A Google AlphaGo programja legyőzte a 18-szoros világbajnokot, Lee Szedolt a „go” nevű bonyolult játékban. Ezzel az eredménnyel – amelyet sokan csak a következő évtizedre jósoltak – a mesterséges intelligencia (MI) bebizonyította, hogy jelentős szerepet fog játszani az egészségügy és az orvostudomány területén.

1997-ben az IBM Deep Blue programja megverte a sakkvilágbajnok Garri Kaszparovot egy legendás küzdelemben a számítástechnikai teljesítmény és az emberi elme között. 2011-ben az IBM Watson nevű új szuperszámítógépe megvert két zsenit a Jeopardy! nevű amerikai televíziós vetélkedőben. Ez utóbbi a lexikális tudás harca volt. Miért olyan izgalmas tehát a Google DeepMind AlphaGo programjának nemrég történt 4-1-es győzelme Lee Szedol, a világ ma élő legjobb gojátékosa felett?

A dél-koreai hivatásos gojátékos, Szedol a Google AlphaGo elleni küzdelmében 2016. március 10-én a dél-koreai Szöulban. Szedol öt menetet játszott az MI ellen.

A gojátszmákat 19×19 mezős táblán játsszák, és jóval összetettebb, mint a sakk. A versenyzők fekete-fehér kövek segítségével igyekeznek egymás bábuit bekeríteni a táblán. A góban az univerzum összes atomjánál is több lehetséges állapot idézhető elő. Éppen ezért a győzelemhez megfelelő kreativitás és intuíció szükséges, ami sokak szerint még jócskán meghaladta volna a jelenlegi MI-alapú rendszerek képességeit.

Bár az AlphaGo nem igazi mesterséges intelligencia, az nyilvánvaló, hogy a nála alkalmazott megközelítés sok praktikus területen alkalmazható lesz a mindennapi életünk során.

3 dolog, amelyet az AlphaGo programtól tanulhattunk

Lenyűgöző volt végignézni az öt meccset, amelyek betekintést nyújtottak három területbe, ahol az MI-alapú algoritmusok változást hoznak majd az életünkbe. 

• Az intuíció nem emberi kiváltság. A második játszma 37. lépésénél az AlphaGo egy rendkívül meglepő döntést hozott. Egy háromszoros európai gobajnok szerint: „Ez nem egy emberi lépés. Soha nem láttam emberi játékost megjátszani ezt. Gyönyörű.” Az evolúció során az emberiség szert tett különböző hiedelmekre és mechanizmusokra, amelyekkel szemlélte és értelmezni próbálta a környezetét. A mesterséges intelligenciák nem lesznek ilyen „béklyóba” kötve. Ehelyett olyan megoldásokat és gondolatokat vetnek és ajánlanak majd fel, amelyek nekünk egyszerűen eszünkbe sem jutott volna. Az MI megváltoztatja majd az emberi evolúció pályáját, és az emberiség történetének legizgalmasabb fejlesztésének ígérkezik. Az aprólékosan kidolgozott társadalmi normáik hiánya azonban az MI-ket egyben a legveszélyesebb fejlesztéssé is teszi.
• Az MI jobbá tesz minket. Az európai gobajnok, aki az AlphaGo fejlesztésében is segített azzal, hogy játszott a program ellen, beszámolt arról, hogy a program szokatlan játékstílusának köszönhetően az ő felfogása is gyökeresen átalakult a gót illetően. Ezt a világranglistán tett előretörése is tükrözi, illetve az is igazolja, hogy Szedol a harmadik veresége után egy hasonlóan példátlan lépést tett a negyedik játék során, amellyel végül meg is nyerte a mérkőzést. Vajon az első három meccs és az AlphaGo elgondolkodtató játéka nélkül is meg tudta volna tenni ezt a meglepő lépést?
• Nem az MI legyőzése a lényeg. Szedol beszámolója szerint csak azután tudta legyőzni az AlphaGo-t, hogy számításba vette, a program hogyan becsülte meg a nyerési esélyeit, majd ez alapján megpróbálta összezavarni az algoritmust. Bár Szedol győzött, a cél egy adott játszma megnyerése volt, és nem a játékos technikájának a fejlesztése. A mesterséges intelligencia számos helyzetben jobb lesz nálunk, és ez kellemetlen érzéseket kelthet bennünk. Ha azonban figyelembe vesszük, hogy milyen mértékben javíthat ez a technológia az életünkön, elmondhatjuk, hogy nem lenne a társadalom számára kifizetődő, ha a célunk pusztán az ilyen rendszerek legyőzése lenne.

Le fog-e cserélni miket az MI?

A következő kérdés, amely mindenkiben felmerül, hogy vajon le fog-e cserélni minket az MI a munkahelyen. Bár minden bizonnyal akadnak olyan szakmák, amelyek folyamatai automatizálhatók, bizonyos emberi képességek – az empátiától a tapasztalaton alapuló klinikai döntéshozásig – nehezen cserélhetők le. Az automatizálás aranykora nemsokára beköszönt; de nem olyan egyszerű a helyzet. A termelési folyamatok és a repetitív feladatok automatizálásával több munkahely jön majd létre, és az emberek egy része felszabadul a fizikai és az egyszerű szellemi munka alól. Ezzel lehetőségünk nyílik kizárólag emberek által végezhető feladatokkal foglalkozni: újítani, nagyon komplex döntéseket hozni és kreativitásunkat kihasználni.

Ha egy MI-algoritmus napi több száz radiológiai képet tudna leletezni a rák jelei után kutatva, és ha a radiológusnak csak felügyelnie kell ezt a műveletet, az orvosoknak több idejük maradna új technológiákat építeni a radiológiai munkába és az igazán nehéz döntésekre több energiát szánni. 

Ökölszabályként azt mondhatom, hogy ha egy MI jobban tudná végezni a munkámat, akkor megértem a leváltásra. Éppen ezért dolgozom keményen azon, hogy a képességeimet olyan szintre fejlesszem, ahol már nehéz lenne pótolni engem. És ez a kihívás kivétel nélkül mindannyiunkat érint.

Hogyan teheti jobbá az MI az orvoslást és az egészségügyet?

Az IBM Watsonja már évekkel ezelőtt debütált különböző amerikai onkológiai klinikákon. Különböző cikkeket olvashatunk arról, hogyan segíti az ideális kezelési stratégia kidolgozását a rákkal küzdő betegeknél. A klinikusok imádják használni, mert így hozzáférnek az összes szóba jövő kutatáshoz, amikor egy esetet vizsgálnak. Az IBM Orvosi Szita (Medical Sieve) projektje radiológiai leleteket értékel ki és véleményez.

Az IBM Watsonja az egyik első MI-alapú algoritmus, amelyet a klinikai döntések elősegítésére alkottak meg.

Úgy látszik, a DeepMind is érdekelt ebben az ágazatban. A labor nemrég indított egy közös programot az egyesült királyságbeli Nemzeti Egészségügyi Szolgálattal (National Health Service, NHS), hogy digitális megoldásokkal emeljék az ellátás színvonalát. Az első lépés az NHS digitalizálása lesz, hogy az MI alkalmazható legyen és munkába állhasson a rendszereiken. Ezt fejti ki Demis Hassabis, a DeepMind vezérigazgatója is:

„Az NHS szoftveres háttere tudtommal elég borzalmas, ezért szerintem első lépésként megpróbáljuk modernizálni. Rendszerük nem mobilalapú, és nem képesek olyan dolgokra, amelyeket mai felhasználóként természetesnek vennénk. Véleményem szerint ez nagyon frusztráló lehet az orvosoknak és nővéreknek, és jelentősen hátráltatja a munkájukat. Szóval az első stádiumban hasznos dolgokkal, mint például vizualizációs eszközökkel és egyszerű statisztikai módszerekkel lehetne segíteni őket. Elképzelésünk szerint ezt meglépjük, azután meglátjuk, hogy állunk, és akár összetettebb gépi tanulási folyamatok is szóba jöhetnek.”

El lehet képzelni a DeepMind intuíciós képességeit és számítási teljesítményét az egészségügyi adatok és orvosi akták elemzésének szolgálatába állítva. Nemcsak egy egyszerű program lenne, amely azt csinálja, amire tervezték, hanem olyan alapfeltevéseket is felállítana, amelyekre eddig csak emberek voltak képesek. Ez új, sosem látott távlatokat nyit majd a betegségeiket kordában tartó pácienseknél és az őket kezelő orvosoknál – nem is beszélve a biztosítótársaságok és a gyógyszergyárak előtt álló üzleti lehetőségekről.

Jóllehet az IBM és a DeepMind által használt technológiák különbözőek, a közeljövőben akár vetélytársak is lehetnek, ami jó hír a számunkra. Az orvosi adatok mennyisége olyan óriási méretű, hogy emberileg lehetetlen mindent tudni, és még nehezebb megérteni azt, amit a rendelkezésre álló adatok biztosítanak a cukorbetegséghez hasonló kórokról, illetve az egészséges életről. Olyan segítségre van szükségünk, amelyet csak egy MI nyújthat, hogy valóban személyre szabott egészségügyi ellátást nyújthassunk.

Úgy tűnik, egy gojátszma ezt egy kicsivel közelebb hozta a valósághoz.