سیم کشی ذهن

از مطبوعات به بزرگترین بهداشت, همایش, وعده های هوش مصنوعی انقلابی بیومدیکال هستند در همه جا. آن را اغلب به نظر می رسد به عنوان اگر ما در آستانه هوش مصنوعی و سیستم های است که می تواند از راه دور شناسایی یک فرد در مورد به بیمار تشخیص (هیچ پزشک مورد نیاز!), را انتخاب کنید سفارشی هوش مصنوعی-طراحی دارویی و تحویل آن به بیمار فقط در زمان—در هوش مصنوعی-طراحی ماشین خود رانندگی ،

اگر در واقع این است که آینده ما را از رسیدن به آن است. تا مطمئن شوید که سرعت تغییر شده است سریع. عمیق یادگیری—سریع-رشد subfield از هوش مصنوعی است که قادر می سازد ماشین آلات برای تشخیص پنومونی از اشعه x قفسه سینه و یا پیش بینی سلامت بدتر از سوابق پزشکی—آشنا شد که حتی برای بسیاری از دانشمندان کامپیوتر از یک دهه پیش. و ما نمی دانیم که چه تکاملی یا انقلابی پیشرفت خواهد درایو هوش مصنوعی در دهه های آینده. آنچه ما میدانیم این است که موفقیت در پزشکی هوش مصنوعی بستگی دارد نه تنها در توسعه تکنولوژی بلکه در حال توسعه مردم پشت آن است.

ترجمه الگوریتمی پیشرفت به پزشکی پیشرفت نیاز به انتقادی با توجه به هر دو عرصه دانش و تلاش در بسیاری از سطوح. آنچه برای مثال در حال درست قابلیت های فن آوری های جدید و آنچه که به سادگی اعتیاد به مواد مخدره? چه مشکلاتی در بیومدیکال به احتمال زیاد برای بهره مندی از ظهور قابلیت های محاسباتی? و چگونه ما از جالب پزشکی نرم افزار از یک تکنولوژی جدید برای اجرای سیستم است که در واقع بهبود سلامت انسان ؟ این به چالش کشیدن چند وجهی سوالات نیاز به پاسخ داده شده توسط تیم های میان رشته ای. این تیم نیاز به کارشناسان در هوش مصنوعی کارشناسان در زیست شناسی و پزشکی, و, مهم ترین رهبران که می تواند انگیزه و راهنمای افراد با چنین استعدادهای گوناگون.

بر خلاف برخی از دامنه ها است که در آن هوش مصنوعی اعمال شده است در بیومدیکال عواقب شکست سنگین هستند. برای یک شرکت رسانه های اجتماعی یک AI مدل که بی اثر است در افزایش آگهی کلیک را می توان شناسایی و نورد همان روز. وقتی که می آید به پزشکی, اما, انسان, زندگی در معرض خطر هستند. کافی مطلع با استفاده از هوش مصنوعی می تواند منجر به آسیب آشکار مانند نادرست تشخیصی یا درمانی توصیه بلکه به بیشتر موذی شکست مانند یک الگوریتم است که به دلیل گرایش به توصیه ها به دلیل آن آموزش داده شد ماهرانه گرایش داده است. با توجه به پیچیدگی های بیومدیکال و مرموز طبیعت بسیاری از هوش مصنوعی و الگوریتم های آن ممکن است سالها قبل از یک نقص کشف شده است. رهبران گروه—این که آیا در, دانشگاه, دارویی, آزمایشگاه یا start-ups—نه تنها باید درک ویژگی های علمی و مسائل بلکه پیش بینی و بیان خطرات بالقوه مزایای زیادی از پروژه های انجام آنها.

ما نیاز به مردان و زنانی که می تواند به ساخت هوش مصنوعی و سیستم های پزشکی است که بهبود مراقبت. آن است که نسبتا آسان برای ایجاد هیجان با حل جنبه های فنی از یک مشکل اما ساخت آن پیشرفت های مفید اغلب شامل کشتی با فعل و انفعال پیچیده نظارتی اقتصادی و مسایل مربوط به گردش کار در سیستم مراقبت های بهداشتی. رهبران موفق به بهره مندی از دانش عمیق و شهود در هر دو AI و پزشکی دامنه. اما ما با کمبود بحرانی مانند همه کاره افراد است.

