Цей штучний інтелект вигадує пухлини мозку задля тренування

Дослідники з Nvidia і кількох лікарень об'єдналися, щоб створити штучний інтелект, спеціально призначений для того, щоб видавати реалістичні сканування пухлин мозку уявних пацієнтів задля тренування інших ШІ.

ШІ-ЧАТОК

Машинне навчання для всіх великих речей, які він може зробити для нас, має досить великий недолік: він голодний. Щоб навчити новий алгоритм, вам потрібно нагодувати його величезною купою ретельно підібраною інформації, щоб він міг навчитися самостійно сортувати подібні входи. Якщо у вас є доступ до гігантського набору даних, це відмінно працює. Але без цього алгоритм є менш точним і навіть не може бути корисним.

Саме тому дослідники з Nvidia (технологічної компанії, які роблять комп'ютерні чіпи і відеокарти) і кілька лікарень об'єдналися, щоб створити ШІ, спеціально призначений для того, щоб вихлюпувати реалістичні сканування мозку неіснуючих пацієнтів в комплекті з рядом жахливих пухлин. Ці ерзац-скани, кажуть вони, можуть бути використані для навчання майбутніх ШІ, коли у дослідників не вистачає реальних даних для навчання їх алгоритмів. Дослідники докладно розповіли про свою роботу в документі, завантаженому в arXiv.

ДАНІ ЗАБЕЗПЕЧУЮТЬ ДАНІ

Щоб генерувати пухлини, команда Nvidia починала з генеруючою змагальної мережі (GAN), типу алгоритму машинного навчання, в якому одна частина генерує щось, а інша критикує (в надії на поліпшення першого). Дослідники живили його двома наборами даних сканувань мозку: одного з пацієнтів з хворобою Альцгеймера, щоб навчити його, як виглядали не ракові мізки, і один з пацієнтів з пухлинами головного мозку.

Використовуючи ці входи, одна частина GAN генерувала тривимірні магнітно-резонансні зображення (МРТ) головного мозку з раковими пухлинами. Потім інша частина спробувала вгадати, чи з'явилося зображення від реального людини або було створено ШІ. Якщо перша частина GAN не могла обдурити другу частину, вважаючи зображення автентичним, воно відрегулює свій алгоритм і повторить спробу.

Коли вони закінчили навчання ШІ, дослідники перевірили, чи може він відрізняти синтетичні скани і від фактичних пацієнтів. Дослідники виявили, що ШІ, які пройшли навчання з використанням комбінації штучного і достовірного сканування, можуть визначити, де пухлина знаходилася в зображенні з 80-процентною точністю, тоді як ШІ, які пройшли навчання тільки за відомостями, досягали всього 66%.

ПИТАННЯ ЗАТРИМУЮТЬСЯ

Так, алгоритм команди Nvidia здатний генерувати набори даних, за допомогою яких можна навчати інші ШІ. Але є шанс, що це не найкращі дані.

По-перше: дослідники навчили свою систему, використовуючи тільки два набори даних. Це означає, що все, що генерує GAN, не виходить за рамки того, що включено в них. GAN також може бути особливо популярний в створенні певних типів пухлин, а не інших, що може зашкодити здатності ШІ діагностувати цілий ряд пацієнтів в реальному світі.

Проте, ці побоювання не послабили ентузіазм з приводу ШІ, за словами провідного автора Ху Чанга. Він сказав VentureBeat, що радіологи хочуть використовувати його, генеруючи більше зображень рідкісних захворювань.

Джерела: VentureBeat