Μεγάλα γλωσσικά μοντέλα στην υγεία – Χρήσιμα, αλλά όχι θαυματουργά

Τα μεγάλα γλωσσικά μοντέλα είναι ένας τύπος γενετικής τεχνητής νοημοσύνης που μπορεί να αναγνωρίσει, να μεταφράσει, να συνοψίσει, να προβλέψει και να δημιουργήσει περιεχόμενο που βασίζεται σε κείμενο.

Φανταστείτε ότι ψωνίζετε μέσω Διαδικτύου και μιλάτε με ένα χρήσιμο bot σχετικά με την αγορά νέων παπουτσιών. Αυτή είναι η βασική ιδέα πίσω από τα μεγάλα γλωσσικά μοντέλα (LLM). Τα LLM είναι ένας τύπος τεχνητής νοημοσύνης (AI) και κερδίζουν έλξη στην υγειονομική περίθαλψη. Στο Αυστραλιανό Ερευνητικό Κέντρο Ηλεκτρονικής Υγείας (AEHRC), εργαζόμαστε για να χρησιμοποιήσουμε με ασφάλεια τα LLM και άλλα εργαλεία τεχνητής νοημοσύνης για τη βελτιστοποίηση της υγειονομικής περίθαλψης για όλους τους Αυστραλούς. Παρά την αυξανόμενη δημοτικότητά τους, υπάρχουν κάποιες παρερμηνείες σχετικά με το πώς λειτουργούν τα LLM και σε τι είναι κατάλληλα.

Νέα (ψηφιακή) γενιά

Ένας από τους πιο ευρέως χρησιμοποιούμενους και γνωστούς τύπους AI είναι το Generative AI. Αυτός είναι ένας γενικός όρος για τα εργαλεία τεχνητής νοημοσύνης που δημιουργούν περιεχόμενο, συνήθως ως απόκριση στην προτροπή ενός χρήστη. Διαφορετικοί τύποι γενετικής τεχνητής νοημοσύνης δημιουργούν διαφορετικούς τύπους περιεχομένου. Αυτά θα μπορούσαν να βασίζονται σε κείμενο (όπως το Chat-GPT του OpenAI ή το Gemini της Google), εικόνες (όπως το DALL-E) και άλλα. Τα LLM είναι ένας τύπος γενετικής τεχνητής νοημοσύνης που μπορεί να αναγνωρίσει, να μεταφράσει, να συνοψίσει, να προβλέψει και να δημιουργήσει περιεχόμενο που βασίζεται σε κείμενο. Σχεδιάστηκαν για να μιμούνται τον τρόπο που οι άνθρωποι αναλύουν και παράγουν γλώσσα.

Εκπαίδευση εγκεφάλου

Για την εκτέλεση αυτών των εργασιών, εκπαιδεύεται ένα νευρωνικό δίκτυο (ο εγκέφαλος του AI). Αυτά τα πολύπλοκα μαθηματικά συστήματα είναι εμπνευσμένα από νευρωνικά δίκτυα του ανθρώπινου εγκεφάλου. Είναι πολύ καλοί στον εντοπισμό προτύπων στα δεδομένα. Υπάρχουν πολλά μοντέλα νευρωνικών δικτύων, αλλά τα περισσότερα LLM βασίζονται σε ένα μοντέλο που ονομάζεται «αρχιτεκτονική μετασχηματιστή». Οι αρχιτεκτονικές μετασχηματιστών είναι κατασκευασμένες με στρώματα του νευρωνικού δικτύου που ονομάζονται «κωδικοποιητές» και «αποκωδικοποιητές». Αυτά τα επίπεδα συνεργάζονται για να αναλύσουν το κείμενο που βάλατε, να αναγνωρίσουν μοτίβα και να προβλέψουν ποια λέξη είναι πιο πιθανό να έρθει στη συνέχεια με βάση την εισαγωγή.

Τα μοντέλα AI εκπαιδεύονται χρησιμοποιώντας ΠΟΛΛΑ δεδομένα. Τα LLM αναγνωρίζουν μοτίβα σε δεδομένα που βασίζονται σε κείμενο και μαθαίνουν πώς να δημιουργούν γλώσσα. Ο Δρ Bevan Koopman, ανώτερος ερευνητής στο AEHRC, λέει ότι είναι σημαντικό να θυμόμαστε ποιες εργασίες εκτελούν οι LLMs. “Πολλές λανθασμένες αντιλήψεις περιβάλλουν το γεγονός ότι οι LLM μπορούν να συλλογιστούν. Αλλά οι LLMs είναι απλώς πολύ καλοί στην αναγνώριση προτύπων στη γλώσσα και στη συνέχεια στη δημιουργία γλώσσας”, λέει ο Bevan. Μόλις εκπαιδευτεί, το μοντέλο μπορεί να αναλύσει και να δημιουργήσει γλώσσα ως απάντηση σε μια προτροπή. Το κάνουν αυτό προβλέποντας ποια λέξη είναι πιο πιθανό να έρθει επόμενη σε μια πρόταση.

