Destacat »

17 agost 2017 – 21:00

El Col·legi Oficial d’Enginyeria en Informàtica de Catalunya condemna l’atemptat d’avui a les Rambles de Barcelona i expressa el seu més sincer condol a famílies i amics de les víctimes. Com a col·lectiu donem tot …

Read the full story »
Col·legi

el Col·legi, informació rellevant sobre el COEINF, activitats, relacions i varis

Formació

formació continuada i orientació professional, convenis de formació amb altres entitats

Esdeveniments

tots els esdeveniments rellevants del sector TIC

Informes

informes, estudis, enquestes, … relacionats amb les tecnologies de la informació

Professió

món laboral, emprenedors, enginyers en informàtica, entrevistes, certificacions, deontologia, carreres professionals, …

Home » Notícies

Machine learning, la nova frontera

Submitted by on 19 juny 2017 – 17:00No Comment
Share Button

Quan en la dècada dels 50 la Intel·ligència Artificial (IA) començava a donar els seus primers passos, la majoria dels experts creien que un ràpid progrés era inevitable, de la mateixa manera, pensaven que una màquina tan intel·ligent com un ésser humà existiria en menys d’una generació. Malauradament, la majoria de les promeses de la IA han fracassat fins ara a l’hora de traduir-se en aplicacions reals, principalment a causa que els problemes són molt més complexos del que en un principi s’esperava. No obstant això, s’han assolit bastants progressos significatius en l’última dècada permetent a la IA poc a poc introduir-se en la nostra vida quotidiana. Alguns dels camps en què ja està present són el transport, la robòtica, les comunicacions, la indústria militar o l’assistència sanitària, amb exemples com els automòbils autònoms de Tesla, la càmera de vídeo Kinect de Microsoft Xbox, l’assistent de veu d’Apple Siri i les recomanacions d’Amazon o Netflix. Millors algoritmes, potents ordinadors per executar-los i unes dades de major qualitat han permès aconseguir aquests avenços.

El machine learning (l’última tecnologia en IA) es fonamenta en ensenyar als ordinadors com aprendre mitjançant algoritmes. Aquests algoritmes es basen en xarxes neuronals artificials, que estan vagament inspirades en la biologia de les neurones humanes. Els científics de dades ensenyen a un grup de funcions matemàtiques (en lloc de a un grup de neurones) com aprendre a resoldre una tasca reconeixent patrons entre les dades analitzades. Cadascuna d’aquestes neurones artificials processa a una fracció de la informació i només fa una petita part de la tasca que pretenem resoldre, per això, no és capaç de resoldre tota la tasca per si sola, però, el senyal que genera serà útil per alguna altra neurona a la qual està connectada i mitjançant l’aprenentatge del conjunt s’aconseguirà assolir la resolució de la tasca. En els últims anys, els científics de dades han estat capaços de desenvolupar noves tècniques que els permeten entrenar nombroses capes successives de neurones perquè siguin capaços de resoldre una determinada tasca ajudant-los a controlar xarxes neuronals molt més profundes, és per això que definim aquest tipus d’machine learning com a aprenentatge profund o deep learning.

Inevitablement, el deep learning està destinat a envair i revolucionar l’assistència sanitària. La tecnologia emprada per Google+ per etiquetar les fotos de les teves últimes vacances (platja, palmera, taula de surf, etc.) no és molt diferent de la que es necessitaria per reconèixer anomalies en una radiografia de tòrax (consolidació del lòbul inferior esquerre, pneumotòrax , etc.). Les barreres addicionals relacionades amb l’ètica, la privacitat de les dades i l’oposició de determinats actors de la indústria sanitària alentiran el procés. No obstant això, les noves generacions de metges estan cada vegada més formades tecnològicament i obertes a aquest tipus d’innovacions, per això receptives i capaces d’entendre com podrien millorar els resultats i el valor que podem aportar als pacients a través de la medicina de precisió.

Així mateix, els beneficis potencials de l’aplicació de la IA en sanitat són sorprenents i inclouen la detecció automatitzada i millorada de malalties, un monitoratge més eficaç i la millora de l’eficiència del flux de treball. Alguns d’aquests han començat a aparèixer en la pràctica clínica. Per exemple, el departament de radiologia de la Universitat de Stanford està utilitzant un sistema d’AI per analitzar les radiografies de tòrax i les imatges de TAC, amb un excel·lent nivell de precisió. Una tecnologia similar ha estat emprada per diagnosticar les lesions de la pell amb imatges del telèfon intel·ligent i ha demostrat precisió a un nivell mèdic, com s’ha publicat recentment a la revista Nature. Si pensem en els beneficis potencials de tecnologies com aquesta en països d’ingressos baixos i mitjans, on hi ha una manca de personal mèdic, ens adonarem de la importància d’invertir en aquest tipus de tecnologia per donar suport el seu avanç i implementació. Aquesta és la promesa final de la IA, que podria acostar als metges digitals a qualsevol part del món per al benefici de la Humanitat.

Leo Celi és cofundador de Sana Mobil, i expert de la Fundació Innovació Bankinter. Aquest article està escrit en col·laboració amb Matthieu Komorowski i Miguel Ángel Armengol tots investigadors del MIT.

Leo Celi – EL MUNDO

 

Etiquetes: ,

Aquesta web utilitza 'cookies' pròpies i de tercers per oferir-te una millor experiència i servei. Al navegar o utilitzar els nostres serveis, acceptes l'ús que fem de les 'cookies'. De tota manera, pots canviar la configuració de 'cookies' en qualsevol moment ACEPTAR
Aviso de cookies
Check Our FeedVisit Us On LinkedinVisit Us On TwitterVisit Us On Facebook