אני מקווה שההודעה הזו תמצא אותך טוב. ההתלהבות מכלי בינה מלאכותית (AI) נמצאת בשיא של כל הזמנים בקמפוסים אקדמיים ברחבי הארץ. ההתקדמות האחרונה בטכנולוגיות בינה מלאכותית הפכה את הנגישות לכלים אלה לקלה מתמיד, והעלתה דאגות אצל חלקם והתרגשות אצל אחרים.

אנו נרגשים להשיק סדרה בת שלושה חלקים, "בינה מלאכותית כבר כאן. עכשיו מה?". סדרה זו נועדה לפענח את התפיסה של תפקידה של בינה מלאכותית במחקר ובבריאות. הפרק הראשון יתמקד ביתרונות שהבינה המלאכותית מביאה לתחום שלנו, עם דגש מיוחד על בינה מלאכותית גנרטיבית.

היסטוריה קצרה של AI 

בעוד שהמונח "בינה מלאכותית" לא נטבע עד 1956, המושג "מכונות חושבות" קיים מאז פיצוח צופן ה- ENIGMA בשנת 1941. ב-2014 נולד שחר חדש של בינה מלאכותית: בינה מלאכותית גנרטיבית. טכנולוגיה זו יכולה לייצר טקסט, תמונות ומדיה אחרת בתגובה להנחיות. הדור החדש של הצעות בינה מלאכותית גנרטיבית - ChatGPT, Scribe, Jasper, DALL-E 2 ו-Bard - משתמשים בעיבוד שפה טבעית כדי ליצור טקסט קוהרנטי ורלוונטי להקשר, ליצור תמונות דיגיטליות ואפילו לפתח קוד תכנות מחשב.

למה ההייפ עכשיו? 

בינה מלאכותית גנרטיבית קיימת מאז 2014, אך לאחרונה היא זכתה לתשומת לב רבה. מדוע? משום שהיא הפכה לנגישה יותר, ידידותית יותר למשתמש וחסכונית יותר. האדם הממוצע יכול כעת לתקשר עם בינה מלאכותית בצורה שיחתית ולחזות בתגובות אנושיות הודות להתקדמות ולזמינות של אפליקציות בינה מלאכותית גנרטיביות בחינם. מאמרים אלה מאת רויטרס ומקינזי ושות' מסבירים כיצד ChatGPT ומודלים אחרים של בינה מלאכותית גנרטיבית שינו את האופן שבו אנו תופסים בינה מלאכותית.

היתרונות של AI במחקר ובבריאות 

סיוע במחקר: בינה מלאכותית גנרטיבית, עם יכולתה לעבד כמויות עצומות של נתונים במהירות, משפרת משמעותית את מאמצי המחקר. היא מסייעת באיסוף וניתוח נתונים, ובכך עשויה לחשוף מגמות, קורלציות או תובנות עדכניות שאחרת היו מתעלמים מהן בשיטות מחקר מסורתיות. זה יכול להוביל לממצאים מקיפים ומדויקים יותר שיאיצו את קצב התגליות המדעיות.

ארגון מידע: בתחום ניהול הנתונים, בינה מלאכותית גנרטיבית ממלאת תפקיד מרכזי. היא יכולה לארגן ולסווג ביעילות מערכי נתונים עצומים, ולפשט תהליכי אחזור וניהול נתונים. על ידי אוטומציה של משימה זו, חוקרים ואנשי מקצוע בתחום הבריאות יכולים להתמקד יותר בניתוח ובפרשנות של נתונים.

ויזואליזציה של נתונים: כלי בינה מלאכותית גנרטיבית יכולים להפוך נתונים מורכבים לייצוגים חזותיים אינטואיטיביים, כגון דיאגרמות, תרשימים אינטראקטיביים ואינפוגרפיקות. ויזואליזציות אלו לא רק מפשטות את הבנת הנתונים, אלא גם מאפשרות תקשורת יעילה של ממצאי מחקר ותובנות בתוך צוותים רב-תחומיים. הן מגשרות על הפער בין אנליסטים של נתונים לבין בעלי עניין שאינם טכניים, ומבטיחות הבנה הוליסטית יותר של משמעות הנתונים.

