Heute verrichten Computeralgorithmen unglaubliche Aufgaben mit großer Präzision, von enormem Umfang, durch menschenähnliche Intelligenz. Diese Intelligenz von Computern wird oft als KI bezeichnet oder künstliche Intelligenz. KI wird eine unglaubliche Auswirkung auf unser Leben in der Zukunft zu haben. Heute stehen wir jedoch enormen Herausforderungen gegenüber beim Erkennen und der Diagnose von einigen lebensgefährlichen Krankheiten, so wie Infektionskrankheiten und Krebs. Jedes Jahr verlieren tausende Patienten ihr Leben wegen Leber- und Mundkrebs. Unser bester Weg, diesen Patienten zu helfen, ist eine Früherkennung und Diagnose dieser Krankheiten durchzuführen. Wie entdecken wir also diese Krankheiten und kann künstliche Intelligenz helfen? Bei Patienten mit Verdacht auf eine solche Krankheit weist ein Facharzt zuerst sehr teure Technologien der Bilddiagnose wie fluoreszierende Bildgebung, CTs, MRTs, zur Ausführung an. Sobald diese Bilder gesammelt worden sind, macht ein anderer Experte die Bilddiagnose und spricht mit dem Patienten. Wie Sie sehen, ist dies ein sehr ressourcenintensiver Prozess, der sowohl Fachärzte als auch teure Bildgebungsverfahren benötigt und für Entwicklungsländer als ungeeignet angesehen wird. Und im Grunde auch in vielen Industrieländern. Können wir also dieses Problem lösen, indem wir künstliche Intelligenz nutzen? Wenn ich heute traditionelle Architektur künstlicher Intelligenz nutzen würde, um dieses Problem zu lösen, würde ich 10.000 brauchen -- Ich wiederhole, etwa 10.000 von diesen sehr teuren medizinischen Bildern müssen zuerst erstellt werden. Danach ginge ich zu einem Facharzt, der für mich diese Bilder analysieren würde. Indem ich diese zwei Informationen nutze, kann ich ein normales "Deep Learning"-Netzwerk trainieren, Diagnosen für Patienten zu erstellen. Ähnlich wie beim ersten Ansatz leiden Ansätze traditioneller KI unter dem gleichen Problem. Große Datenmengen, Fachärzte und High-Tech in der Bilddiagnostik. Können wir also skalierbare, effektivere und wertvollere Architekturen künstlicher Intelligenz erfinden, um diese sehr wichtigen Probleme zu lösen, vor denen wir heute stehen? Genau das macht meine Gruppe beim MIT Media Lab. Wir erfanden eine Reihe an unorthodoxen KI-Architekturen, um einige der wichtigsten Herausforderungen bei Bilddiagnostik und klinischen Prozessen zu lösen. In dem Beispiel, das ich heute nannte, hatten wir zwei Ziele. Unser erstes Ziel war es, die Anzahl der Bilder zu reduzieren, die benötigt werden, um KI-Algorithmen zu trainieren. Unser zweites Ziel war ambitionierter, nämlich den Einsatz der teuren Bilddiagnose zu reduzieren, um die Patienten zu screenen. Wie haben wir das gemacht? Für unser erstes Ziel haben wir, statt wie traditionelle KI mit Tausenden dieser sehr teuren medizinischen Bilder zu starten, mit einem einzelnen medizinischen Bild angefangen. Von diesem Bild aus fanden mein Team und ich einen cleveren Weg, Milliarden dieser Informationspakete zu extrahieren. Diese Informationspakete beinhalteten Farben, Pixel, Geometrie und die Darstellung der Krankheiten auf den medizinischen Bildern. Wir haben quasi ein Bild in Milliarden Trainingsdaten gewandelt und die Datenmenge massiv reduziert, die für das Training benötigt wird. Für unser zweites Ziel, die Nutzung teurer medizinischer Bildtechnologien beim Screening zu verringern, starteten wir mit einer normalen Weißlichtaufnahme, aufgenommen mit einer DSLR Kamera oder mit einer Telefonkamera für den Patienten. Erinnern Sie sich an die Milliarden Informationspakete? Wir haben diese mit den medizinischen Bildern überlagert und etwas erschaffen, das wir Verbund-Bild nennen. Zum unserem großen Erstaunen benötigten wir nur 50 -- Ich wiederhole, nur 50 -- dieser Verbund-Bilder, um die Algorithmen auf hohe Effizienz zu bringen. Zusammenfassend gesagt: anstatt 10,000 dieser sehr teuren Bilder zu verwenden, können wir nun die KI-Algorithmen auf unkonventionelle Art trainieren, indem wir nur 50 dieser hochauflösenden Standard-Fotos verwenden, die von DSLR-Kameras und Mobiltelefonen aufgenommen worden sind, und Diagnosen erstellen. Wichtiger noch, unsere Algorithmen können in der Zukunft und sogar schon jetzt, ein paar simple Weißlichtaufnahmen des Patienten annehmen, anstelle von teuren medizinischen Bildtechnologien. Ich glaube, dass wir jetzt in eine Ära gelangen, wo künstliche Intelligenz eine unglaubliche Auswirkung auf unsere Zukunft hat. Und ich glaube, dass wir neben dem Nachdenken über traditionelle KI, die reich an Daten, aber arm an Anwendungen ist, wir auch weiter nachdenken sollten über ungewöhnliche KI-Architekturen, die kleine Mengen an Daten akzeptieren können und ein paar der wichtigsten Probleme, vor denen wir stehen, lösen kann, insbesondere im Gesundheitswesen. Vielen Dank. (Applaus)