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)