אבחון משופר: אחד היישומים הטרנספורמטיביים ביותר של בינה מלאכותית בתחום הבריאות הוא תפקידה באבחון. אלגוריתמים של בינה מלאכותית יכולים לנתח תמונות רפואיות כגון צילומי רנטגן, MRI ו-CT, כמו גם שקופיות פתולוגיה ורצפים גנטיים, בדיוק יוצא דופן. לכך יש פוטנציאל לזרז את האבחון ולהפחית את הסבירות לטעויות, ולשפר את תוצאות המטופלים.

ניתוח נתונים ותובנות: בינה מלאכותית מצטיינת בטיפול וניתוח מערכי נתונים גדולים ומורכבים. היא יכולה לסנן כמויות עצומות של נתונים כדי לזהות דפוסים מורכבים, מגמות או אנומליות שעשויות להיות בלתי נתפסות לחוקרים אנושיים. תובנות אלו הן בעלות ערך רב הן למאמצי מחקר והן לפיתוח תוכניות טיפול מותאמות אישית בתחום הבריאות. ניתוחים המונעים על ידי בינה מלאכותית מאפשרים קבלת החלטות המונעות על ידי נתונים, אשר יכולות להוביל להתערבויות יעילות וממוקדות יותר.

רוצה ללמוד עוד על האופן שבו AI גנרטיבי מפותח ומשתמשים בו?  

עיינו במאמרים הבאים של IBM, Data Science UA ו- HealthTech על יתרונות הבינה המלאכותית בתחום הבריאות והמחקר.

החל מהאצת התקדמות המחקר ועד לשיפור ניהול נתונים, פישוט ויזואליזציה של נתונים ומהפכה באבחון וניתוח נתונים, בינה מלאכותית היא כלי רב עוצמה. יש לה פוטנציאל לחולל מהפכה בתחומי הבריאות. הבנת היתרונות של בינה מלאכותית, ובמיוחד בינה מלאכותית גנרטיבית, יכולה לעזור לנו לרתום את הפוטנציאל שלה לשיפור תוצאות המטופלים ולייעל תהליכי מחקר. הישארו מעודכנים לחלק 2 של סדרה זו, שם נעמיק בסיכונים ובשיקולים האתיים של שימוש בבינה מלאכותית בתחומי הבריאות והמחקר.

 תודה שהצטרפת אלינו לחקירה זו של הפוטנציאל של AI Generative.

ברוכים הבאים לחלק 2 בסדרה שלנו, "בינה מלאכותית כבר כאן. מה עכשיו?". בחלק הראשון, חקרנו את היתרונות המרגשים של בינה מלאכותית, תוך התמקדות בבינה מלאכותית גנרטיבית. בחלק 2, בואו נחקור את השטח המורכב של אתיקה בתחום הבינה המלאכותית ואת המכשולים הפוטנציאליים בעודנו ממשיכים במסע שלנו בעולם הבינה המלאכותית בתחום הבריאות והמחקר.

 AI: הצד האפל 

כדי לרתום את הפוטנציאל של AI לשיפור תוצאות המטופלים ולייעל תהליכי מחקר, חיוני להבין את האתגרים והדילמות האתיות שמגיעות עם הטכנולוגיה החזקה הזו. להלן, ריכזנו כמה מהאתגרים המרכזיים של AI Generative בתחום הבריאות והמחקר. 

אתגרים וסיכונים בבינה מלאכותית 

טוהר הנתונים: אחד האתגרים המשמעותיים ביותר בבינה מלאכותית טמון בהבנה המוגבלת שיש לארגונים בנוגע לנתונים העומדים בבסיס מערכות בינה מלאכותית, כולל חוסר תובנה לגבי אופן אימון הבינה המלאכותית והתנהגותה בהקשרים שונים. פער ידע זה מהווה סיכון משמעותי בכך שהוא פוגע באמון וגורם לחוסר ודאות. יתר על כן, הוא יוצר קשיים באימות תגובות שנוצרו על ידי בינה מלאכותית.

