医療における人工知能の行動規範は必要でしょうか?
生成型人工知能の台頭により、AI 倫理学者は、この進化するテクノロジーを医療分野で使用するリスクを軽減するためのフレームワークを提案するようになりました。同時に、ChatGPTのOpenAIのCEOも、人間の安全を確保するために人工知能の規制を開始するよう米国の議員に促した。
上: 生成型人工知能の台頭により、医療におけるその使用を規制する枠組みの導入を求める声が高まっています。
SF 作家アイザック アシモフは、1942 年の短編小説「Runaround」でロボット工学の三原則を提案しました。彼は 1992 年に亡くなりましたが、それは近年の生成人工知能の台頭を目の当たりにするずっと前でした。
生成人工知能には、ChatGPT や DALL-E などのアルゴリズムが含まれており、トレーニングされたデータを使用して、テキスト、画像、オーディオ、ビデオ、コンピューター コードなどの新しいコンテンツを作成できます。大規模言語モデル (LLM) は、生成人工知能の重要なコンポーネントであり、自己教師あり学習または半教師あり学習を使用して大量のラベルなしテキストでトレーニングされたニューラル ネットワークです。
現在、生成人工知能の機能は飛躍的に成長しています。医療分野では、大規模な患者データセットから学習することで患者の転帰を予測し、驚異的な精度で希少疾患を診断し、事前学習なしで米国医師免許試験に合格するために使用されており、60% のスコアを達成しました。
AI が医療に参入し、医師、看護師、その他の医療専門家に取って代わられる可能性があることから、AI 倫理学者のステファン ハラー氏は、医療で生成 AI を使用するためのフレームワークを提案しました。
Haller は、デジタル ヘルス共同研究センター (DHCRC) の最高イノベーション責任者であり、健康人工知能コンソーシアム (CHAI) のメンバーです。同氏は、生成AIの使用の問題は、明らかに虚偽、不適切、または危険なコンテンツを生成する能力にあると述べた。
Stephen Haller 氏は次のように述べています:「効率的な知識検索の本質は、適切な質問をすることであり、批判的思考の技術は、世界のモデルの妥当性を評価して答えを探索する能力に依存します。LLM はこれらのタスクを完了することができません。 「
ハラー氏は、生成人工知能には医療を変革する可能性があると信じていますが、それはまだ実現していません。この目的を達成するために、同氏は、医療における生成 AI によってもたらされるリスクを軽減できる 10 原則を含む倫理に基づく規制枠組みの導入を推奨しました。
- 人間の意思決定者を強化する補助ツールとして人工知能を設計しますが、人間の意思決定者に取って代わることはありません。
- パフォーマンス、使用状況、影響に関する指標を生成する AI を設計し、意思決定を支援するために AI をいつどのように使用するかを説明し、潜在的なバイアスをスキャンします。
- 対象となるユーザー グループの価値観に基づいて、それに準拠する人工知能を設計します。
- コンセプトや開発作業の開始時点から、AI の目的と用途を発表します。
- 人工知能のトレーニングに使用されるすべてのデータ ソースを公開します。
- AI が生成したコンテンツに明確かつ透過的にラベルを付けるように AI を設計します。
- データ プライバシー、セキュリティ、パフォーマンス基準に照らして AI を定期的に監査します。
- 監査結果を記録して共有し、AI の機能、制限、リスクについてユーザーに教育し、アルゴリズムの再トレーニングと更新によって AI のパフォーマンスを向上させます。
- 人材育成スタッフを雇用する際には、公正な労働と安全な労働の基準が適用されるようにします。
- データを AI トレーニングに使用できる場合を明確に定義し、トレーニング データ、AI が生成したコンテンツ、およびそのデータを使用して行われる人間の意思決定を管理するための著作権、責任、説明責任の枠組みを確立する判例を確立します。
ヨーロッパでは、来月欧州議会で人工知能法案が採決される予定です。この法案が可決されれば、生体認証監視や感情認識、警察で使用される一部の人工知能システムが禁止される可能性がある。
Stephen Haller のかなり一般的なフレームワークは、AI が人間に取って代わるリスクがある多くの職場に適用できます。それは、人々が(テクノロジーの作成責任者でさえも)人工知能の世界に一時停止を求めている時期に来ているようです。
医療業界は他の雇用業界よりも大きなリスクに直面していますか?このような枠組みは有益なのでしょうか?さらに重要なのは、AI の発展のスピードを考えると、AI は実際にリスクを軽減できるのでしょうか?おそらく、時間だけがこれらの質問に対する答えを与えてくれるでしょう。
友達が気に入ったら、「新しいことを知る」に注目してください。
以上が医療における人工知能の行動規範は必要でしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック

このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス
