Ekte presisjon med kunstig intelligens?

Telefonen min åpner seg når jeg viser den ansiktet mitt. Google gjør en ultrarask analyse av hva jeg egentlig leter etter, og når jeg chatter med kundeservice, er det ikke et menneske, men en opptrent algoritme jeg snakker med.

Kunstig intelligens er overalt. Blant annet dominerer den nå avansert bildebehandling. Det merkes også på kreftområdet, forteller professor i kunstig intelligens Morten Goodwin.

– Vi kan trene den kunstige intelligensen til å lære forskjellen på røntgenbilder med og uten kreft. Da jobber KI seg gjennom bildene piksel for piksel utallige ganger, slik den menneskelige hjernen kobler nevron for nevron når et synsinntrykk skal bli til mening. Når programmet har gjort koblingene på mange nok bilder, vil det til slutt skille et bilde med kreft fra et bilde uten, forklarer Goodwin.

Utviklingen er størst innenfor diagnostikken. Her er i mange tilfeller maskiner bedre enn mennesker. Men verken den kunstig intelligensen eller den menneskelige radiologen er feilfrie. Derfor tror Goodwin at de to kan utfylle hverandre.

Arbeidsdeling

– Allerede før en kliniker ser på et tilfelle, kan maskinen settes i arbeid. La oss si den har talt og sortert 500 celler og funnet 480 den er sikker på. Da kan klinikeren konsentrere seg om de resterende 20 cellene, forklarer professoren.

Ifølge Goodwin gjør evnen til kvalifisert synsing, til å vurdere hvert enkelt tilfelle også ut fra perspektiver som den kunstige intelligensen ikke kan innta, at kreftleger ikke kan erstattes av algoritmer.

– Jeg ville vært veldig skeptisk til et system som ga et svar med stor S, understreker han.

Stikkordet er data.

– Jo mer mine barn leser bøker, jo flinkere blir de til å lese. Sånn er det med dataprogrammer også, men de trenger mye mer data enn oss for å lære og for å fjerne statistiske usikkerheter, forklarer Goodwin.

Enormt potensial

De selvkjørende bilene er rett rundt svingen. I dem er den kunstige intelligensen overlatt til seg selv. Goodwin tror imidlertid ikke at KI vil sette legene til side. Igjen er det mengden kvalitetsdata det koker ned til.

Professoren eksemplifiserer med en studie der 130 000 bilder av føflekker ble brukt for å trene opp algoritmen. Det er flere bilder av føflekker enn vi får i Norge på flere tiår. Denne begrensete tilgangen på data styrker ideen om KI som støtte og ikke som fasit.

I framtiden kan det imidlertid komme til å se annerledes ut.

– Hvis man klarer å få til et godt system hvor alle svar som klinikerne kommer med, kan føres tilbake til den kunstige intelligensen, slik at den hele tiden kan lære seg mer, da er potensialet enormt.