вы знаете любителей плавать в холодной воде? Оказывается, их гораздо больше, чем можно было бы подумать. И я один из них. Полагаю, из книги уже ясно, что море оказалось для меня неисчерпаемым источников различных инсайтов. Описанный в первых главах опыт ныряния в волнах, «укрощения» стихии, вероятно, стал основой для вполне взрослого эксперимента — заплыва Le Defi de Monte-Cristo. Это пятикилометровый заплыв, повторяющий побег всем известного узника замка Иф из романа Александра Дюма. И если в первом заплыве в 1999 году участвовали всего 25 французских любителей плавания, то в 2021 — уже почти 8000 человек из почти 50 стран мира. Зачем люди это делают? Прежде всего, чтобы проверить свои силы, преодолеть страхи и психологические барьеры и, в конце концов, прочувствовать радость от этого преодоления, «сродниться» с новой средой, которая казалась совершенно чужой и враждебной. И вот морская аналогия: нас накрывает холодной волной нового витка цивилизации. Стоит ли ее бояться? Конечно, нет. Надо научиться плавать, управлять дыханием и поверить в свои силы. Несомненно, работа по-новому может давать такой же стресс, как многочасовое плавание в холодной воде. Но попробовать стоит. И пусть для одних этот заплыв — странная авантюра, для других — это освобождение из мрачного замка Иф собственных страхов и предрассудков.

Полезные тезисы:

Успешная реализация проекта центра телерадиологии — это результат, во-первых, постоянного профессионального развития и поиска, во-вторых, грамотного разделения труда, где каждый занимается тем, что умеет лучше всех, и в-третьих, использование всех доступных средств коммуникации.

Глава 8. Искусственный интеллект: как воспитать одаренного ученика, и кто его родители

Каково это, когда в доме растет вундеркинд? Сначала все умиляются, смотрят, затаив дыхание, на происходящее, на первые проявления одаренности — как на чудеса. А что происходит потом? Приходится преодолевать трудности, работать все больше и больше. Время идет, процесс обучения становится все более сложным, а достижения перестают казаться сверхъестественными. Уже не все получается сразу, восторги постепенно затихают, а вскоре и забываются вовсе. Вчерашний вундеркинд в конце концов может оказаться на месте обыкновенного клерка. Печальная история? И да и нет.

В роли вундеркинда во всей ее неоднозначности пока еще выступает сегодня искусственный интеллект, который активно развивается в медицинской сфере. И на мой взгляд, эта тема становится… токсичной. Потому что завышенные ожидания, футуристические иллюзии, ни на чем не основанные разговоры о феноменальных перспективах, что он всех заменит, рутины не останется, людей тоже — эра Альтрона на пороге. Хочется сказать: стоп! Давайте наконец займемся делом, начнем работать, встраивать этого вундеркинда в реальные жизненные процессы. Нужны малые, пусть даже неуклюжие, шаги вместо больших разговоров. Слишком высокие ожидания неизбежно сталкиваются с проблемами внедрения и зачастую вдребезги разбиваются.

Что такое технологии искусственного интеллекта в медицине? На самом деле, это современное медицинское программное обеспечение, алгоритмы, которые позволяют автоматизировать определенные медицинские функции в здравоохранении. И даже то, что мы уже видим сегодня в действии, уже очень здорово. Подключив дополнительные модули, мы создаем инструменты для диагностов (рентгенологов и других) и для клинических специалистов, которые занимаются непосредственно лечением людей. Получаемые нами данные (медицинские снимки, данные лабораторных и других исследований и т. д.) при поддержке этих алгоритмов обретают новые смыслы, становятся основой для машинного обучения. Однако отбросим иллюзии: алгоритмы, искусственный интеллект, берут на себя функции ассистента, не Альтрона. И большее им недоступно в принципе. По меньшей мере, на горизонте многих и многих лет.

История искусственного интеллекта в медицине началась не вчера и даже не в XXI веке. На самом деле она часть истории зарождения компьютеров, кибернетики в целом, когда компьютеры (вычислительные машины) были гигантскими и медлительными, практически как динозавры. Все начиналось с Алана Тьюринга, автора идеи современных компьютеров и искусственного интеллекта, его игры в имитацию. Он полагал, что машина может думать — точнее, использовать накопленные «знания», аккумулированную информацию по какой-либо конкретной, достаточно узкой теме. Что оказалось чистой правдой. И первые разработки искусственного интеллекта, эта самая игра в имитацию, была очень тесно связана именно с медициной.

Проверка машинного обучения (традиционное для русского языка название искусственного интеллекта) заключалась в прохождении теста Тьюринга. Как это происходило? Человек переписывался с двумя невидимыми собеседниками (задолго до появления электронной почты и мессенджеров!), один из этих невидимых собеседников — человек, второй — компьютер. «Собеседники» отвечают на вопросы по определенной теме, причем ответ может быть и односложным, и развернутым, и задача «тестировщика» — понять, кто из них человек. Задача машины — имитировать человека и ввести в заблуждение тестировщика. И уже в 60-е годы существовали компьютерные программы, которые смогли пройти этот тест. Одна из них даже весьма успешно имитировала психотерапевта, а затем — больного шизофренией, да настолько правдоподобно, почти половина психиатров в эксперименте приняли ответы программы за слова реального больного.

Но что принципиально важно: первоначально машинное обучение было нацелено на имитацию интеллектуальной деятельности человека, и действительно были идеи, надежды, что возможно создать сверхразум. С тех пор, по мере исследования вопроса, эти идеи устарели, трансформировались, от искусственного интеллекта сегодня ждут не творческого начала и сверхидей, а исполнительности и точности. Но, как это часто бывает, устаревшее понимание укоренилось среди обывателей, отсюда и страхи и завышенные ожидания, о которых мы говорили выше. Сегодня совершенно очевидно, что в обучении искусственного интеллекта более рациональным будет использование тех способностей машины, которых не хватает человеку: скорость анализа информации, объем оперативной памяти и т. д. Однако эти характеристики совершенно не были свойственным первым интеллектуальным машинам: в экспериментах середины прошлого века в тестах Тьюринга между сообщениями намеренно вводились паузы, потому что иначе определить машину можно было бы после первого же вопроса — она «соображала» и отвечала намного медленнее, чем собеседник из плоти и крови. С тех пор ситуация изменилась ровно наоборот.

Сегодня нам демонстрируют картины, выполненные искусственным интеллектом, написанную им музыку. Но можно ли это назвать в прямом смысле слова произведениями искусства? Ведь в основе лишь математический анализ трендов и потребления в сфере искусства, вариации на темы. Будем надеяться, что нам не придется ждать нового слова в искусстве и творчестве от искусственного интеллекта. Но использовать его «наблюдательность», способность к анализу и структуризации информации — очень перспективное занятие. И мы используем этот потенциал машинного обучения в лучевой диагностике, в фармакологии, где требуется проанализировать миллионы потенциально пригодных для лечебных целей молекул, в экстренной помощи, когда алгоритмы способны «наблюдать» за больным в палате реанимации и по его движениям,