مقابله با این فاصله بسیار مهم است برای اطمینان از موفقیت طولانی مدت از پزشکی AI. چالش اصلی این است که طول مطالعه مورد نیاز در این رشته اما یک بیشتر است آموزش دانش آموزان در دو عرصه است که به سختی می تواند متفاوت تر در رویکرد خود را به حل مشکل. علوم کامپیوتر شامل کمی دقت ریاضیات و آمار و مهندسی در حالی که زیست شناسی است که بیمه های تصادفی محصولات از تکامل است. خواص موجودات زنده هستند به معنای واقعی کلمه و ظاهرا آلی است. ما به دنبال دانش آموزان با فکری انعطاف پذیری و اشتیاق به تحت طولانی آموزش در هر دو این تقابل فرهنگ ها. ما درخواست غیر ممکن است ؟

این افراد وجود دارد و تعداد آنها در حال رشد هستند. اولین رویکرد به آموزش خود را برای شناسایی افرادی که در حال حاضر عمیق در زمینه یا پزشکی یا علوم محاسباتی و سپس به آنها کمک کند تبدیل شدن به ماهر در منطقه دیگر. برنامه های تحصیلات تکمیلی (کارشناسی ارشد, دکتری و, M. D./Ph. D.) در پزشکی انفورماتیک را پر کرده اند این نقش از اوایل 1980s. این برنامه های جذب دانش آموزان متنوع و رشد کرده اند عبارتند از رشته ها که با نام های مختلف: زیست شناسی محاسباتی بیوانفورماتیک, بالینی, انفورماتیک پزشکی, علوم اطلاعات, و غیره. همه نگران هستند با برنامه های مختلف علوم کامپیوتر به بیومدیکال.

اما آنچه در مورد آموزش دانش آموزان در تقاطع این رشته حتی در اوایل در حرفه خود—در حالی که فکری خود شهودهای هنوز تشکیل? تفاوت در این خواهد بود که بین یادگیری زبان دوم به عنوان یک فرد بالغ و در حال رشد در دو زبانه خانواده: تسلط به طبیعت دوم برای اوایل شروع.

در سال 2001 ما راه اندازی یک مهندسی عمده در دانشگاه استنفورد به فعال کردن دانشجویان به یادگیری علوم کامپیوتر و آمار در زمینه زیست شناسی و پزشکی است. برنامه ایجاد فارغ التحصیلان با مدرک کارشناسی که در حال حاضر کشتی به شدت با چالش های استفاده از ابزار محاسباتی به مشکلات سخت در بیومدیکال. ما دانشجویان زیست شناسی با premedical دانش آموزان و علوم کامپیوتر با همکلاسی های که کار می کنند در دره سیلیکون و هر گاه برای دو و یا سه-چهارم-طولانی پروژه تحقیقاتی در طول زمان خود را در دانشگاه استنفورد. آنها به دست آوردن دانش با وسعت سراسر پزشکی و زمینه های فنی و عمق باریک تر نرم افزار منطقه است. حداقل یک دوره اجتماعی و اخلاقی پیامدهای تکنولوژی نیز مورد نیاز است.

پس از تقریبا دو دهه از آموزش پزشکی-محاسبات دانشجویان می توان گفت که این مدل کار می کند. بسیاری از فارغ التحصیلان ما رفته اند برای استخدام در دانشگاه علوم پزشکی راه اندازی شرکت ها (هر دو در داخل و خارج از زیست شناسی, رشته), شرکت های بزرگ, شرکت های حقوقی و سرمایه و جاهای دیگر. و عمده همواره کشیده 50-50 تعادل مردان و زنان—درست برای تنها یک اقلیت کمی فشرده رشتههای فنی و مهندسی.

برای بسیاری مهم است به شکل حرفه ای خود را هویت: آنها نه “AI مردم انجام زیستی” یا “بیوگرافی افراد انجام AI.” به جای هر دو از این سنتهای فکری اقامت راحتی در ذهن خود هر اطلاع رسانی به درک خود را از دیگر. در حالی که آن را غیر ممکن است برای یادگیری تمامیت بیومدیکال و علوم کامپیوتر در فقط چهار سال (یا حتی در 40) این افراد آزادانه حرکت بین فرهنگ های زیست شناسی و علوم کامپیوتر و در حال حاضر آموخته به درخواست عمیق مهارت های فنی برای سخت ترین چالش های اجتماعی در زیست شناسی و سلامت انسان است.

در علاوه بر این به برنامه های تحصیلات تکمیلی توسعه مجموعه ای قوی از برنامه های مقطع کارشناسی در رابط بیومدیکال و محاسبات می تواند به دانش آموزانی که در شکل گیری دوره تحصیل خود توانایی به حرکت دهیم بین این رشته های مختلف. چنین برنامه هایی را تسریع ظهور نیروی کار مورد نیاز برای استفاده مناسب از هوش مصنوعی برای پیشبرد زیست شناسی و مراقبت های بهداشتی.

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.de

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>