Настоящее учебное пособие предназначено для самоподготовки студентов медицинских высших учебных заведений, а также ординаторов по дисциплине «Общественное здоровье и здравоохранение».
Раздел 1
Технологии искусственного интеллекта
§ 1. Общие положения
Концепция использования компьютерных технологий для имитации мышления и разумного поведения была впервые описана Аланом Тьюрингом (Alan Mathison Turing) в 1950 г. Основной научной задачей являлось изучение работы человеческого мозга. Шесть лет спустя Джон Маккарти (John McCarthy) дал определение термина «искусственный интеллект» (artificial intelligence, AI): наука и техника создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.
В начале 1980-х годов ученые, занимающиеся теорией вычислений, Барр (Valerie Barr) и Файгенбаум (Edward Albert Feigenbaum) предложили такое определение искусственного интеллекта: «область информатики, которая занимается разработкой интеллектуальных компьютерных систем, то есть систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, – понимание языка, обучение, способность рассуждать, решать проблемы и т. д.»[1].
Суть создания ИИ заключается в том, чтобы сформировать систему, которая смогла бы автономно работать, решая интеллектуальные задачи по подобию когнитивных процессов у человека. Разработка данной системы основана на таких дисциплинах, как математика, компьютерные науки, биология, физиология, психология, лингвистика и др.
Основой ИИ являются алгоритмы, которые транслируются в компьютерный код, содержащий инструкции для быстрого анализа и преобразования данных в выводы, информацию или другие выходные данные.
В настоящее время в России ИИ определяется как комплекс технологических решений, позволяющих имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека [Указ…, 2019].
Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение, в том числе то, в котором используются методы машинного обучения, процессы и сервисы по обработке данных и поиску решений.
Система ИИ (artificial intelligence system) – программное обеспечение, в котором используются технологические решения ИИ.
Для понимания сути ИИ также важен ряд понятий и терминов, применяемых при описании технологий: данные, набор данных, большие данные (big data), аппаратное обеспечение, вычислительная система, база знаний (значение данных терминов см. в глоссарии, расположенном в конце учебного пособия).
Вычислительная система – предназначенный для решения задач и обработки данных (в том числе вычислений) программно-аппаратный комплекс или несколько взаимосвязанных комплексов, образующих единую инфраструктуру с ИИ, в отличие от программирования без ИИ может ответить не только на конкретные, но и на общие вопросы. Также возможна быстрая и простая модификация программы, в том числе частичная, не приводящая к изменению ее структуры.
Экспертная система – технология ИИ, позволяющая на основе базы знаний воспроизвести модель поведения экспертов в определенной области знаний, сократить время и трудозатраты пользователя на решение типовых задач. Характерными чертами экспертной системы являются:
– четкая ограниченность предметной области;
– способность принимать решения в условиях неопределенности;
– способность объяснять ход и результат решения понятным для пользователя способом;
– четкое разделение данных и механизмов вывода;
– способность пополнять базу данных;
– ориентация на решение неформализованных задач;
– отсутствие гарантий нахождения оптимального решения с возможностью учиться на ошибках;
– также то, что результат выдается в виде конкретных рекомендаций, не уступающих решениям лучших специалистов в конкретной области знаний;
– алгоритм решения не описывается заранее, а строится самой экспертной системой.
Сильнейшей стороной технологий ИИ стала способность к обучению.
Машинное обучение (machine learning, ML) – это использование определенных признаков при выявлении шаблонов для анализа конкретной ситуации. Машина может «учиться» (обучение по прецедентам (индуктивное обучение)) и применять эту информацию в будущих подобных сценариях. Этот инструмент прогнозирования можно, например, применять динамически для клинических решений, чтобы персонализировать уход