0:00:01.280,0:00:05.136
În prezent, algoritmii îndeplinesc[br]sarcini incredibile

0:00:05.160,0:00:09.896
cu mare acuratețe, la o scară enormă,[br]având o inteligență ca cea a oamenilor.

0:00:09.920,0:00:13.856
Aceasta inteligență a computerelor[br]e adesea denumită IA

0:00:13.880,0:00:15.736
sau inteligență artificială.

0:00:15.760,0:00:19.960
IA va avea un impact incredibil [br]asupra vieților noastre în viitor.

0:00:20.880,0:00:24.816
Astăzi, totuși, încă ne confruntăm[br]cu provocări enorme

0:00:24.840,0:00:28.336
în detectarea și diagnosticarea[br]câtorva boli care pun viețile în pericol,

0:00:28.360,0:00:30.720
cum ar fi bolile infecțioase și cancerul.

0:00:32.000,0:00:34.296
În fiecare an, mii de pacienți

0:00:34.320,0:00:37.120
își pierd viața din cauza [br]cancerului de ficat sau oral.

0:00:37.880,0:00:40.576
Cea mai bună metodă [br]de a ajuta acești pacienți

0:00:40.600,0:00:44.920
este să performăm o diagnosticare [br]și o detectare precoce a acestor boli.

0:00:45.880,0:00:50.040
Așadar, cum detectăm aceste boli astăzi [br]și cum ne poate ajuta IA?

0:00:51.920,0:00:55.576
Pacienților care, din păcate, sunt [br]suspectați de una dintre aceste boli,

0:00:55.600,0:00:58.256
un medic specialist cere prima oară

0:00:58.280,0:01:00.896
tehnologii medicale de imagistică[br]foarte scumpe,

0:01:00.920,0:01:05.016
cum ar fi imagistica fluorescentă,[br]CT, RMN.

0:01:05.040,0:01:07.336
Odată ce sunt colectate aceste imagini,

0:01:07.360,0:01:11.880
un alt medic specialist interpretează[br]aceste imagini și vorbește cu pacientul.

0:01:12.520,0:01:15.976
După cum vedeți, este un proces[br]care presupune multe resurse,

0:01:16.000,0:01:20.416
necesitând medici specialiști[br]și tehnologie medicală imagistică scumpă,

0:01:20.440,0:01:23.536
și nu este considerat practic[br]pentru lumea în curs de dezvoltare.

0:01:23.560,0:01:26.920
De fapt, și în multe țări industrializate.

0:01:27.550,0:01:30.880
Deci, putem rezolva această problemă[br]folosind inteligența artificială?

0:01:31.780,0:01:35.836
Astăzi, dacă ar fi să folosim [br]arhitectura tradițională a IA

0:01:35.870,0:01:37.136
pentru a rezolva problema,

0:01:37.160,0:01:38.616
aș avea nevoie de 10.000 --

0:01:38.640,0:01:42.656
repet, la un ordin de 10.000[br]din aceste imagini medicale foarte scumpe

0:01:42.680,0:01:44.056
să fie generate mai întâi.

0:01:44.080,0:01:46.976
După aceea, m-aș duce[br]la un medic specialist,

0:01:47.000,0:01:49.496
care ar analiza acele imagini pentru mine.

0:01:49.520,0:01:51.616
Și folosind aceste informații,

0:01:51.640,0:01:55.346
pot pregăti o rețea standard neurală [br]profundă sau o rețea de învățare profundă

0:01:55.346,0:01:57.456
pentru a stabili diagnosticul pacientului.

0:01:57.480,0:01:59.216
Similar cu prima abordare,

0:01:59.240,0:02:01.383
abordările tradiționale ale IA

0:02:01.407,0:02:02.856
prezintă aceeași problemă.

0:02:02.880,0:02:07.440
Cantitate mare de date, medici specialiști[br]și tehnologii imagistice de specialitate.

0:02:08.320,0:02:12.616
Deci, putem inventa [br]arhitecturi artificiale inteligente

0:02:12.640,0:02:15.936
mai accesibile, mai eficiente [br]și mai valoroase

0:02:15.960,0:02:19.016
pentru a rezolva aceste probleme [br]cu care ne confruntăm astăzi?

0:02:19.040,0:02:22.336
Și asta e exact cu ce se ocupă grupul meu [br]de la MIT Media Lab.

0:02:22.360,0:02:26.210
Am inventat o varietate[br]de arhitecturi IA neortodoxe

0:02:26.210,0:02:29.446
pentru a rezolva câteva provocări[br]cu care ne confruntăm astăzi

0:02:29.446,0:02:31.640
în imagistica medicală [br]și studiile clinice.

0:02:32.480,0:02:35.536
În exemplul pe care vi l-am arătat azi, [br]am avut două țeluri.

0:02:35.560,0:02:38.536
Primul țel a fost să reducem [br]numărul imaginilor

0:02:38.560,0:02:41.816
care se cer pentru a antrena [br]algoritmii inteligenței artificiale.

0:02:41.840,0:02:43.936
Al doilea țel - suntem și mai ambițioși,

0:02:43.960,0:02:47.640
am vrut să reducem uzul de tehnologie[br]imagistică medicală scumpă

0:02:47.640,0:02:48.976
pentru a consulta pacienții.

0:02:48.976,0:02:50.160
Cum am făcut-o?

0:02:50.920,0:02:52.136
Pentru primul nostru țel,

0:02:52.160,0:02:54.216
în loc să începem cu zeci și mii

0:02:54.240,0:02:57.256
de imagini medicale foarte scumpe[br]cum e tradiționala IA,

0:02:57.280,0:02:59.336
am început cu o singură imagine medicală.

0:02:59.360,0:03:03.136
Din această imagine, eu și echipa mea [br]am găsit o cale isteață

0:03:03.160,0:03:05.896
de a extrage miliarde de pachete[br]de informații.

0:03:05.920,0:03:09.616
Aceste pachete de informații includ [br]culori, pixeli, geometrie

0:03:09.640,0:03:12.176
și redarea bolii în imaginea medicală.

0:03:12.200,0:03:16.536
Într-un sens, am convertit o imagine[br]în miliarde de puncte de formare,

0:03:16.560,0:03:20.096
reducând masiv cantitatea de date[br]necesară pentru pregătire.

0:03:20.120,0:03:21.230
Pentru al doilea țel,

0:03:21.230,0:03:24.240
reducerea utilizării[br]de tehnologie medicală imagistică scumpă

0:03:24.240,0:03:25.570
pentru a examina pacienții,

0:03:25.570,0:03:28.096
s-a început cu fotografie [br]standard de lumină albă,

0:03:28.120,0:03:32.456
achiziționată fie de la camera DSLR [br]sau de la telefonul mobil al pacientului.

0:03:32.480,0:03:34.936
Rețineți acele miliarde [br]de pachete de informații?

0:03:34.960,0:03:38.496
Le-am suprapus pe acelea din imaginea [br]medicală pe această imagine,

0:03:38.520,0:03:41.040
creând ceva ce numim o imagine compusă.

0:03:41.480,0:03:44.776
Spre surprinderea noastră, [br]am avut nevoie de doar 50 -

0:03:44.800,0:03:46.136
repet, doar 50 -

0:03:46.160,0:03:50.020
de astfel de imagini compuse[br]ca să facem algoritmul mai eficient.

0:03:50.680,0:03:52.016
Ca să rezum,

0:03:52.040,0:03:55.216
în loc de 10.000 de imagini [br]medicale foarte scumpe,

0:03:55.240,0:03:58.256
acum putem antrena algoritmii IA [br]într-un mod neortodox,

0:03:58.280,0:04:02.536
folosind doar 50 de fotografii standard[br]de rezoluție mare,

0:04:02.560,0:04:05.056
achiziționate de la camere DSLR [br]și telefoane mobile,

0:04:05.080,0:04:06.616
și putem stabili diagnostice.

0:04:06.640,0:04:07.856
Mai important,

0:04:07.880,0:04:11.016
algoritmii noștri pot accepta, [br]în viitor sau chiar și acum,

0:04:11.040,0:04:13.856
fotografii foarte simple[br]cu lumină albă, de la pacient,

0:04:13.880,0:04:16.550
în loc de tehnologie medicală [br]imagistică foarte scumpă.

0:04:17.120,0:04:20.216
Cred că suntem pregătiți[br]pentru a intra într-o eră

0:04:20.240,0:04:22.176
în care inteligența artificială

0:04:22.200,0:04:24.856
o să aibă un impact incredibil[br]asupra viitorului nostru.

0:04:24.856,0:04:27.216
Cred că, gândindu-ne la IA tradițională,

0:04:27.240,0:04:29.890
care e bogată în date,[br]dar săracă în aplicații,

0:04:29.890,0:04:31.576
ar trebui să continuăm să ne gândim

0:04:31.600,0:04:34.616
la aceste neortodoxe arhitecturi [br]de inteligență artificială,

0:04:34.640,0:04:36.570
care pot accepta mici cantități de date

0:04:36.570,0:04:39.520
și pot rezolva câteva dintre problemele [br]cu care ne confruntăm,

0:04:39.520,0:04:41.146
în special în domeniul sănătății.

0:04:41.146,0:04:42.446
Vă mulțumesc foarte mult.

0:04:42.446,0:04:45.920
(Aplauze)