סוגיית טוהר הנתונים הופכת בולטת אף יותר כאשר בוחנים הזיות בינה מלאכותית, שבהן מודלים של שפה גדולה כמו GPT-4 או Google PaLM מייצרים בביטחון מידע כוזב . בניווט במורכבויות אלו, משתמשים מתמודדים עם המשימה של הבחנה בין תוכן מדויק לתוכן מפוברק, מה שמדגיש את החשיבות העליונה של טוהר הנתונים בתחום יישומי בינה מלאכותית. עיינו במאמר זה למידע נוסף על הזיות בינה מלאכותית.

חששות אתיים: אלגוריתמים של בינה מלאכותית, ובמיוחד מודלים של למידת מכונה, יכולים לרשת הטיות הקיימות בנתונים עליהם הם מאומנים. הטיה זו עלולה להוביל להחלטות לא הוגנות או מפלות. לדוגמה, בתחום הבריאות, אלגוריתמים מוטים עשויים להמליץ ​​על טיפולים המעדיפים קבוצה דמוגרפית אחת על פני אחרת, וכתוצאה מכך לתוצאות לא שוויוניות בתחום הבריאות. שיקולים אתיים חיוניים כדי להבטיח שהשימוש בבינה מלאכותית ייעשה בצורה הוגנת וצודקת.

חששות בנוגע לפרטיות נתונים: בתחום הבריאות, הגנה על נתוני מטופלים ועמידה בדרישות HIPAA הן בעלות חשיבות עליונה. בינה מלאכותית גנרטיבית מאומנת באמצעות מערכי נתונים סינתטיים; במילים אחרות, היא כמו ילד שמקשיב לכל מילה שלכם ואז מוציא את המילים האלה כרצונו. זכרו שבינה מלאכותית תיקח כל מידע שתספקו ותשתמש בו באופן פוטנציאלי בעת תגובה להנחיות בינה מלאכותית של ארגונים אחרים . אין להעלות או להשתמש במידע סודי (PHI, PII) או מידע מוגבל (מידע שאינו פומבי כגון נתונים מחקריים או פיננסיים) בכל יישום בינה מלאכותית. אנא הזינו רק נתונים הנגישים לציבור.

לתובנות נוספות בנוגע לצומת שבין פרטיות שירותי בריאות לבין בינה מלאכותית, אנא עיינו במאמרים מתוך The Regulatory Review ו- Bank Info Security. הגנה על נתוני מטופלים ועמידה בתקנים רגולטוריים נותרות בראש סדר העדיפויות כשאנו מנווטים בנוף המתפתח של בינה מלאכותית בתחום הבריאות והמחקר.

פגיעויות אבטחה: בינה מלאכותית אינה חסינה מפני ניצול על ידי גורמי איום. פושעי סייבר כבר רותמים את הבינה המלאכותית כדי ליצור התקפות פישינג מתקדמות ומדיה סינתטית, כגון שיבוטים של וידאו וקול שעברו שינוי דיגיטלי, כדי להטעות קורבנות ממוקדים. אפילו ChatGPT נוצל בתכנון תוכנות זדוניות ווירוסי גניבת מידע שיכולים לעקוף בקרות אבטחה מודרניות. מגמה מדאיגה זו מדגישה את המאמצים הגוברים של פושעי סייבר להפוך כלי בינה מלאכותית לנשק, מה שהופך דיונים בפלטפורמות כמו ChatGPT לאחד הנושאים החמים ביותר ברשת האפלה.

מה ללמוד עוד על הסיכונים של AI?  

עיינו במאמרים האלה מ- Built In ו- Forbes.

בניווט "הצד האפל" של AI, חיוני לנו להישאר מעודכנים, ליישם אמצעי אבטחת סייבר חזקים ולתעדף שיקולים אתיים. פיתוח ושימוש בינה מלאכותית אחראיים יכולים למתן את האתגרים הללו ולהבטיח שהיתרונות של בינה מלאכותית יתממשו תוך מזעור הסיכונים הנלווים. הישאר מעודכן לחלק 3 של סדרה זו, שם נדון במעשים ואל תעשה של AI ובצעדים שאתה צריך לנקוט כדי להשתמש בבינה מלאכותית בעבודה שלך.  

תודה שהצטרפת אלינו לחקר זה של בינה מלאכותית גנרטיבית בתחום הבריאות והמחקר

ברוכים השבים לסדרה בת שלושת החלקים שלנו על תפקידה של הבינה המלאכותית (AI) במחקר ובבריאות. חלק 1 בסדרה שלנו, "AI כאן. עכשיו מה?", חשף את הפוטנציאל המדהים של בינה מלאכותית בתחום הבריאות והמחקר. חקרנו את תחילתה של הבינה המלאכותית הגנרטיבית, את התפתחותה ואת נגישותה לאנשים כיום. הובהרו היתרונות של הבינה המלאכותית במחקר ובבריאות, כולל תפקידה בניתוח נתונים, ארגון מידע, ויזואליזציה של נתונים, אבחון וניתוח נתונים.

חלק 2 התעמק בסיכונים ובשיקולים האתיים הקשורים לבינה מלאכותית בתחומנו. דנו באתגרים כגון טוהר נתונים, חששות אתיים הנובעים מאלגוריתמים מוטים, תאימות לפרטיות נתונים ופגיעויות אבטחה. עלינו להתמודד עם אתגרים אלה כדי להבטיח פיתוח ושימוש אחראיים בבינה מלאכותית.

כעת, כשאנחנו מתחילים את חלק 3 בסדרה שלנו, נעביר את המיקוד שלנו להדרכה מעשית. בחלק זה, נדון במה שמותר ומה שאסור לעשות בבינה מלאכותית ונפרט את הצעדים החיוניים שעליכם לנקוט כדי להשתמש בבינה מלאכותית בעבודתכם.

עשה ואל תעשה של AI בתחום הבריאות והמחקר

ככל שה-AI ממשיכה לעצב את נוף שירותי הבריאות והמחקר, ההבנה כיצד לרתום את הכוח שלה באחריות וביעילות היא חשובה ביותר.

אל תתעלמו מאחריות אתית: שיקולים אתיים בנתוני אימון בינה מלאכותית הם קריטיים, שכן הטיה עלולה להוביל לתוצאות לא שוויוניות. חיוני לתת עדיפות להגינות וצדק בשימוש בבינה מלאכותית כדי להימנע מהתעלמות מסוגיות אתיות, במיוחד בתחומים כמו שירותי בריאות.

אל תמהרו להשתמש בבינה מלאכותית ללא שיקול דעת מדוקדק: בעוד שיכולות ניתוח הנתונים של בינה מלאכותית יכולות לחשוף דפוסים ומגמות נסתרים, לטובת המחקר והשירותים הרפואיים כאחד, חשוב שמשתמשים ישקלו היטב כיצד ומתי להשתמש בבינה מלאכותית בצורה בטוחה.

אל תזין מידע מזהה אישי או מידע מוגן (PII): פרטיות המטופל והפרטיות האישית צריכה להישאר בראש סדר העדיפויות שלנו. זכור כי בינה מלאכותית גנרטיבית תיקח כל מידע שתספק ותשתמש במידע זה בעת מענה לארגונים אחרים. מסיבה זו, אין להעלות מידע סודי או מוגבל לפלטפורמת בינה מלאכותית גנרטיבית לעולם.

אל תוותרו על הגורם האנושי: בעוד שבינה מלאכותית יכולה לסייע במשימות, אל תאפשרו לה לחשוב בשמכם. בינה מלאכותית נטולת רגש או מחשבה אנושית. זכרו את החשיבות של בדיקת עובדות ועיסוק בחשיבה ביקורתית.

תנו עדיפות לאבטחת סייבר: הדגישו את אבטחת הסייבר כדי להגן מפני איומים הקשורים לבינה מלאכותית. פושעי סייבר משתמשים בבינה מלאכותית למתקפות מתקדמות, כמו זיופים עמוקים ותוכנות זדוניות רב-מורפיות, מה שהופך את הערנות לחיונית.

