Günümüzde bilgisayar algoritmaları
insansı zekâları kullanarak
Büyük ölçülerde, büyük ölçeklerde
harika işler yapabilmektedirler.
Ve bilgisayarların bu zekâlarına
çoğunlukla YZ
ya da "yapay zekâ" deniyor.
YZ gelecekte hayatımıza muazzam bir etki
oluşturmaya hazır.
Fakat günümüzde hâlâ
bazı bulaşıcı hastalıklar ve kanserin
farkına varma ve teşhis koyma aşamalarında
büyük zorluklar ile karşılaşıyoruz.
Her yıl binlerce hasta,
ağız ve karaciğer kanserinden
hayatını kaybediyor.
Onlara yardımı en iyi şekilde
erken tanı ve teşhisle yapabiliriz.
Peki günümüzde bu hastalıkları
nasıl teşhis ediyoruz?
Ve teşhiste yapay zekâ bize
yardımcı olabilir mi?
Hasta olduğundan şüphelenilen kişiler için
uzman bir doktor öncelikle
MR ve tomografi gibi yüksek maliyetli
teknolojik sistemlerden
görüntüleme testleri istemektedir.
Sonuçlar alındıktan sonra
başka bir uzman görüntüleri inceler
ve teşhisi hastaya bildirir.
Gördüğünüz gibi bu süreç
günümüz dünyasına uymayan bir şekilde
uzman hekimler,
pahalı tıbbi görüntüleme teknolojileri
gibi kaynaklara
fazlaca bağımlı bir süreçtir.
Maalesef ki sanayileşmiş ülkelerde de
durum aynı.
Peki bu problemi yapay zekâ kullanarak
çözebilecek miyiz?
Bugün bu sorunu
geleneksel yapay zekâ mimarileriyle
çözmek istersem eğer,
10.000 adet
evet tekrar ediyorum, 10.000 adet
görüntüyü bu pahalı sistemlerden
elde etmemiz gerekli.
Sonra uzman bir hekime gitmem
ve onun bu görüntüleri
benim için analiz etmesi gerekli.
Ve elde edilen bu iki bilgiyi kullanarak
standart bir derin yapay sinir ağını
veya bir derin öğrenme ağını
hastanın tanısı için eğitebilirim.
İlk yaklaşıma benzer şekilde,
geleneksel yapay zekâ yaklaşımları
aynı sorundan muzdariptir.
Büyük miktarda veri, uzman hekimler
ve ileri tıbbi görüntüleme teknolojileri.
Peki şu anda karşılaştığımız
bu önemli sorunları çözmek adına
daha etkili, daha ölçeklenebilir
ve daha değerli
yapay zekâ mimarileri
geliştirebilir miyiz?
İşte grubumla MIT Medya Laboratuvarı'nda
yaptığımız şey tam olarak bu.
Günümüzde klinik deneylerde karşılaşılan
bu bazı önemli sorunların çözümü için
alışılmışın dışında çeşitli
YZ mimarileri oluşturduk.
Bugün sizinle paylaştığım örnekte,
iki hedefimiz vardı.
Birinci hedefimiz,
yapay zekâ algoritmalarını eğitmek için
gereken görüntü sayısını azaltmaktı.
İkinci hedefimiz ise
daha iddialıydı:
Hastaları incelemek için gerekli
maliyeti yüksek görüntüleme sistemlerinin
kullanımını azaltmak.
Peki bunu nasıl başardık ?
İlk hedefimiz için öncelikle
geleneksel yapay zekâda gerektiği gibi
yüzlerce pahalı test yapmak yerine
sadece bir tıbbi görüntü kullandık.
Tek bir görüntüden, milyarlarca
veri paketi elde etmek için
ekibimle akıllı bir yöntem keşfettik.
Bu bilgi paketlerinde,
renkler, pikseller, şekiller
ve hastalığın tıbbi görüntüsü
bulunuyordu.
Başka bir deyişle,
bir resmi milyarlarca
eğitim materyali hâline getirip
gereken veriyi büyük ölçüde azalttık.
İkinci hedefe gelince,
hastaları görüntülemek için
kullanılan pahalı testler yerine,
cep telefonu veya DSLR kamera ile
beyaz ışıkta çekilmiş
standart bir fotoğraf ile başladık.
Milyarlarca bilgi paketini
hatırladınız mı?
Bu fotoğrafı,
tıbbi testlerden elde edilen görüntülerle
üst üste birleştirerek,
"kompozit görüntü"yü elde ettik.
Asıl sürpriz,
yalnızca 50 kompozit görüntü
tekrar ediyorum, 50 adet ile
algoritmalarımızı yüksek verimlilikte
eğitmemiz mümkün oldu.
Yaklaşımımızı özetleyecek olursak;
10.000 yüksek maliyetli tıbbi görüntü
kullanmak yerine,
cep telefonu veya
DSLR kamerayla elde edilmiş
yalnızca 50 adet yüksek çözünürlükte
görüntü ile YZ algoritmalarını
hastalıklara teşhis koymak üzere
yenilikçi bir yöntemle eğitebiliyoruz.
Daha da önemlisi,
bu algoritmayı kullanmak için,
gelecekte ve hatta şu anda,
yüksek maliyetli tıbbi
görüntüleme sistemleri yerine
hastaların sağlayacağı
basit fotoğraflar yeterli olacak.
Yapay zekânın geleceğimiz üzerinde
müthiş etkiler yaratacağı
bir çağa girmeye
hazır olduğumuza inanıyorum.
Bence, zengin veri isteyen
ve uygulamada zayıf kalan
geleneksel yapay zekâ yerine,
az miktarda veriyle iş yapabilen
ve günümüzde karşılaştığımız
zorlu sorunların bazılarını çözebilen
yenilikçi yapay zekâ
mimarilerini konuşmalıyız.
Özellikle de sağlık alanında.
Çok teşekkür ederim.
(Alkışlar)