sorunsallar (4)
  • oxford üniversitesi’ndeki ‘insanlığın geleceği enstitüsü’ (future of humanity ınstitute) araştırmacılarından katja grace’in başını çektiği bir ekibin raporuna göre:
    robotlaşma yüzünden kimler ne zaman işsiz kalacak?

    "uzmanlara göre yapay zeka 2027 yılında araç (otomobil, kamyon) kullanmada insanlardan daha başarılı olacak. farklı dillerden mükemmel çeviri yapma konusunda 2024’de insanları geçecek. 2026 yılında eksiksiz lise ödevleri yazabilecek. daha karmaşık görevlerin ise daha ileri tarihlerde gerçekleşmesi öngörülüyor. mesela yapay zekanın çok satan bir roman yazmasının 2049’da ve kendi kendine ameliyat yapmasının 2053’de gerçek olacağı tahmin edilmiş."

    *uzmanlara göre go oynayan bilgisayarlar 2028’de insanları yenmeye başlayacaktı. oysa alpha go yazılımı 2016’da güney kore go şampiyonu lee sedol’ü ve sonra da dünya go şampiyonu çinli ke jie’yi yendi. kısacası yapay zeka tahminlerden 10 yıl önce gelişti

    ilk robot doktor göreve başladı bile:
    https://m.sabah.com.tr/…robot-doktor-goreve-basladi

    nasa'nın mars'a yollayacağı robot doktor:
    https://youtu.be/cqpz5uwbf34
  • en azindan yakin gelecekte gercek olmayacagini dusundugum onerme.

    halen bilgisayar ile goru* alaninda doktora yapiyorum, elektrik-elektronik muhendisiyim. tum bu alan, 2012 yilindan bu yana, kamuoyu nezdinde yapay zeka adi altinda parlatilan derin ogrenme* adi verilen teknik tarafindan domine edilmis durumda, ben de yalnizca derin ogrenme calisiyorum. cikan neredeyse her yeni algoritma derin ogrenme tabanli ve derin ogrenme tabanli olmayan algoritmalardan cok daha iyi performans gosteriyor. once isterseniz "yapay zeka" olarak nitelendirilen metodun ne oldugundan kisaca bahsedeyim devaminda neden bunun tip doktorlugunun alternatifi olamayacagini dusundugumu aciklayacagim.

    derin ogrenme, lineer ve lineer-olmayan donusumlerin birbirini izledigi kompleks bir matematiksel fonksiyon. bu fonksiyona ait parametreler* var. bu parametreler, daha onceden insan eli ile isaretlenmis veriler kullanilarak "ogreniliyor". ornek uzerinden anlatayim: elimizde yuz adet hayvan olsun. bu hayvanlar ya kedi, ya da kopek olsun. her bir hayvanin boyunu, kilosunu ve yasini olcelim, olcerken de hangisinin kediye, hangisinin kopege ait oldugunu bir kenara not edelim. daha sonra, bir kompleks matematiksel fonksiyon uyduralim (tabii ki matematiksel olarak anlamli dizayn oruntuleri var). bu fonksiyona ait ayarlanabilir parametreler olsun. ıste "ogrenme" fazinda, biz bu fonksiyona bu boy-kilo-yas verisini gosterecegiz ve bu fonksiyon bize rastgele bir cikti verecek. daha sonra da, parametreleri ayarlayarak, istedigimiz ciktiyi vermesini saglayacagiz. diyelim ki, kopek icin 1, kedi icin 0 sayilarini cikti vermesini istiyoruz. gosterdigimiz ornekler ile, olmasi gereken ciktiyi bildigimiz icin matematiksel optimizasyon metotlarini kullanarak uygun parametreleri belirliyoruz. daha sonra, kediye mi kopege mi ait oldugunu bilmedigimiz bir boy-kilo-yas verisi geldiginde, elimizdeki fonksiyonu, ogrenilmis parametreler ile calistiyoruz ve algoritma bize bir cikti veriyor. bu cikti, 0.5'in altinda ise, bilinmeyen ornegin bir kediye, ustunde ise kopege ait olduguna isaret ediyor. ıste, yapay zeka olarak adlandirilan derin ogrenme bu sekilde calisiyor.

    simdi gelelim neden derin ogrenmenin tip doktorlugunu neden yok edemeyecegine. bunun sebeplerini su sekilde siralayabilirim:

    1) derin ogrenmenin verdigi kararlar aciklanamaz. bu kisim oldukca onemli. derin ogrenme, bazi tip ile ilgili gorevlerde gercekten iyi bir performans sergiliyor. kimi zaman, deneyimsiz doktorlardan daha basarili patolojik tani koyabilmekte. ancak, mevcut hali ile, verdigi bir karari neden verdigi bilgisine ulasilamiyor. bir insana soruldugunda, burada bir ben* var ve ben bu benin seklinin yuvarlak olmamasindan ve icinde ton degisimleri olmasindan dolayi bunu supheli goruyorum aciklamasini alabilirsiniz. bir derin ogrenme algoritmasi ise size sadece suphelilik olasiligi gibi bir sayi verecektir. ıste bu yuzden halen, dunyanin ileri gelen saglik kuruluslari, derin ogrenme algoritmalarinin direkt olarak tibbi cihazlarda kullanimasina karsi cikiyor. tip temkinli yaklasilmasi gereken bir alan. yapilmasi muhtemel hatalarin bile neden yapildigina dair aciklama getirmenin onemli oldugu bir alan. daha aciklanabilir sonuclar alinana degin, derin ogrenme muhtemelen size tani koymayacak.

    2) suclanabilirlik. diyelim ki hastaneye gittiniz ve radyolojik muayene neticesinde riskli bir kitle tespit edildi. derhal biyopsi alindi ve patoloji laboratuvarina gonderildi. makroskopik incelemeden sonra patolog bu biyopsiyi mikroskopta incelenecek sekilde hazirladi ve boyadi. devaminda dunyanin en iyisi olan bir derin ogrenme algoritmasi mikroskopik fotograflari inceledi ve bu kitlenin iyi huylu olduguna karar verdi. diyelim ki, yanildi ve siz oldunuz. bu durumda kimi suclayacagiz? biyopsiyi hazirlayan doktoru mu, algoritmayi hazirlayan muhendisi mi, yoksa ogrenme icin kullanilan veri setini olusturan kisileri mi? cevap bunlarin hicbirisi, cunku bu sorunun bir cevabi yok. benzer bir durum surucusuz araba icin de gecerli. bu arac hatali bir karar verip, aslinda onlenebilecek bir kazayi yaptiginda, aracin icindeki yolcuyu suclayamazsiniz. bu hukuki cikmaz onemlidir ve derin ogrenme tabanli algoritmalarin gundelik hayatimiza girisini onemli olcude yavaslatmaktadir.

    3) derin ogrenme insanin isaretledigi veriden ogrenir. ınsanin isaretledigi veri hangi bilgiyi isaret ediyorsa, derin ogrenme onu ogrenir, dogru veya yanlis olmasi fark etmez. ornegin bir radyologun kolayca yakalayabilecegi bir kist, ogrenme datasinda yanlis isaretlenmis ise, derin ogrenme bu yanlisi ogrenebilir. ogrenmeyebilir de. aciklayamiyoruz (bkz: madde 1). ayrica, insanin isaretledigi veriden ogrenen bir algoritmanin, insandan daha basarili sonuc vermesi beklenmez. verse bile bunu tespit edemeyiz, cunku test icin kullanacagimiz veriler de bir insan tarafindan isaretlenmis olacak.

    4) derin ogrenme tibba dair bir takim rutin isleri devralabilir, ama bu tip doktorlugunu bitirecegi manasina gelmez. belki istihdam edilmesi gereken doktor sayisi bir miktar azalabilir, ancak her tip ana bilim dalinda arastirma yapacak, ya da hic olmazsa derin ogrenme icin kullanilacak verileri isaretleyecek insanlara ihtiyac olacak.

    5) genelleme yetenegi. halen en iyi algoritmalarin dahi genelleme yetenegi sinirli. ornegin, diyelim ki, bir hastanede calisan radyoloji uzmani bir doktor, kendi hastanesindeki y marka mr cihazinin goruntuleri ile calisiyor. ancak bu doktor baska bir hastanedeki z marka mr cihazinin sonuclarini da, bu markaya ait sonuclara daha once bakmamis olsa dahi anlayabilir ve performansinda ciddi dusus olmadan dogru taniyi koyabilir. aynisini bir derin ogrenme algoritmasi icin soylemek oldukca zor. dunyadaki tum mr cihazlarinin goruntulerini ogretseniz dahi, halen en guclu algoritmalar bile, veri seti spesifik ogretilmis versiyonlarindan kotu calisiyor.