התייחסו לטוהר הנתונים: כולם צריכים להבין את בסיס הנתונים של בינה מלאכותית ואת ההטיות הפוטנציאליות. זה ממזער בעיות אמון ומסייע באימות תגובות שנוצרו על ידי בינה מלאכותית.

יש להבטיח פרטיות נתונים בתחום הבריאות: יש לציית לחוק HIPAA לפרטיות המטופלים. יש להשתמש במערכי נתונים סינתטיים ובניתוק נתונים כדי להגן על מידע המטופלים תוך שימוש בבינה מלאכותית בתחום הבריאות.

נקטו משנה זהירות: בינה מלאכותית הופכת היבטים רבים של עבודתנו למהירים יותר, מה שיכול להקל על ביצוע טעויות ועשיית דברים רעים. היו תמציתיים וזהירים בעת מינוף כלי בינה מלאכותית במקום העבודה.

איך אני מתחיל עם AI Generative באזור שלי?

עכשיו כשאתה מבין את היתרונות והאתגרים של AI Generative כמו ChatGPT או Bard, אתה עשוי לתהות כיצד הצוות שלך יכול למנף את הטכנולוגיה החזקה הזו.

חדשות טובות! אתם יכולים להתנסות בבינה מלאכותית גנרטיבית באמצעות Copilot , תכונת הצ'אט המוגנת באופן פנימי שלנו בבינג! התחילו לשוחח בצ'אט בכמה צעדים פשוטים!

1. היכנס לרשת UNM Health and Health Sciences.
2. נווט אל Microsoft Bing.       

1. לחץ על צ'אט בפינה השמאלית העליונה.
2. התחל לדבר!     

אם תבחר להשתמש בכלי AI לעבודה מלבד הצ'אט המוגן הפנימי שתואר לעיל, יש כמה דברים שתצטרך לעשות.

• משרד אבטחת המידע וצוותי אבטחת הסייבר שלנו יעקבו אחר בקשות AI Generative דרך Learning Central.
• כל מי שמחפש להשתמש בבינה מלאכותית מלבד Copilot חייב להשלים את מודול הלמידה של AI Generative.
• כדי להשלים מודול זה, התחבר למרכז הלמידה וחפש CLT 303 AI גנרטיבי במחקר ובריאות.

 רוצה ללמוד עוד על AI?

הסדרה בת שלושת החלקים שלנו על בינה מלאכותית גנרטיבית רק גירדה את פני השטח! יש עוד כל כך הרבה שתוכלו ללמוד על האופן שבו בינה מלאכותית גנרטיבית משנה את המחקר, את שירותי הבריאות ועוד הרבה יותר! עיינו במאמר הזה מאת HIMSS (חברת מערכות מידע וניהול בריאות) על הכוח והפוטנציאל של מודלים של שפה גדולה בתחום הבריאות.

 רוצה לנסות נסיעת AI אבל לא יודע מאיפה להתחיל?

עיינו במדריך למתחילים זה על יסודות כתיבת הנחיה כדי לקבל את התשובות הטובות ביותר. רוצים להעמיק? קבלו מידע מעמיק יותר על כתיבת הנחיות יעילות בבלוג הזה מאת phData.

 לסיכום

הסדרה שלנו חקרה בינה מלאכותית בתחום הבריאות והמחקר. התחלנו בחשיפת הפוטנציאל והשיקולים האתיים של Generative AI. כעת, בחלק האחרון, אנו מציעים הדרכה מעשית: תעדוף אבטחת סייבר, הבנת טוהר הנתונים והבטחת פרטיות הנתונים.

תודה שהצטרפת אלינו בחקירה זו של הפוטנציאל, האתגרים והיישומים המעשיים של AI. אנו מצפים לראות את ההשפעה החיובית שתמשיך להיות לבינה מלאכותית בתחום הבריאות והמחקר ככל שנתקדם יחד.