SPECIJALISTI ZA VESTACKU INTELIGENCIJU

SPECIJALSTI ZA VESTACKU INTELIGENCIJU! NOVO ZANIMANJE! JEDNO OD MNOGIH. KAO STO SU I MNOGA NESTALA!

U poslednjih pet godina svake godine je potražnja za ovim specijalistima rasla za 74 odsto.Neophodne veštine: Mašinsko učenje, duboko učenje, "TensorFLow", "Python", obrada prirodnog jezika.Industrijske oblasti koje zapošljavaju: Informacione tehnologije, finansijske službe, kompjuterski softveri, internet.Gradovi u kojima se najviše traže ovi radnici: Njujork, San Francisko, Los Anđeles, Boston, Sijetl.

Od Google pretrage, preko Amazonovih preporuka, detektora neželjenih poruka u vašem inboksu, naše internet iskustvo zavisi od mašinskog učenja. U medicini je isprobavano u oblasti kompjuterizovane tomografije, kako bi lekarima omogućilo identifikaciju stotina novih odlika skenova s ciljem preciznije identifikacije kancera. Međutim, sve ovo je rađeno sa nešto “starijom” verzijom mašinskog učenja. Ono gde su oči uprte sada je duboko učenje – podoblast mašinskog učenja, koja obećava da će omogućiti bolje predstavljanje i modele na osnovu velikog seta neobeleženih podataka.
Dok mašinsko učenje radi sa preciznom setu karakteristika uzetih iz sirovih podataka i zahteva postojanje ekstraktora karakteristika (recimo, za prepoznavanje lica na slikama, koristi se facijalni ekstraktor), duboko učenje omogućuje samostalno učenje kompleksnih karakteristika iz samih podataka. Tako će, umesto potrebe za facijalnim ekstraktorom, pokušati da nauči osobenosti lika, poput razdaljine između različitih delova vašeg lica ili dužine nosa.
Upravo prepoznavanje slika, kao jedan od primera primene deep learning mehanizama, pokazuje stepen napretka čitave oblasti. Pre pet godina procenat pogreške u prepoznavanju slika bio je šest puta viši nego što je danas, a Google i Microsoft su ove godine objavili da su njihovi algoritmi za mašinsko učenje bolji od ljudi u rešavanju zadataka sa niskim procentom pogreške (oko 4,9%).Kada se ovo primeni u medicini i kompjuterizovanoj tomografiji, dobije se alat za ranu detekciju raka. Startap Enlitic, koji se bavi mašinskim učenjem, nahranio je svoj algoritam podacima miliona pacijenata, izgradivši “neuralnu mrežu ljudskog tela”. Među podacima su bili i snimci pluća, a rezultati testiranja pokazali su prednost algoritma pri detekciji raka u poređenju sa četvoro najboljih svetskih radiologa. Dok su radiolozi promašili detekciju raka u 7% slučajeva, algoritam nije omanuo. Pored toga, algoritam daje lekarima na uvid istoriju sličnih slučajeva i pokazuje kako da pristupe novom pacijentu na osnovu naučenog.
Duboko učenje pripada domenu veštacke inteligencije i mašinskog učenja. Tokom poslednje decenije dubokom učenju i veštackim neuralnim mrežama su posvećeni značajni naučni i tehnološko-razvojni resursi zbog potencijala da reši široku klasu problema za koje konvencionalni metodi nisu dali adekvatan odgovor. Klasifikacija slika, prepoznavanje govora, prevodjenje iz jednog na drugi jezik, medicinska dijagnostika, kontrola funkcija robota i vozila su samo neki od primera primene dubokog učenja i neuralnih mreža. "Duboko učenje je ekvivalentno uvodjenju električne energije sa početka 20. veka", izjava koja ilustruje ogroman entuzijazam koji je prisutan u svetu nauke i tehnologije.
Iako se ona već uveliko koristi, recimo u medicini i automobilskoj industriji, proćiće još puno vremena dok se ne razvije do stepena da parira ljudskoj inteligenciji!
Mnogi se plaše šta će se dogoditi kada se to desi. Među onima koji veštačkoj inteliganciji ne veruju je Ilon Mask, Stiven Hoking, a verovatno i svi koji su gledali seriju "Zapadni svet".
Ono što ih najviše muči je jedan fenomen - duboko učenje.
- Duboko učenje je grana računarskog učenja temeljena na predstavljanju podataka složenim reprezentacijama na visokom stupnju apstrakcije do kojih se dolazi sledom naučenih nelinearnih transformacija. Metode dubokog učenja svoju primenu pronalaze u važnim područjima  veštačke inteligencije poput računarskog vida, obrade prirodnog jezika, razumevanja govora i zvučnih signala, kao i u bioinformatici - glasi definicija.
Međutim, Dejv Feruči, koji je radio za IBM, tvrdi da ova impresivna tehnologija ima i velikih ograničenja.
"Votson projekat" koji je on vodio rezultirao je time da je pre sedam godina kompjuter Votson pobedio najbolje igrače u američkom televizijskom kvizu "Džepardi".
Ali Feruči, sada šef firme "Elemental Kognišon", ističe kako je duboko učenje ništa drugo nego statistička tehnika koja pronalazi uzorak u velikim količinama podataka.  Jako dobro, kaže, predviđa, ali nema pravo razumevanje kakvo poseduju ljudi.
- Na duge staze nije dovoljno "samo" imati računar koji ispljune najčešće tačan odgovor, ono što vi želite je da dobijete i objašnjenje - kaže Feruči. elika većina AI napredaka i aplikacija koje se čuju odnose se na kategoriju algoritama poznatih kao mašinsko učenje.
Algoritmi mašinskog učenja koriste statistiku da bi pronašli obrasce u masivnim količinama podataka. I podaci, ovdje, obuhvataju mnoštvo stvari – brojeve, riječi, slike, klikove, šta god. Ako se može digitalno uskladištiti, može se unijeti u algoritam za mašinsko učenje.
Mašinsko učenje je proces koji upravlja mnogim uslugama koje danas koristimo – preporuke poput onih na Netflix-u, YouTube-u i Spotify-u; pretraživači kao što su Google i Baidu; socijalni mediji kao Facebook i Twitter; glasovni asistenti poput Siri i Alexa. Lista se nastavlja.
U svim ovim slučajevima svaka platforma sakuplja što je moguće više podataka o vama – koje žanrove želite gledati, koje linkove klikate, na koje statuse reagujete – i koristite mašinsko učenje da biste napravili visoko obrazovnu pretpostavku o tome šta ćete vi možda uraditi sledeće. Ili, u slučaju govornog asistenta, o tome koje se reči najbolje uklapaju sa smešnim zvukovima koji izlaze iz usta.
VESTACKA INTELIGENCIJA CE NAM SVAKAKO ZADAVATI JOS MNOGO GLAVOBOLJE ALI I IZAZOVA! KO CE POBEDITI COVEK ILI MASINA JOS DUGO SE NECE ZNATI. PA ONDA OPUSTENO! ZAMENIMO STRAH OD VESTACKE INTELIGENCIJE ( KOJI JE PO MOJIM OMILJENIM LIJKOVIMA - MASK I HOKING REALAN) UZIVANJEM, ISTRAZIVANJEM, ZABAVOM, CUDIMA....

