Важливість AI грамотності в науках про життя –

Перспективи та цінність штучного інтелекту (ШІ) у науках про життя дещо затьмарені через надмірне узагальнення цієї технології. Дійсно, головна помилка навколо штучного інтелекту полягає в тому, що це лише технологія або якесь нематеріальне програмне забезпечення, яке ми не можемо зрозуміти, тоді як, насправді, сам штучний інтелект є інструментом для розуміння.

Для компаній, що займаються науками про життя, яким доводиться постійно переглядати величезні масиви даних, щоб розшифрувати практичні висновки для прийняття стратегічних рішень, штучний інтелект максимізує інвестований час і гроші, забезпечуючи ефективність бізнесу та позитивні результати для пацієнтів.

Кожна компанія повинна розуміти, з якими даними вона має справу, що можна зробити з цими даними, моделі, створені для їх розуміння, і реальний вплив цих об’єднаних зусиль на бізнес. Щоб найкраще відповісти на ці запитання та щоб бізнес-лідери та зацікавлені сторони легше впроваджували стратегії штучного інтелекту, їм потрібно застосувати деталізований підхід.

Досягнення значущого впровадження ґрунтується на зміні сприйняття ШІ з «срібної кулі» та висування нереалістичних очікувань щодо технології на погляд на неї як на стратегічний інструмент для досягнення додаткових, комплексних здобутків.

Розрив розуміння

Довіра громадськості до штучного інтелекту є ключем до прориву. Компанії, які надають терапію, значною мірою покладаються на дані пацієнтів, які отримують різними способами – чи то безпосередньо через їхні голосові передачі через довільний текст, із джерел даних, які вони збирають, або з анонімних наборів даних у реальному аналізі даних.

Враховуючи велику залежність від даних, галузь наук про життя має змінити наратив і повідомити, як ця інформація допомагає фармацевтичним компаніям наблизитися до створення ліків від гострих захворювань і як саме відбувається цей процес.

Керівники компаній мають звернути увагу на загальну відсутність грамотності ШІ для користувачів. Крім того, керівники повинні розуміти технологію та її різноманітні наслідки, щоб реалізувати досяжну стратегію. Користувачі повинні розуміти, як штучний інтелект може підвищити їх здатність надавати лікування, орієнтоване на пацієнта. Коли досягнеться більшого наскрізного розуміння, стане зрозумілим реальний вплив на бізнес.

Це означає надання кінцевому споживачеві повнішої картини поступових перемог і уроків із невдач. Наразі фармацевтичні компанії не святкують невеликих перемог і не роблять достатньо, щоб визнати точки тиску, навіть якщо це значно підвищить довіру до технології. Інкременталізм важливий для цього пункту. Вирішення таких серйозних проблем, як лікування раку, потребує невеликих, здійсненних кроків у правильному напрямку. Як індустрія, ми повинні сформулювати, як компанії застосовують ШІ, щоб безпечніше та швидше виводити на ринок життєво важливі продукти.

Розробник ШІ може, наприклад, випускати нову модель раз на квартал, що на 3% краще, ніж попередня модель. За номінальною вартістю це відносно невелике покращення, але ці 3% можуть змінити відкриття, оскільки компанії будуть постійно оцінювати свої дані та отримувати нові ідеї через рік. Ці 3%, що додаються з кожним поступовим випуском, можуть зрештою розблокувати нове розуміння, яке змінить курс розуміння їхнього бізнесу.

Ми повинні відзначати ШІ та ці перемоги: так ви починаєте переконувати людей, що технологія варта інвестицій. Як індустрія, ми повинні створити основу для розпізнавання цих кроків і брати участь у розмові навколо цих поступових перемог і того, як вони можуть зрештою призвести до місячних. Невдачі також слід обговорювати – незалежно від результату, на цьому шляху є величезні знання, які покращать наступну ітерацію.

Розробка стратегії успіху

Інкременталізм є ключовим для розуміння довгострокової цінності штучного інтелекту, але він також є ключовим для розвитку довговічності стратегії ШІ. Проблеми з впровадженням штучного інтелекту – це розуміння рентабельності інвестицій в організаціях, у яких бізнес-стратегія позиціонує штучний інтелект і технології як загальне рішення для будь-якої проблеми чи неефективності. Загальні підходи ускладнюють для керівників підприємств вимірювання та розуміння прибутку від їхніх інвестицій, а отже, вони ускладнюють донесення цінності до кінцевих споживачів.

Створення успіху означає застосування поступового підходу, відзначення маленьких перемог і надання інформації всім зацікавленим сторонам на кожному етапі. Зрештою, мова йде не лише про освіту керівників бізнесу та груп продуктів. Це спрямовано назовні – це гарантує, що користувачі, які щоденно використовують технологію, можуть отримувати від неї користь.