    tum bu etkenler degerlendirilince, yakin gelecekte derin ogrenmenin doktorlugu yok edecegini dusunmuyorum, ki verdigim ornekler ozellikle yok olacagi dusunulen tip alt dallarina ait. eger illa bir doktor grubu issiz kalacaksa bu, teknolojiye ayak uyduramayan, onunla calismayi kaldiramayan grup olacak. cunku derin ogrenmenin avantajlarini kullanmayi bilen bir hekime kiyasla cok daha dusuk verimlilik saglayabilecekler.
  • bunun türkiye'de olabilirliğini savunan arkadaşlar, her vatandaşın semptomlarını net olarak ifade edebildiğini falan sanıyor herhalde. sedyeye sırt üstü uzanın dediğimde yüz üstü yatan insan oranını buraya yazsam kavga çıkartırsınız. bir dakikada tanı koyan makineymiş, önündeki kuyruk beceriksizler yüzünden ziraat atm'sini aratmazsa ben de bir şey bilmiyorum.
  • çok basit bir algoritma ile mevcut durumu simüle edebilir. hayali bir programlama dili ile örnekleyelim.

    # sistem açılışı
    print: merhaba
    input: hasta bilgileri
    goto: $.tahlil
    wait: random(1 hafta~1 ay)

    print: sorununuz neydi?
    input: sorun | clear: sorun
    register: $.tahlil
    print: kanser olabilir
    goto: $.emar : $.tomografi
    wait: random(1 hafta~1 ay)

    register: $.emar : $.tomografi
    print: kanser değilmiş
    search: promosyonlu ilaçlar
    register: maksimum promosyon
    print: bunu kullanın gelin
    wait: random(1 hafta~1 ay)

    loop:karaciğer or böbrek çökene kadar
    (
    print: hoşgeldiniz nasıl oldunuz?
    input: yanıt | clear: yanıt
    print: ilaca yanıt vermezse ameliyat gerekebilir.
    search: promosyonlu ilaçlar
    register: maksimum promosyon
    print: bunu kullanın gelin
    wait: random(1 hafta~1 ay)
    check: $.karaciğer : $.böbrek
    if result = çökmüş | register: sevk
    )

    ekleme: mesele maalesef tanı cihazları üzerinden finanse edilen kurumlar ve ipi gevşek bırakılan ilaç firmaları. peki ya doktor?

    çok doktor arkadaşım var ve yüz yüze çok defa ağır eleştirdim ama iş göründüğü gibi değil. özetle doktorun üzerine yasal ve maddi baskı yapan sisteme kafa tutma şansı yok. teoride var ama riskleri çok yüksek. ben doktor olsam ben de alamazdım o riski. yukarıdaki mizahi algoritma "sistemin işleyişidir"

    durumun farkında olan ve ilaç firmalarına teslim olmamış vicdanlı doktorlarımızın affına sığınarak...
  • yapay zekayı torna tezgahı zanneden adamlar ciddi ciddi yorum yapıyor amk.
    yapay zekanın mevcut şartlarda karar alma mekanizması vardır ve bu yüzden ismi yapay zekadır.

    tıp doktorlarının %80 oranında doğru tanı koyabildiği ortamda,
    %98'in üzerinde doğru tanı koyabilmektedir yapay zekalar.
  • ar-ge çalışmalarında görev alan arkadaşlar varsa eğer, kafayı kaldırıp hastanın yüzüne bakma özelliği eklenirse çok mutlu olurum.
  • sırf bu başlıkta bile doktorların o siktiriboktan egosunu görebilirsiniz zaten.
    adamlar yapay zekayı, "veri seti inceleyen basit algoritmalar" ile bir tutmuşlar. diğeri gelmiş "ince insan zekası gerekir" falan diyor.

    ince insan zekası dediği şey; koltuk altında ceviz kadar bezeyle doktora giden adama "yağ bezesi bu" diyebilecek umarsızlıkta doktorlar yani. (işin aslı, o beze bir lenfoma idi elbette. şans eseri başka doktor farketmişti)

    kardeşim: asosyal, egoist, insan aşağılayan tiplersiniz. ve daha önemlisi: kusur makinesisiniz. adam öldürüyorsunuz. hem de kitapta yazan literatürlere uymadığınız için, umursamadığınız için adam öldürüyorsunuz.