LLM στην υγειονομική περίθαλψη

Τα LLM συχνά θεωρούνται ως μια «ασημένια σφαίρα» λύση σε προβλήματα υγειονομικής περίθαλψης. Σε έναν κόσμο ατελείωτων δεδομένων και άπειρης ισχύος υπολογιστή, αυτό μπορεί να ισχύει — αλλά όχι στην πραγματικότητα. Τα υψηλής ποιότητας και χρήσιμα LLM βασίζονται σε δεδομένα υψηλής ποιότητας… και πολλά από αυτά. Βρίσκουμε δεδομένα υγειονομικής περίθαλψης σε δύο μορφές — δομημένα και μη. Τα δομημένα δεδομένα έχουν συγκεκριμένη μορφή και είναι εξαιρετικά οργανωμένα. Αυτό περιλαμβάνει δεδομένα όπως δημογραφικά στοιχεία ασθενών, εργαστηριακά αποτελέσματα και ζωτικά σημεία.

Τα μη δομημένα δεδομένα βασίζονται συνήθως σε κείμενο, για παράδειγμα γραπτές σημειώσεις γιατρού ή περιλήψεις εξιτηρίου. Τα περισσότερα δεδομένα υγειονομικής περίθαλψης δεν είναι δομημένα. Αυτό οδηγεί τους ανθρώπους να πιστεύουν ότι δεν χρειαζόμαστε δομημένα δεδομένα για την επίλυση προβλημάτων υγειονομικής περίθαλψης—επειδή οι LLMs θα μπορούσαν να το κάνουν για εμάς. Αλλά σύμφωνα με τον Derek Ireland, ανώτερο μηχανικό λογισμικού στην AEHRC, αυτό δεν είναι απολύτως αλήθεια. «Ίσως με άπειρη υπολογιστική ισχύ θα μπορούσαμε, αλλά δεν το έχουμε», λέει ο David. Αν και τα LLM δεν είναι μια ίαση λύση για την υγειονομική περίθαλψη, μπορεί να είναι χρήσιμα.

Έχουμε αναπτύξει τέσσερα chatbot που βασίζονται σε LLM για μια σειρά από ρυθμίσεις υγειονομικής περίθαλψης. Αυτά βελτιώνονται συνεχώς για να υποστηρίζουν καλύτερα τους ασθενείς και να συνεργάζονται με τους κλινικούς γιατρούς για να διευκολύνουν τον υψηλό φόρτο εργασίας. Για παράδειγμα, το Dolores the pain chatbot παρέχει εκπαίδευση στους ασθενείς και κρατά κλινικές σημειώσεις για να βοηθήσει στην προετοιμασία των κλινικών για εις βάθος διαβουλεύσεις με ασθενείς. Μελετάμε επίσης πώς οι άνθρωποι χρησιμοποιούν δημόσια διαθέσιμα LLM για πληροφορίες υγείας. Θέλουμε να καταλάβουμε τι συμβαίνει όταν οι άνθρωποι τα χρησιμοποιούν για να κάνουν ερωτήσεις υγείας, όπως όταν ψάχνουμε στο Google τα συμπτώματά μας.

Είναι σημαντικό να θυμάστε ότι τα LLM είναι μόνο ένας τύπος AI. Μερικές φορές η εφαρμογή τους είναι κατάλληλη και μερικές φορές μια διαφορετική τεχνολογία μπορεί να κάνει καλύτερη δουλειά. Αναπτύσσουμε επίσης άλλους τύπους εργαλείων τεχνητής νοημοσύνης, όπως το VariantSpark και το BitEpi, για να κατανοήσουμε γενετικές ασθένειες και προγράμματα για ανάλυση και ακόμη και δημιουργία συνθετικών ιατρικών εικόνων.

Πρώτα η ασφάλεια

Η χρήση LLM και AI με ασφάλεια και ηθική στην υγειονομική περίθαλψη είναι ζωτικής σημασίας. Όπως κάθε εργαλείο στην υγειονομική περίθαλψη, υπάρχουν κανονισμοί που διασφαλίζουν ότι τα εργαλεία τεχνητής νοημοσύνης είναι ασφαλή και χρησιμοποιούνται ηθικά. Το σύστημα υγείας μας είναι πολύ περίπλοκο και τα ίδια εργαλεία δεν θα λειτουργούν παντού. Συνεργαζόμαστε στενά με ερευνητές, κλινικούς γιατρούς, φροντιστές, τεχνικούς, υπηρεσίες υγείας και ασθενείς για να διασφαλίσουμε ότι οι τεχνολογίες είναι κατάλληλες για το σκοπό.

Όλοι έχουμε έναν ρόλο, συμπεριλαμβανομένης της τεχνητής νοημοσύνης

Τα LLM μπορεί να μην είναι μια θαυματουργή θεραπεία για όλα τα προβλήματα υγείας μας. Αλλά μπορούν να βοηθήσουν στην υποστήριξη ασθενών και κλινικών γιατρών, να κάνουν τις διαδικασίες πιο αποτελεσματικές και να μειώσουν το φορτίο στο σύστημα υγειονομικής περίθαλψης μας. Εργαζόμαστε για ένα μέλλον όπου η τεχνητή νοημοσύνη όχι μόνο βελτιώνει την υγειονομική περίθαλψη, αλλά είναι επίσης ευρέως κατανοητή και αξιόπιστη από όλους.

Η Μεγάλη Μετάβαση το κύριο θέμα του 9ου Οικονομικού Φόρουμ των Δελφών

Ένα από τεχνολογικά επιτεύγματα που κανείς δεν πίστευε ότι θα ευδοκιμήσει

Ο αντίκτυπος της τεχνολογίας υγείας στον μεταβολισμό

Πώς το youtube έχει επηρεάσει τον κόσμο της ιατρικής;