Компанії, які досягли найбільшого успіху з штучним інтелектом, будують на основі ретельно структурованої та вимірюваної стратегії. Вони не дивляться на ШІ як на «срібну кулю», скоріше вони розглядають, як вони могли б прискорити частину свого бізнесу, застосовуючи ШІ в певних сферах. Один із таких прикладів можна побачити через партнерство очної лікарні Мурфілдс із компанією DeepMind, у рамках якого вони навчили алгоритми, використовуючи тисячі анонімних сканувань очей, щоб розпізнавати різні ознаки захворювання очей і пропонувати наступний крок. Ця спроба показала, що штучний інтелект прийняв правильне рішення для лікування понад 50 захворювань із точністю 94% (що дорівнює рівню успішності провідних експертів). Завдяки цій технології та розумінню того, як її використовувати, постачальники тепер можуть переглядати скани швидше та ефективніше, допомагаючи пацієнтам отримати необхідну допомогу якнайшвидше.

Масштаб, широта та обсяг проблем, які компанії збираються вирішити за допомогою ШІ, часто надто неоднозначні та невизначені. Підприємствам важко, коли вони викладають бізнес-стратегію та сподіваються застосувати штучний інтелект без чіткого розуміння складності даних, з якими вони мають справу. Ризики ще більше збільшуються, якщо немає зосередженості на постійному зборі даних, очищенні або постійному доступі до цих даних. Охорона здоров’я представляє дещо унікальний виклик, оскільки існує стільки даних із багатьох різних потоків, які команди повинні розуміти. Штучний інтелект може допомогти, але спочатку команди повинні вміти просіювати шум.

Біотехнологічні та фармацевтичні компанії добре контролюють свої дані, працюючи з кількома ізольованими системами. Однією з найбільших проблем, з якою ми працювали в Within3, є отримання доступу до цих даних таким чином, щоб ми могли тренувати ефективні моделі ШІ. Це досягається завдяки численним партнерствам з нашими клієнтами та спробам зрозуміти, як запровадити орієнтований на дані підхід до створення штучного інтелекту, коли ми шукаємо чудові набори даних, які є чистими, але не обов’язково гігантськими наборами доступних даних для всього підприємства.

Насправді велика частина даних, які фармацевтичні компанії використовують для навчання своїх моделей, не має значення. Швидше, їм потрібно використовувати правильний набір даних, який часто є меншим набором, якщо вони хочуть, щоб модель розуміла, яку конкретну проблему вона намагається вирішити.

Це йде рука об руку з розумінням того, чого компанія намагається досягти, застосовуючи ШІ. Штучний інтелект може вирішити багато проблем, однак команди повинні спочатку визначити, на яких сферах зосередитися, і дані, які знадобляться для забезпечення початкового узгодження між конкретними бізнес-цілями та обраною стратегією ШІ. Без такого узгодження інвестиції в команди з обробки даних і складні технології можуть бути дорогими та невигідними.

Закон зростаючої віддачі

При розумному використанні ШІ має неймовірний потенціал для підвищення ефективності. Коли підприємства можуть застосувати його до однієї проблеми, застосувати його до наступної стає значно легше. Цей дрібний підхід, коли компанії встановлюють реалістичні цілі, регулярно аналізують досягнутий прогрес і діляться знаннями із зацікавленими сторонами, не тільки зміцнює впевненість, але й запобігає помилкам.

Реалістичне ставлення до програм штучного інтелекту, яке випливає з розуміння того, що таке штучний інтелект і що він може робити, підвищить здатність компаній, що займаються науками про життя, максимально використовувати дані, які є в їх розпорядженні, і виводити продукти на ринок швидше та безпечніше.

Про автора

Джейсон Сміт, головний технічний директор, AI & Analytics, приєднався до Within3 у квітні 2021 року через придбання rMark Bio, де він був співзасновником і генеральним директором. Джейсон розпочав свою кар’єру в IBM та ATI Research під час вивчення інформатики в Гарвардському університеті. Його завербували зі школи на західне узбережжя, де він став серійним підприємцем у сферах шифрування відео, високопродуктивних обчислень та біоінформатики. Джейсон обіймав посаду віце-президента з корпоративного розвитку в Venture Studio, BE Labs у Сіетлі. Працюючи в BE Labs, він керував інвестиціями та розробкою багатьох стартапів у сферах соціальних мереж, аналізу даних, розподілених систем і споживчого досвіду. Після BE Labs Джейсон переїхав до Чикаго, щоб запустити rMark Bio – платформу ШІ для галузі наук про життя.

Leave a Comment