    yapay zeka diye küçümsediğiniz şey; hastayla 2 dakikalık "göz kontaktı" kurduğu an, hastanın göz bebeklerinden tutun, terlemesine, ateşine, ses tonuna, onun 7 ced geçmişindeki hastalıklara kadar her boku saniyeler içinde inceleyip bunları dikkate alabilen performansı her geçen saniye logaritmik olarak artan "süper bilgisayar"lardır. önce bi bunu kafanıza sokun.

    adamlar gelmiş hala burada ego kasıyor. yağ bezesiyle lenfoma arasındaki farkı anlamak için basit bir test yaptırmaktan aciz asosyal herifler burada yapay zekayı küçümsüyor.

    evet: yakın gelecekte doktorluk falan kalmayacak. olabileceğiniz en fazla şey: operatörlük olacak. yapay zeka, sizin üstün zekanızın kat kat üstünde hafıza yaratıp bunları işleyecek, sonuç çıkaracak, testlerle destekleyecek.

    sonra "ince insan zekası" dediğiniz şey devreye girip robotların sorumluluk almak istemeyeceği ameliyatları size bırakacak.

    en azından insanlar sizin gibi gamsız egoistler tarafından "grip bu yollayın bunu" diyip havaleden ölmeyecek. veya yağ bezesi diye yolladığı hastanın 6 ay sonra 4. evre lenfomasıyla karşılaşmayacak. apandisiti patlamak üzere olan hasta sizin paşa gönlünüzün verdiği kararlarla 15 saat acilde kıvranmayacak.

    şimdiden kabul etseniz iyi olur ama böyle bir gelecek geliyor.

    ayrıca: sanayileşme çiftçiliği yok etmedi, doğru. eskiden nüfusun %80'inden fazlası çiftçi olan ülkelerin çiftçi oranı %10lara düştü. doktorlukta da bundan farklı bir şey olmayacak.
  • popüler diye herşeye yapay zeka demeyin, makine öğrenmesi bunun adı.

    makine öğrenmesi bugün bile tanı koymada bir doktordan daha başarılıdır, hatta daha karmaşık ve detay patternleri yakalayabilir. zaten mevcut durumda bile bu sistemler doktora göremediğini göstermede yardım ediyor.

    ama insan psikolojisi bir bilgisayar tarafından muayene edilmeye uygun değil. insanlar, insana muayene olmak istiyor, keza sürücü konusunda da benzer bir durum var. birde işin yasal kısmı var, yanlış bir kararda kimi sorgulayacaksınız?

    yani olay teknoloji değil, sosyoloji.
  • tıp büyük ölçüde veri analizi ve istatistiğe dayanır. daha önce karşılaşılan semptomlar, teşhis yöntemleri ve tedavi yöntemlerinden elde edilen bilgi ile hastaya en uygun tedavi önerilir, işe yaramazsa bir sonrakine geçilir. bu anlamda yapay zeka için çok uygun bir alandır. üstelik sürekli gelişen bu alanda bir doktorun takip etmesi gereken literatür çok fazla. bu kadar çok veriyi güncel tutup doğru korelasyonları bulma konusunda yapay zekanın insandan daha iyi olması kaçınılmaz. en ufak hatanın bedelinin büyük olması da yapay zekadan faydalanmak için önemli bir neden. (bütün bunlar işini iyi yapan doktorlara neden saygı duymamız gerektiğini de açıklıyor). ancak bu muhtemelen tahmin edilenden fazla zaman alacaktır. yapay zeka mükemmelleşene kadar yani uzunca bir süre makine-insan birlikteliği en iyi sonucu verecektir. birçok alan için de bu öngörülüyor.
  • komik iddia.

    doktorlugu kaldirmadan once kaldirmasi gereken yuzlerce meslek dali var. once hele bir onlari kaldirsin.

    doktorluktan kastiniz da sanirim pratisyenlik zira arastirmalarda yer alan doktorlari zor kaldirsin.

    yapay zeka henuz söförleri ortadan kaldiramadi.

    onu birak avukatlari muhasebecileri ortadan kaldiramadi, ne doktorunu ortadan kaldirmasi.

    edit : fi tarihinde elbette pratisyen doktorluğu kaldırabilir söylediğim bu değil. burada yazanlar gibi yakın bir gelecekte kaldıramayacağı kadar çok engel var. zaten bu kadar kolay olsaydı daha basit meslekleri elimine ederdi. daha fırıncıları, aşçıları falan elimine edemedi.
hesabın var mı? giriş yap