DIJAGNOZU POSTAVLJA MASINA

DIJAGNOZU POSTAVLJA MASINA! DA LI TREBA DA POSTOJE LEKARI OPSTE PRAKSE? VELIKI NAPREDAK U MEDICINI   ALI, SE ONA PREVISE OSLANJA NA TEHNOLOGIJU! SVE MUKE OBICNOG PACIJENTA. DOBILI SMO NOVE KNJIZICE - CIPOVANE KAO I LICNE KARTE IPAK STOJIMO U BESKRAJNIM REDOVIMA I CEKAMO - TAKO SMO RADILI ODUVEK I NE ZNAMO DA POSTOJI DRUGI NACIN ZA RESAVANJE ZDRAVSTVENIH PROBLEMA. A NJIH JE SVE VISE. DECA, MLADI, ODRRASLI, STARI - SVEJEDNO BOLEST POSTAJE PROBLEM BROJ   JEDAN  U SRBIJI. UZ FINANSIJSKU KRIZU I POTPUNO URUSENE VREDNOSTI  DRUSTVA BOLEST POSTAJE JOS TEZA NEGO STO VEC JESTE.
 "Mašina ne može da pogreši, jer ona registruje promene na tkivu koje se pregleda u okviru svojih mogućnosti” - kazu strucnjaci. Za jedan pregled skenerom potreban je jedan inzinjer, jedan doktor specijalista i jedan radiolog. Ipak, greska se desi. Ali ko gresi masina ili covek?
 "Greši, naravno, čovek – izborom metode ili lošim čitanjem rezultata. Postoji osam do 10 odsto tumora, koji se mogu prevideti bilo kojim od naših dijagnostičkih uređaja, pa je tako moguće da neke vrste tumora u roku od godinu dana porastu do te mere da se i mi lekari začudimo", iskljucivi su strucnjaci. Dijagnozu koju postavlja masina stvorilo je "duboko ucenje".Rec je o oblasti masinskog ucenja koja omogucava preciznija predvidjanja i modele na osnovu velikog seta neobelezenih podataka. Vestacka inteligencija koju smo znali kao Al vec je zastarela.. Zato su strucnjaci  osmislili takozvane “ekspert sisteme”, kompjuterske programe koji rade u saradnji s ljudima, stručnjacima za određenu oblast. Tako su kompjuteri počeli da, recimo, postavljaju medicinske dijagnoze postavljajući setove pitanja lekarima o pacijentu. Ako računar pogreši u dijagnostici, stručnjak doda još nekoliko pitanja ili pravila u zaključivanju, kako bi mu olakšao posao.Stručnjaci veruju da će proučavajući ljudski mozak uspeti da shvate šta je zapravo inteligencija i kakva svojstva mozga su ključna za stvaranje inteligentnih sistema. Recimo, znamo da mozak predstavlja informaciju koristeći oskudno distribuirane reprezentacije (SDR), koje su ključne za semantičku generalizaciju i kreativnost. Istinski inteligentni sistemi, prema dosadašnjim saznanjima, trebalo bi da budu zasnovani na tom principu. SDR nije nešto što se može jednostavno dodati postojećim tehnikama mašinskog učenja. To je više osnova od koje zavisi sve ostalo. Druga ključna svojstva mozga su pamćenje, prvenstveno niza šema i sposobnost kontinuiranog učenja.I tako se danas doktori najvise oslanjaju na dijgnozu koju postavlja masina.
