.

0:02:32.480,0:02:35.536
U příkladu, který jsem vám dnes ukázal,[br]jsme měli dva cíle.

0:02:35.560,0:02:38.320
Naším prvním cílem bylo snížit [br]počet snímků,

0:02:38.320,0:02:41.816
které jsou zapotřebí pro vytrénování[br]algoritmů umělé inteligence.

0:02:41.840,0:02:43.936
Naším druhý cílel bylo -ambicióznějším -

0:02:43.960,0:02:47.696
menší využívání drahých [br]zdravotnických zobrazovacích technologií

0:02:47.720,0:02:48.936
ke screeningu pacientů.

0:02:48.960,0:02:50.800
Tak jak jsme to dokázali?

0:02:50.920,0:02:52.136
Pro náš první cíl,

0:02:52.160,0:02:55.026
namísto začínání s desítkami a tisíci[br]drahých zdravotnických snímků,

0:02:55.026,0:02:56.850
jako tradiční umělá inteligence,

0:02:56.850,0:02:59.336
začali jsme u jednoho [br]zdravotnického snímku.

0:02:59.360,0:03:03.136
Z tohoto snímku jsem spolu s týmem[br]dokázali chytře získat

0:03:03.160,0:03:05.896
miliardy informačních souborů.

0:03:05.920,0:03:09.616
Tyto soubory obsahují informace o[br]barvách, pixelech, uspořádání

0:03:09.640,0:03:12.176
a podobě nemoci[br]na zdravotnickém snímku.

0:03:12.200,0:03:16.536
Vlastně jsme jen změnili jeden obrázek[br]na miliardy zkušebních datových bodů,

0:03:16.560,0:03:20.096
což značně snížilo množství dat,[br]která jsou pro učení zapotřebí.

0:03:20.120,0:03:21.336
Pro náš druhý cil,

0:03:21.360,0:03:24.776
omezit využívání drahých zdravotnických[br]snímkovacích technologií,

0:03:25.240,0:03:28.096
jsme začali se standardní[br]fotografií s bílým světlem,

0:03:28.120,0:03:32.456
kterou jsme pořídili buď zrcadlovkou,[br]nebo mobilním telefonem.

0:03:32.480,0:03:34.936
Vzpomínáte si na ty miliardy [br]informačních souborů?

0:03:34.960,0:03:38.496
Vložili jsme zdravotnický snímek[br]na tento obrázek

0:03:38.520,0:03:41.040
a vytvořili něco, čemu[br]říkáme složený snímek.

0:03:41.480,0:03:44.140
K našemu překvapení jsme jich[br]potřebovali pouze 50.

0:03:44.170,0:03:46.136
Opravdu jen 50 těchto složených snímků,

0:03:46.160,0:03:50.000
aby byly naše algoritmy účinné.

0:03:50.680,0:03:52.016
Abych shrnul náš přístup,

0:03:52.040,0:03:55.216
nepoužíváme 10 000 drahých[br]zdravotnických snímků,

0:03:55.240,0:03:58.256
můžeme natrénovat AI algoritmy [br]neortodoxním způsobem,

0:03:58.280,0:04:02.536
z pouze 50 standardních fotografií [br]s vysokým rozlišením,

0:04:02.560,0:04:05.056
které jsme pořídili zrcadlovkou[br]nebo mobilem

0:04:05.080,0:04:06.616
a provedeme diagnózu.

0:04:06.640,0:04:07.856
Důležitější ovšem je,

0:04:07.880,0:04:11.016
že naše algoritmy budou moci [br]a již nyní mohou analyzovat

0:04:11.040,0:04:13.856
některé jednoduché, přirozeně[br]osvětlené fotografie pacienta,

0:04:13.880,0:04:16.320
namísto drahých zobrazovacích zařízení.

0:04:17.120,0:04:20.216
Věřím, že jsme připravení [br]vstoupit do doby,

0:04:20.240,0:04:22.176
kdy bude mít umělá inteligence

0:04:22.200,0:04:24.736
velký vliv na naši budoucnost.

0:04:24.760,0:04:27.216
A myslím si, že namísto [br]tradiční umělé inteligence,

0:04:27.240,0:04:30.016
která zpracovává velké objemy dat,[br]ale je málo využitelná,

0:04:30.040,0:04:31.576
bychom se měli zamyset

0:04:31.600,0:04:34.616
nad netradičními architekturami[br]umělé inteligence,

0:04:34.640,0:04:36.576
které potřebují pouze malé množství dat

0:04:36.600,0:04:39.060
a dokážou vyřešit některé z největších[br]problémů,

0:04:39.090,0:04:40.816
kterým nyní [br]ve zdravotnictví čelíme.

0:04:40.840,0:04:42.056
Děkuji vám.

0:04:42.080,0:04:45.920
(potlesk)