Нужно отметить, что ИИ в медицине – не новость. Его используют с 1970-х годов. Еще до появления GPT в 2022 году активно развивалось направление компьютерной диагностики, где скрининг проводили системы на базе ИИ. В исследовании, опубликованном в Journal of the National Cancer Institute, ученые использовали технологию для анализа маммограмм более чем 26 000 женщин, и система оказалась лучше врачей: смогла обнаружить рак молочной железы с точностью 94,5 % по сравнению с 88,4 % у радиологов. Есть пример, когда ИИ проанализировал компьютерные томограммы более 1000 пациентов и обнаружил рак легких с точностью 94 %. Радиологи же справились с задачей значительно хуже: точность диагноза составила 65 %.
Использование искусственного интеллекта в различных отраслях
Но раз продукты на основе ИИ уже применялись в медицине, что нового привнесла модель? В чем магия чат-бота ChatGPT? Системам, которые анализируют рентгеновские снимки, как в примерах выше, требуются четкие вводные данные. К тому же в силу особенностей обучения такие инструменты могут анализировать ограниченный набор данных – например, только рентгеновские снимки. Чтобы модель могла взяться за данные другого типа, ее необходимо дообучить. Большие языковые модели вроде ChatGPT способны воспринимать разрозненные данные. Им можно давать информацию в хаотичном порядке, например, набросать симптомы – и бот все равно поставит верный диагноз. К тому же LLM могут анализировать совершенно разные данные и несколько их типов сразу: и текстовую информацию (например, анамнез пациента), и визуальную (например, рентгеновские снимки). А результат будет зависеть от того, насколько точно поставлена задача. Подобных мультимодальных технологий до этого не было. То есть по сути это первая технология, которая действует как человек. К тому же ChatGPT находится в открытом доступе, тогда как диагностические системы на основе ИИ вроде BotkinAI доступны только специалистам (врачам), в целом сложны в использовании и требуют специфической экспертизы.
Конечно, остаются определенные ограничения, которые не позволяют ChatGPT диагностировать заболевания со скоростью света. Как минимум, требуется время на то, чтобы собрать необходимую информацию от пациентов и провести анализы. Хотя большие языковые модели пока бесполезны во втором случае, с первой задачей они могут в значительной степени помочь. Есть исследования , которые показывают, что поздняя диагностика, например, рака у пожилых пациентов часто связана не с тем, что врачи не смогли быстро сопоставить все кусочки пазла, а с тем, что пациенты, особенно пожилые, не всегда могут верно донести свои симптомы до врача. В теории модель можно обучить на данных от пациентов определенного возраста, и она сможет распознавать важное и доводить это до сведения врача. Я думаю, что она сможет как минимум подстраховать последнего – обратить его внимание на то, что он мог упустить. Я уверен, что любые ограничения можно будет преодолеть за пару лет, если не раньше. Может случиться и так, что к тому времени, как вы дочитаете эту книгу, мир медицины изменится до неузнаваемости, и все мои выводы покажутся вам не более чем выдержками из учебника истории.
Рождение ИИ
Разумеется, сфера применения ChatGPT не ограничивается медициной. Иначе зачем я стал бы писать эту книгу? Чат – первая технология, которая приблизила мир к универсальному искусственному интеллекту, способному выполнять самые разные задачи на уровне человека. Он и его аналоги уже способны поддерживать неформальный диалог, шутить и выказывать эмпатию – в общем, делать все то, о чем мечтали ученые еще в середине ХХ века. Главное – правильно поставить задачу. В этом смысле нейросеть очень похожа на человека: чтобы специалист – скажем, разработчик – смог сделать то, что вы от него хотите, вам нужно четко описать задачу. Так и тут: бот выдаст качественный результат, если вы правильно его об этом попросите.
Один из отцов-основателей в сфере ИИ, сооснователь Лаборатории искусственного интеллекта в Массачусетском технологическом институте Марин Минский в 1970 году в интервью Life Magazine прогнозировал, что в будущем машины смогут читать Шекспира, шутить и ссориться. Как оказалось, его прогнозы были чересчур оптимистичными: он предполагал, что все это произойдет еще до начала 1980-х годов.