Tu sada dolazimo do price o lekarima opste prakse. Koja je njihova uloga u ovom veku tehnologije i napretka medicine koja je je toliko "usitnila " specijalnosti da bukvalno postoje specijalisti samo za "levo oko", mali prst na nozi i slicno.Procedura pak nalaze kada vas boli to oko ( levo i li desno) morate da predjete put - lekar opste prakse - specijalista - lekar opste prakse.  Sto predstavlja ogroman gubitak vremena i zivaca.  I tako je za svaki delic tela koji vas boli. Dodjete -kazete lekaru opste prakse sta vas boli, on vas posalje kod specijaliste, on pomocu masine utvrdi sta vam je - da vam terapiju .a vi onda opet  uDom zdravlja kod svog lekara za recepte. Vec sam pisala koliko su nase beogradske bolnice, ruinirane i pretrpane jer u njih dolaze ljudi iz cele Srbije pa je nekad potrebno cekati mesecima da dodjete do spasonosne masine ( citaj dijagnoze). I sve vreme trpite bolove i strah da li ce se vas zdravstveni problem resiti do ozdravljenja.
Tako da zaista ne znam svrhu postojanja lekara opste prakse. Izgleda ih je dobrano "pregazilo" vreme. Sem sto vam  izmere pritisak ili vam kazu da pijete caj i skidate temperaturu ili sitnijih intervencija ( davanje inekcija, ili pruzanja prve pomoci ako se neko onesvesti u redu cekajuci) nista drugo sem papirologije ne treba da urade i nemaju ni ovlascenja. A da. Imaju i oni kompjutere, ali nekako bukvalno je papirologija vaznija jer i danas nista nema bez upisivanja u raspale kartone ( ako cesce idete u Dom zdravlja znate o cemu pricam). I dalje na listove i listove papira beleze vase dolaske i razloge tih dolazaka. Nemojte samo da mislite da nisam sentimentalno vezana za te lekare jer kod moje doktorke idem vec dvadeset godina, a i deca mi sad kad su odrasla idu kod nje. I ona je dobra, prijatna, saslusa strpljivo i samo mogu da je pohvalim. Ali, zar ona nije skolovana za nesto vise od pisanja u karton i kuckanja u kompjuter? Secam se  vremena kada su lekari u Domovima zdravlja bili zaista ti koji su nam pruzali pomoc kada se razbolimo. Secam se "rucnih" pregleda i uspostavljanja dijagnoze na osnovu njih. Kod specijalista smo isli samo ako je u pitanju bilo srce ili nedaj boze tumor. Sva ova "skeniranja" magnetne rezonance, ultra zvukovi svih organa radi dijagnoze mozda su i preterani. I mnogo, mnogo skupi. Recimo magnetna rezonanca - enterografija tankog creva kosta od 40-60 hiljada dinara!!! A ako nemate novac onda se taj pregled moze obaviti samo na jednom mestu u Beogradu na klinici za Onkologiju! Cekanje beskonacno. Osecaj odlaska medju veoma bolesne ljude stvara paronoju i paniku jer odmah mislite da cim vas tu salju imate kancer!
IMAMO DAKLE POTPUNO NOV SVET MEDICINE POTPOMOGNUT MASINAMA. SAMI DOKTORI KOJI MOZDA VISE NISU DOVOLJNO SKOLOVANI ZA OVU NOVU MEDICINU I TEHNOLOGIJU PRIZNAJU DA VISE VERUJU MASINAMA.
DOKTORI U DOMOVIMA ZDRAVLJA SLUZE KAO SECANJE NA NEKADASNJE VREME MEDICINE I NISTA VISE! USTVARI PRUZAJU JOS MANJE NEGO NEKADA- DIJAGNOSTIKU TOTALNO NE! MADA RUKU NA SRCE NI BOLESTI VISE NISU KAO NEKADA. POCEV OD ALERGIJA PA DO SVIH MOGUCIH VRSTA AUTOIMUNIH BOLESTI!