دکتر کامران خان، متخصص بیماریهای عفونی و موسس پلتفرم اطلاعاتی BlueDot که جزء اولین شرکتهایی بود که کووید ١٩ را شناسایی کرد، میگوید، از هوش مصنوعی برای شناسایی و هشدار به مردم در مورد آخرین بیماری همهگیر استفاده شد، اما اگر این تکنولوژی به درستی مدیریت نشود، میتواند منجر به انتشار اطلاعات نادرست شود.
خان هشدار داد، LLM الگوریتمی است که میتواند مجموعهی عظیمی از دادهها را برای پیشبینی و تولید متون در نظر بگیرد، و همین میتواند باعث ایجاد چیزهای ساختگی شود.
پلتفرم BlueDot مستقر در تورنتو، جزو اولین گروههایی بود که علائم آنچه را که بعداً SARS-CoV-2 نامیده شد و ویروس کرونا را شناسایی کرد. این شرکت، این کار را با استفاده از هوش مصنوعی و جستوجوی دهها هزار مقاله به دهها زبان روز دنیا انجام داد.
BlueDot تقریباً یک هفته قبل از اینکه مراکز کنترل و پیشگیری از بیماریهای ایالات متحده و سازمان بهداشت جهانی هشدارهای خود را صادر کنند، هشداری را برای مخاطبین خود ارسال کرد.
از مزیت های هوش مصنوعی این است که میتواند با سرعتی بالا، به شناسایی یک بیماری نوظهور و ارسال سیگنالهای هشدار اولیه کمک کند. خان میگوید، ما باید از جدیدترین فناوریها برای غلبه بر این مشکل استفاده کنیم.
زهرا شاکری استادیار انفورماتیک سلامت و تجسم اطلاعات در دانشگاه تورنتو گفت، به جای تجزیه و تحلیل دستی، برچسبگذاری دادهها یا صرف زمان برای ادغام دادههای حاصل از منابع مختلف، از هوش مصنوعی استفاده می کنیم که میتوانند دادهها را پردازش کرده و اطلاعات روشنتری را برای تصمیمگیرندگان تولید کنند.
شاکری گفت، اگرچه هوش مصنوعی میتواند به بهبود آمادگی و انعطافپذیری سیستم مراقبتهای بهداشتی کمک کند، اما نمیتواند تنها ابزاری باشد که بتوانیم برای رسیدن به نتیجه نهایی به آن تکیه کنیم. مدلهای هوش مصنوعی با تلاش برای تشخیص روابط بین کلمات کار میکنند و همواره به واقعیتها وفادار نیستند که باعث می شوند اطلاعات نادرست را نیز به اشتراک بگذارند.
یکی از راهحلهای مقابله با این مشکل، کمک گرفتن از متخصصان حوزههای مختلف است تا بفهمیم چه اطلاعاتی درست است تا به این ترتیب مدلهای هوش مصنوعی بهتر بتوانند اطلاعات نادرست را تشخیص دهند.
اما «شاکری» میگوید که همچون دوران ظهور انرژی هستهای، رهبران، حکمرانان، پژوهشگران، سیاستگذاران و سهامداران بیشتری از بخشهای مختلف باید برای رسیدگی به این موضوع و چالشهای آن گرد هم آیند.