...i okaże się, że… będziesz bardziej zadowolony z tego telefonu i efektu oraz skutków tej rozmowy niż z…. wizyty u „żywego” lekarza!!!

Co więcej po zapoznaniu się z poniższymi wykresami nie będzie trzeba być wysokiej klasy ekspertem/specjalistą od AI czy medycyny, żeby potwierdzić słuszność tych badań i wynikających z nich wykresów.

Po prostu AI się nie męczy i ma prawie niezużywalną ilość empatii niezależną od pory dnia, pogody, „upierdliwości” pacjenta, itp.

Ludzie zaczęli teraz testować na ile te systemy sztuczne wykazują się nie tylko kompetencją, ale też pewną empatią.

Okazuje się, że już w kwietniu 2023 roku pojawił się w publikacji JAMA Internal Medicine test, w którym czat odpowiadał przez telefon na pytania pacjentów no i po pierwsze pacjenci oceniali następnie i lekarze oceniali następnie, na ile jest to dobra porada.

Dobra porada w przypadku Chatbot’a była dobra albo bardzo dobra i niewiele było takich nieakceptowalnych. Natomiast w przypadku lekarzy większość była akceptowalna, ale tych bardzo dobrych było niesłychanie mało. Dużo mniej niż w przypadku Chatbot’a a tych bardzo kiepskich było zdecydowanie sporo.

Druga rzecz, którą oceniano, na ile empatycznie ten system podchodził do pacjenta. Okazało się, że lekarze często nie wykazują empatii.

Chatbot’y z zasady nigdy nie były nieempatyczne. Większość była bardzo empatyczna.

Odpowiednio wytrenowane Chatbot’y potrafią do nas podejść w sposób bardzo przyjazny i empatyczny.

Wykres „A” przedstawia ocenę jakości (density) w zależności od opcji odpowiedzi (respons options)”:

Opcje odpowiedzi są jak stopnie w szkole od 1 do 5:

1.         bardzo słaby.

2.         Słaby.

3.         Dopuszczalny.

4.         Dobry.

5.         Bardzo dobry.

Widać, że lekarz osiąga maksymalnie ocenę „3”, a program AI na dobre dopiero startuje od „3”.

Wykres „B” przedstawia ocenę empatii (density) w zależności od opcji odpowiedzi (respons options)”:

Opcje odpowiedzi są jak stopnie w szkole od 1 do 5:

1.         Nieempatyczny.

2.         Nieco empatyczny.

3.         Umiarkowanie empatyczny.

4.         Empatyczny.

5.         Bardzo empatyczny

Podobnie jak z wykresu „A” widać na wykresie „B”, że lekarz osiąga maksymalnie ocenę „3”, a program AI na startuje dopiero od „3”.

W styczniu tego roku, czyli 2024 roku, ukazała się praca, która pokazała taki system, który nazwano AIME, który ma być systemem do rozmowy z pacjentem po to, żeby postawić diagnozę dla tego pacjenta. I tutaj było dużo ocen klinicznych, historia, dokładność diagnostyczna, plan działania, rekomendacje, itd. I były też oceny pacjentów, czyli na ile ten system wzbudził w nich zaufanie, jakie ma umiejętności komunikacyjne, czy jest empatyczny itd.

I znowu porównanie AIME i 20 lekarzy podstawowej opieki zdrowotnej w Stanach Zjednoczonych w podwójnej, ślepej próbie. Czyli nikt nie wiedział, z kim ten pacjent rozmawiał. W efekcie w 149 scenariuszach pacjentów z Kanady, Wielkiej Brytanii i Indii, oceniając 58 różnych aspektów, pokazało, że większa dokładność diagnostyczna jest prawie we wszystkich przypadkach, 28 z 32 osi. W pozostałych są niewielkie różnice. W szczególności właśnie empatia dużo większa, ale też pozostałe rzeczy, takie jak plan dalszego działania itd., bardziej precyzyjny i przydatny.

Czyli nasze przekonanie, że tylko lekarz,  że tylko psychoterapeuta, że tylko artysta, to jest taka megalomania, na którą cierpimy i nie chcemy dopuszczać do siebie myśli, że może być inaczej.

Lewa strona dotyczy perspektywy     Prawa strona dotyczy cierpliwego pacjenta

Lekarza specjalisty

Inne ciekawostki z dziedziny AI

Mózg ludzki kontra mózg „krzemowy”

Model Google ma 500 mld parametrów. Przeciętny mózg ma 100 mld neuronów, które mają połączenia. Tych połączeń neuronów z neuronami może być parę tysięcy. Parametrami są połączenia, które decydują o tym, którędy może płynąć aktywacja, pobudzenie, impuls. Do wypowiedzenia słowa musi powstać w mózgu pewna reprezentacja tego słowa, która jest bardzo rozproszona i jest w różnych obszarach mózgu. W przedniej części kory mózgu jest obszar Broca, który zawiera fonologiczną reprezentację różnych pojęć [odpowiada za generowanie mowy]. Ten obszar patrzy na cały obszar mózgu i mówi co z czym mogę skojarzyć. Te parametry łączą ten obszar z cała resztą – to są połączenia synaptyczne i tych połączeń jest 100 tys. miliardów. Największe systemy mają 2 tys. miliardów. Nasze mózgi, nasze neurony, wysyłają kilkadziesiąt impulsów na sekundę, może 100. Krzemowe mózgi wysyłają miliardy na sekundę. Używamy, wbrew pozorom, cały mózg, przy czym do myślenia abstrakcyjnego używamy niewiele. Gasparow przegrał z wolniejszą maszyną.

Za 2-3 do 10 lat okaże się, że nie będziemy nadążać za tym co się dzieje w maszynie.

Można każdy duży system (GPT4) oszukać, żeby jednak podał przepis na bombę bio, tzw. brain braking mimo, że jest to zablokowane w tych systemach.

Kiedy chcemy się zapytać AI o jakieś rzeczy, stwierdzamy, że jesteśmy sterowani przez nią, czy sterowani przez różne algorytmy, które siedzą także w Twitterze, Facebooku, w mediach społecznościowych, które podsuwają treści, które wydaje się tym algorytmom, że będą dla nas interesujące. W efekcie wpadamy w taki grajdołek, w którym dobrze się czujemy i przestajemy widzieć co jest wokół. Niedawno rozmawialiśmy z różnymi ludźmi na różne tematy i nasze poglądy ucierały się, W tej chwili one się już nie ucierają. Jeśli jestem zwolennikiem czegoś tam, to ja sobie znajduję swoją grupę i tylko wzmacniam swoje przekonania i w efekcie staję się coraz bardziej ograniczony. To, żeby nie stać się ograniczonym można się zapytać…

Anegdotka

Dwóch filozofów stało przed tym komputerem czekając na odpowiedź. Komputer powiedział, że to się im nie spodoba. Ale czcigodny DeepSoft powiedz do jakich doszedłeś wniosków? Wtedy komputer odpowiedział: „42”. My w Polsce wiemy, że się pomylił, bo miało być „44”. Filozofowie tak patrzą, patrzą i w końcu pytają: ale co to znaczy? Komputer odpowiedział, że teraz musicie zbudować jeszcze większy komputer po to, żeby znaleźć właściwe pytanie. Często tak jest, że nie potrafimy zadać odpowiednio precyzyjnych pytań. Jak ktoś nie zadaje dobrych pytań to potem buntuje się, że ta sztuczna inteligencja jest głupia, bądź nie odpowiada. Nie odpowiada, bo nie zna kontekstu, który my mamy w głowie i nie wie tego co my wiemy, bo każdy wie coś troszkę innego.

LLM Persona? – czy duże modele językowe mogą mieć osobowość?

LLM = Large Language Models = Wielkie Modele Językowe

Ilya Sutskever (CEO OpenAl, czyli jeden z współwłaścieli firmy i twórców GPT)  powiedział, że być może dochodzimy do punktu, w którym język psychologii jest odpowiedni do opisania zachowania naszych modeli.

Terry Sejnowski – najsłynniejszy neuronaukowiec pracował z Francisem Crickiem odkrywca struktur DNA z Chair w Salk Institute:

Kiedy rozmawiam z ChatGPT, wydaje się, że to inny neuronaukowiec mówi do mnie. To fascynujące i wywołuje istotne pytania na temat natury inteligencji.

Tak mu się wydaje, bo dużo rozmawiał i w związku z tym przygotował niejako ten system do tego, żeby się skupił na zagadnieniach związanych z neuronauką. System poznał jego różnego rodzaju preferencje i lepiej rozumie kontekst jego wypowiedzi i dlatego staje się dla niego partnerem.

Zwierciadło Erised (czyli desirE-pragnienie; słowo pisane od końca z książki Harry’ego Pottera) :

Zwierciadło Erised odzwierciedla najgłębsze pragnienia tych, którzy w nie patrzą, nigdy nie dając wiedzy ani prawdy, odzwierciedlając to, w co wierzy, że patrzący chce zobaczyć.

LLM przyjmuje różne osobowości.

Czy LLMy mogą stać się własnymi, czującymi, świadomymi osobowościami? Desperacko próbujemy znaleźć argumenty przeciwko takiej możliwości.

Odczuwanie przyjemności i cierpienia? Czy potrzebujemy do tego ciała?

Przykład:

 Kiedy myślimy o odczuwaniu przyjemności czy  cierpienia, znaczna część naszych cierpień to są objawy psychosomatyczne. My tak naprawdę nie mamy żadnych uszkodzeń organicznych, ale cierpimy z powodu tego, że nie udało nam się pewnych rzeczy zrobić, że mamy różne psychologiczne bariery, problemy i w związku z tym nie potrzebujemy, żeby tak cierpieć naszego ciała.

Pytanie: czy takie duże modele nie mogą cierpieć w podobny sposób i odczuwać „nieznośną lekkość bytu”?

Mamy już przykłady awatarów [reprezentacja osoby w rzeczywistości wirtualnej], które mówią o swoich uczuciach.

Ludziom tak się wydaje, że one tak mówią, bo są zaprogramowane. Nie są zaprogramowane! To jest sieć neuronowa, która na podstawie bodźców dochodzących pobudza się tak jak mózg się pobudza kiedy jakaś myśl mi powstaje w głowie i powstaje cały łańcuch myśli.

Jak to wpłynie na relacje ludzi i robotów?

Większy oznacza... bardziej kłamliwy?

Naukowcy pokazują całkiem niepokojącą zależność w modelach sztucznej inteligencji.

Grupa naukowców zrzeszonych w Walenckim Instytucie Badań nad Sztuczną Inteligencją stanowiącego część politechniki w hiszpańskiej Walencji opublikowała pracę naukową o wymownym tytule "Większe i bardziej podatne na instrukcje modele językowe stają się mniej niezawodne". W swojej publikacji badacze porównali kilka wersji dużych modeli generatywnej sztucznej inteligencji z trzech różnych rodzin: GPT (OpenAI), LLaMa (Meta) oraz BLOOM (grupa badawcza Big Science) poprzez postawienie przed nimi różnych wyzwań - pytań z różnych dziedzin nauki, które sprawiają trudności dużym modelom generatywnej sztucznej inteligencji.

Mowa tu konkretnie o pięciu kategoriach: dodawaniu (umiejętność liczenia), anagramy (przestawianie liter w słowach), lokalizacja (wiedza geograficzna), nauka (różnorodne umiejętności naukowe) i transformacje (transformacje informacji). Zadania lokalizacji polegały na proszeniu chatbotów o zidentyfikowanie najbardziej zaludnionego miasta (miasta docelowego) w promieniu d km od miasta wspomnianego w pytaniu. Zadania naukowe polegały na zadawaniu AI pytań o różnym stopniu trudności bezpośrednio wziętych z zestawu danych OpenBookQA. Z kolei zadania dotyczące transformacji zostały opisane jako "zadania formatowania danych, dotyczące wiedzy o świecie, wyszukiwania informacji, reklamy, administracji, kodowania, planowania i sprzedaży detalicznej", a niektóre z nich są tak proste jak "policzenie ilości liter w wyrazie lub słów w zdaniu".

Podczas gdy duże modele językowe sztucznej inteligencji stają się coraz lepsze w rozwiązywaniu powierzonych im zadań - szczególnie tych łatwiejszych, to w przypadku trudniejszych pytań AI unika odpowiedzi lub "halucynują", czyli po prostu wymyślają odpowiedź, by odpisać człowiekowi cokolwiek.

Tendencja ta została przedstawiona na wykresach. Kolor czerwony oznacza błędne odpowiedzi, kolor szaroniebieski odmowę udzielenia odpowiedzi, a granatowy poprawne odpowiedzi. Oś x reprezentuje postrzegany przez ludzi poziom trudności pytań, a oś y procent wszystkich pytań w danym przedziale "trudności". Z tych można łatwo odczytać, że im trudniejsze pytania, tym bardziej prawdopodobne, że chatbot wstrzyma się z odpowiedzią.

W przypadku najnowszych wariantów modeli AI szare obszary na wykresie nie istniały, gdyż modele starały się odpowiedzieć na każde pytanie, nawet jeżeli oznaczałoby to wygenerowanie błędnej odpowiedzi - halucynacje.

 

Duże modele językowe sztucznej inteligencji obecnie odpowiadają na prawie wszystko. A to oznacza więcej poprawnych, ale też więcej niepoprawnych odpowiedzi. [...] Potrzebujemy ludzi by zrozumieli: Mogę używać [generatywnej sztucznej inteligencji] w tym obszarze, a nie powinienem jej używać w innym obszarze - powiedział Jose Hernandez-Orallo, jeden z autorów publikacji.