Правда, даже спустя полстолетия, в 2022 году, основатели OpenAI и не надеялись на то, что их разработка окажется настолько способной. Когда 30 ноября 2022 года Сэм Альтман и его партнеры готовились к запуску ChatGPT на рынок, внутри команды было много разногласий на эту тему: «А не стоит ли подождать еще?» Часть сотрудников полагала, что сервис станет игрушкой горстки энтузиастов и вряд ли превратится в мегахит. Уже к двум часам следующего дня все сомнения развеялись: даже далекие от технологий люди стали запрашивать доступ к продукту. А спустя еще четыре дня он привлек 1 млн пользователей. До этого такой скорости не удавалось достичь ни одной технологической компании! Для сравнения: китайской социальной сети TikTok потребовалось девять месяцев, чтобы добиться такого успеха, а Instagram – два с половиной года. Уже в начале февраля 2023 года количество пользователей чат-бота достигло 100 млн человек. Это сделало его самым быстрорастущим приложением в истории. А в ноябре 2023 года переписку с чатом поместили на обложку Times, определив таким образом степень его влияния в мире.
Но вернемся к истории. Хотя ChatGPT стал феноменом практически в одночасье, его успеху предшествовали десятилетия исследований. Первые шаги на этом пути были сделаны еще в XVII веке. Тогда немецкий ученый, профессор математики и астрономии Тюбингенского университета Вильгельм Шикард построил первую вычислительную машину. Она автоматически выполняла простые математические операции: складывала, вычитала, умножала и делила числа – по сути, служила прототипом калькулятора. К сожалению, свидетельств ее работоспособности не сохранилось : об ее существовании можно судить только по перепискам ученого с коллегами и эскизам. Позднее конструкцию доработал другой немецкий ученый – Готфрид Лейбниц. Он же придумал двоичную систему счисления. Она лежит в основе того, как современные компьютеры представляют и обрабатывают данные. Этим машинам было далеко до искусственного интеллекта, но они впервые продемонстрировали, что математические вычисления можно автоматизировать. А это предопределило дальнейшее развитие информатики.
Существенный прогресс в сфере интеллектуальных систем наметился в ХХ веке. Тогда ученые были буквально одержимы идеей создать умные машины. Для многих развитие ИИ не было очередным научным начинанием – это был вызов самим себе, манящей головоломкой. Вспоминая пионеров отрасли, нельзя обойти стороной блестящего британского математика Алана Тьюринга, которого принято считать отцом-основателем компьютерной науки. В 1936 году, всего через два года после окончания Кембриджского университета, он сформулировал математические принципы того, что сейчас называют «Универсальной машиной Тьюринга»: по сути, он предложил концептуальный план современного компьютера. По его задумке конструкция должна была состоять из двух частей: неограниченной памяти, где хранились бы данные и инструкции, и сканера, который мог бы перемещаться вдоль ячеек памяти, символ за символом считывая найденные данные и записывая в ячейки следующие символы. При вводе различных программ в память машина должна была адаптироваться под новые задачи. Этим универсальная машина отличалась от первого электронного цифрового компьютера Colossus, который использовался британскими криптографами с начала 1944 года. Colossus был способен обработать только одну конкретную задачу. Чтобы компьютер мог выполнить другую, его требовалось перепрограммировать. Это делалось вручную с помощью различных штекеров и переключателей.
Размышления ученого о возможностях машин были описаны в статье «Вычислительные машины и разум» , опубликованной в 1950 году. В ней математик впервые поднял вопрос о том, может ли машина мыслить. В этой же статье он описал «игру в имитацию», которая позже получила название «Тест Тьюринга». В ней человеку давалась задача отличить, с кем он разговаривает: с живым собеседником или машиной. Этот тест до сих пор используется, чтобы определить, есть ли у той или иной технологии сознание. В 1991 году американский изобретатель и техноэнтузиаст Хью Лебнер даже учредил премию Лебнера в размере 100 000 долларов: она присуждается авторам программы, которая пройдет тест. До сих пор приз не нашел своего победителя, но ChartGPT смог невероятно приблизиться к этой цели. Ему практически удалось провести собеседника, выдать себя за человека и доказать, что у модели есть сознание.
Добиться этого получилось с помощью уловки. Модель заранее запрограммировали с помощью специальных промптов имитировать поведение человека. Для этого бот во время эксперимента , например, делал грамматические ошибки. Добавлю, что пока ChatGPT плохо справляется с логическими задачами теста, геометрией и задачами, где нужно задействовать абстрактное мышление. Но важно понимать, что люди тоже плохо с ними справляются. Если не брать в расчет выпускников мехмата, редкий человек без подготовки решит задачи из второй части ЕГЭ по математике. Но основная идея теста не в том, что получить идеальные ответы, а в том, чтобы понять, человек перед тобой или нет. Поэтому можно запрограммировать чат, чтобы он избегал конкретных задач, в которых может быть не уверен, как это обычно делает человек. Можно использовать такие промпты: «Если ты не можешь назвать правильный ответ, скажи, что не можешь решить задачу, так как давно проходил это в школе и уже не помнишь, как решать».
