1
00:00:01,280 --> 00:00:05,136
În prezent, algoritmii îndeplinesc
sarcini incredibile

2
00:00:05,160 --> 00:00:09,896
cu mare acuratețe, la o scară enormă,
având o inteligență ca cea a oamenilor.

3
00:00:09,920 --> 00:00:13,856
Aceasta inteligență a computerelor
e adesea denumită IA

4
00:00:13,880 --> 00:00:15,736
sau inteligență artificială.

5
00:00:15,760 --> 00:00:19,960
IA va avea un impact incredibil 
asupra vieților noastre în viitor.

6
00:00:20,880 --> 00:00:24,816
Astăzi, totuși, încă ne confruntăm
cu provocări enorme

7
00:00:24,840 --> 00:00:28,336
în detectarea și diagnosticarea
câtorva boli care pun viețile în pericol,

8
00:00:28,360 --> 00:00:30,720
cum ar fi bolile infecțioase și cancerul.

9
00:00:32,000 --> 00:00:34,296
În fiecare an, mii de pacienți

10
00:00:34,320 --> 00:00:37,120
își pierd viața din cauza 
cancerului de ficat sau oral.

11
00:00:37,880 --> 00:00:40,576
Cea mai bună metodă 
de a ajuta acești pacienți

12
00:00:40,600 --> 00:00:44,920
este să performăm o diagnosticare 
și o detectare precoce a acestor boli.

13
00:00:45,880 --> 00:00:50,040
Așadar, cum detectăm aceste boli astăzi 
și cum ne poate ajuta IA?

14
00:00:51,920 --> 00:00:55,576
Pacienților care, din păcate, sunt 
suspectați de una dintre aceste boli,

15
00:00:55,600 --> 00:00:58,256
un medic specialist cere prima oară

16
00:00:58,280 --> 00:01:00,896
tehnologii medicale de imagistică
foarte scumpe,

17
00:01:00,920 --> 00:01:05,016
cum ar fi imagistica fluorescentă,
CT, RMN.

18
00:01:05,040 --> 00:01:07,336
Odată ce sunt colectate aceste imagini,

19
00:01:07,360 --> 00:01:11,880
un alt medic specialist interpretează
aceste imagini și vorbește cu pacientul.

20
00:01:12,520 --> 00:01:15,976
După cum vedeți, este un proces
care presupune multe resurse,

21
00:01:16,000 --> 00:01:20,416
necesitând medici specialiști
și tehnologie medicală imagistică scumpă,

22
00:01:20,440 --> 00:01:23,536
și nu este considerat practic
pentru lumea în curs de dezvoltare.

23
00:01:23,560 --> 00:01:26,920
De fapt, și în multe țări industrializate.

24
00:01:27,550 --> 00:01:30,880
Deci, putem rezolva această problemă
folosind inteligența artificială?

25
00:01:31,780 --> 00:01:35,836
Astăzi, dacă ar fi să folosim 
arhitectura tradițională a IA

26
00:01:35,870 --> 00:01:37,136
pentru a rezolva problema,

27
00:01:37,160 --> 00:01:38,616
aș avea nevoie de 10.000 --

28
00:01:38,640 --> 00:01:42,656
repet, la un ordin de 10.000
din aceste imagini medicale foarte scumpe

29
00:01:42,680 --> 00:01:44,056
să fie generate mai întâi.

30
00:01:44,080 --> 00:01:46,976
După aceea, m-aș duce
la un medic specialist,

31
00:01:47,000 --> 00:01:49,496
care ar analiza acele imagini pentru mine.

32
00:01:49,520 --> 00:01:51,616
Și folosind aceste informații,

33
00:01:51,640 --> 00:01:55,346
pot pregăti o rețea standard neurală 
profundă sau o rețea de învățare profundă

34
00:01:55,346 --> 00:01:57,456
pentru a stabili diagnosticul pacientului.

35
00:01:57,480 --> 00:01:59,216
Similar cu prima abordare,

36
00:01:59,240 --> 00:02:01,383
abordările tradiționale ale IA

37
00:02:01,407 --> 00:02:02,856
prezintă aceeași problemă.

38
00:02:02,880 --> 00:02:07,440
Cantitate mare de date, medici specialiști
și tehnologii imagistice de specialitate.

39
00:02:08,320 --> 00:02:12,616
Deci, putem inventa 
arhitecturi artificiale inteligente

40
00:02:12,640 --> 00:02:15,936
mai accesibile, mai eficiente 
și mai valoroase

41
00:02:15,960 --> 00:02:19,016
pentru a rezolva aceste probleme 
cu care ne confruntăm astăzi?

42
00:02:19,040 --> 00:02:22,336
Și asta e exact cu ce se ocupă grupul meu 
de la MIT Media Lab.

43
00:02:22,360 --> 00:02:26,210
Am inventat o varietate
de arhitecturi IA neortodoxe

44
00:02:26,210 --> 00:02:29,446
pentru a rezolva câteva provocări
cu care ne confruntăm astăzi

45
00:02:29,446 --> 00:02:31,640
în imagistica medicală 
și studiile clinice.

46
00:02:32,480 --> 00:02:35,536
În exemplul pe care vi l-am arătat azi, 
am avut două țeluri.

47
00:02:35,560 --> 00:02:38,536
Primul țel a fost să reducem 
numărul imaginilor

48
00:02:38,560 --> 00:02:41,816
care se cer pentru a antrena 
algoritmii inteligenței artificiale.

49
00:02:41,840 --> 00:02:43,936
Al doilea țel - suntem și mai ambițioși,

50
00:02:43,960 --> 00:02:47,640
am vrut să reducem uzul de tehnologie
imagistică medicală scumpă

51
00:02:47,640 --> 00:02:48,976
pentru a consulta pacienții.

52
00:02:48,976 --> 00:02:50,160
Cum am făcut-o?

53
00:02:50,920 --> 00:02:52,136
Pentru primul nostru țel,

54
00:02:52,160 --> 00:02:54,216
în loc să începem cu zeci și mii

55
00:02:54,240 --> 00:02:57,256
de imagini medicale foarte scumpe
cum e tradiționala IA,

56
00:02:57,280 --> 00:02:59,336
am început cu o singură imagine medicală.

57
00:02:59,360 --> 00:03:03,136
Din această imagine, eu și echipa mea 
am găsit o cale isteață

58
00:03:03,160 --> 00:03:05,896
de a extrage miliarde de pachete
de informații.

59
00:03:05,920 --> 00:03:09,616
Aceste pachete de informații includ 
culori, pixeli, geometrie

60
00:03:09,640 --> 00:03:12,176
și redarea bolii în imaginea medicală.

61
00:03:12,200 --> 00:03:16,536
Într-un sens, am convertit o imagine
în miliarde de puncte de formare,

62
00:03:16,560 --> 00:03:20,096
reducând masiv cantitatea de date
necesară pentru pregătire.

63
00:03:20,120 --> 00:03:21,230
Pentru al doilea țel,

64
00:03:21,230 --> 00:03:24,240
reducerea utilizării
de tehnologie medicală imagistică scumpă

65
00:03:24,240 --> 00:03:25,570
pentru a examina pacienții,

66
00:03:25,570 --> 00:03:28,096
s-a început cu fotografie 
standard de lumină albă,

67
00:03:28,120 --> 00:03:32,456
achiziționată fie de la camera DSLR 
sau de la telefonul mobil al pacientului.

68
00:03:32,480 --> 00:03:34,936
Rețineți acele miliarde 
de pachete de informații?

69
00:03:34,960 --> 00:03:38,496
Le-am suprapus pe acelea din imaginea 
medicală pe această imagine,

70
00:03:38,520 --> 00:03:41,040
creând ceva ce numim o imagine compusă.

71
00:03:41,480 --> 00:03:44,776
Spre surprinderea noastră, 
am avut nevoie de doar 50 -

72
00:03:44,800 --> 00:03:46,136
repet, doar 50 -

73
00:03:46,160 --> 00:03:50,020
de astfel de imagini compuse
ca să facem algoritmul mai eficient.

74
00:03:50,680 --> 00:03:52,016
Ca să rezum,

75
00:03:52,040 --> 00:03:55,216
în loc de 10.000 de imagini 
medicale foarte scumpe,

76
00:03:55,240 --> 00:03:58,256
acum putem antrena algoritmii IA 
într-un mod neortodox,

77
00:03:58,280 --> 00:04:02,536
folosind doar 50 de fotografii standard
de rezoluție mare,

78
00:04:02,560 --> 00:04:05,056
achiziționate de la camere DSLR 
și telefoane mobile,

79
00:04:05,080 --> 00:04:06,616
și putem stabili diagnostice.

80
00:04:06,640 --> 00:04:07,856
Mai important,

81
00:04:07,880 --> 00:04:11,016
algoritmii noștri pot accepta, 
în viitor sau chiar și acum,

82
00:04:11,040 --> 00:04:13,856
fotografii foarte simple
cu lumină albă, de la pacient,

83
00:04:13,880 --> 00:04:16,550
în loc de tehnologie medicală 
imagistică foarte scumpă.

84
00:04:17,120 --> 00:04:20,216
Cred că suntem pregătiți
pentru a intra într-o eră

85
00:04:20,240 --> 00:04:22,176
în care inteligența artificială

86
00:04:22,200 --> 00:04:24,856
o să aibă un impact incredibil
asupra viitorului nostru.

87
00:04:24,856 --> 00:04:27,216
Cred că, gândindu-ne la IA tradițională,

88
00:04:27,240 --> 00:04:29,890
care e bogată în date,
dar săracă în aplicații,

89
00:04:29,890 --> 00:04:31,576
ar trebui să continuăm să ne gândim

90
00:04:31,600 --> 00:04:34,616
la aceste neortodoxe arhitecturi 
de inteligență artificială,

91
00:04:34,640 --> 00:04:36,570
care pot accepta mici cantități de date

92
00:04:36,570 --> 00:04:39,520
și pot rezolva câteva dintre problemele 
cu care ne confruntăm,

93
00:04:39,520 --> 00:04:41,146
în special în domeniul sănătății.

94
00:04:41,146 --> 00:04:42,446
Vă mulțumesc foarte mult.

95
00:04:42,446 --> 00:04:45,920
(Aplauze)