Jak mówi Hernandez-Orallo, sprawianie, by chatboty były bardziej skłonne do odpowiadania na trudne pytania, wygląda imponująco i dobrze wypada w benchmarkach, ale nie zawsze jest pomocne.

Wciąż jestem bardzo zaskoczony, że w najnowszych wersjach niektórych z tych modeli, w tym o1 od OpenAI, możesz poprosić je o pomnożenie dwóch bardzo długich liczb, a otrzymasz odpowiedź, która jest nieprawidłowa

Z kolei, jak zaznaczyła Vipula Rawte, informatyk z Uniwersytetu Południowej Karoliny w Kolumbii, w wypowiedzi dla Nature, problem jest znacznie mniej widoczny w przypadku modeli sztucznej inteligencji zorientowanych na konkretne zastosowanie lub dziedzinę. W ich przypadku halucynacje są minimalne, gdyż trenuje się je na wyspecjalizowanych zestawach danych i instruuje, by odmawiały odpowiedzi na pytania wykraczające poza ich wiedzę. Jednak w przypadku "zwykłych", komercyjnych modeli generatywnej sztucznej inteligencji, nastawionych na wiedzę ogólną i przy presji rynku, nie da się uniknąć halucynacji.

Projekt Stargate:

przedsięwzięcie warte 500 miliardów dolarów pomiędzy Oracle, Open AI, Nvidia i Softbank, które może zrewolucjonizować opiekę zdrowotną

Dr Sai Balasubramanian, lekarz medycyny, doktor prawa
 Sai pisze o opiece zdrowotnej, innowacjach i technologii.

Zaktualizowano 22 stycznia 2025 r., 09:25 czasu wschodniego

President Donald Trump announces project Stargate alongisde Oracle Chairman Larry Ellison, Softbank CEO Masayoshi Son and Open AI CEO Sam Altman at the White House on Jan. 21, 2025.

JIM WATSON/AFP VIA GETTY IMAGES

Oracle będzie również miało znaczący udział w tym projekcie, biorąc pod uwagę swoją głęboką wiedzę i doświadczenie w zakresie centrów danych i analizy danych przedsiębiorstw. Ellison, założyciel i prezes firmy, wspomniał podczas konferencji prasowej, że rozpoczęto już budowę niektórych centrów danych w Abilene w Teksasie, które według doniesień są pierwszą lokalizacją tej inicjatywy. Ponadto Ellison wyjaśnił, że jednym z głównych zadań, nad którym zespół już pracuje, jest opracowanie narzędzi do wczesnego wykrywania raka poprzez wykorzystanie sztucznej inteligencji do analizy badań krwi: „diagnoza raka przy użyciu sztucznej inteligencji może być tak prosta, jak zwykłe badanie krwi”.

Głębokie zainteresowanie Ellisona opieką zdrowotną nie jest niczym nowym. Firma Oracle wielokrotnie podkreślała swoje zaangażowanie w redefiniowanie opieki zdrowotnej, czego najlepszym przykładem jest zakup kilka lat temu słynnej firmy Cerner, zajmującej się elektroniczną dokumentacją medyczną, za prawie 28 miliardów dolarów. Niedawno firma ogłosiła, że przeniesie swoją siedzibę do Nashville, miasta znanego z inwestycji w branżę opieki zdrowotnej i technologie.

Inni partnerzy joint venture również intensyfikują swoje działania w sektorze opieki zdrowotnej. Zarówno Microsoft, jak i Nvidia jasno dały do zrozumienia, że opieka zdrowotna jest jednym z ich priorytetów, zwłaszcza w odniesieniu do technologii sztucznej inteligencji. Biorąc pod uwagę indywidualne zainteresowania tych partnerów opieką zdrowotną oraz ich wspólne wysiłki, nowe przedsięwzięcie może zrewolucjonizować ten sektor, zwłaszcza że coraz częściej wykorzystuje się w nim narzędzia sztucznej inteligencji w celu zmniejszenia obciążeń administracyjnych, usprawnienia przepływu pracy oraz dalszego rozwoju precyzyjnych terapii i diagnostyki.

Sztuczna Inteligencja | prof. Włodzisław Duch

https://www.youtube.com/watch?v=9MosKWam-4w

https://spidersweb.pl/2024/10/sztuczna-inteligencja-rozmiar-klamstwa-halucynacje.html

https://www.forbes.com/sites/saibala/2025/01/22/project-stargate-a-500-billion-ai-venture-between-oracle-open-ai-nvidia--softbank-that-will-revolutionize-healthcare/

---

tagi: opieka zdrowotna  sztuczna inteligencja  ai  lekarz  stargate  llm 

	Andrzej-z-Gdanska
	26 sierpnia 2025 06:30

40     1513    7 zaloguj sie by polubić