|
Искусственный интеллект научили определять уровень глюкозы в крови по ЭКГ
|
Мониторинг уровня сахара в крови имеет большое значение в первую очередь для пациентов с диабетом. Но и людям, которым не поставлен такой диагноз, важно следить за этим показателем.
В последние годы учёные предлагают всё больше альтернативных неинвазивных технологий. Но пока медицина не может удовлетворить потребность пациентов в недорогом и простом устройстве, позволяющем постоянно контролировать уровень глюкозы без повреждения кожи.
Новую перспективную технологию представила международная научная группа. Учёные предлагают использовать искусственный интеллект для обнаружения гипогликемических событий по сигналам электрокардиограммы (ЭКГ).
Поясним, что термином "гипогликемическое событие" обозначается падение уровня сахара в крови. Скачок может произойти из-за приёма слишком большого количества лекарств от диабета, пропуска приёма пищи или обезвоживания, злоупотребления алкоголем, чрезмерных физических нагрузок и так далее.
Если система регуляции уровня глюкозы постоянно даёт подобные сбои, у человека может развиться гипогликемический синдром. Но и одиночные события такого рода могут иметь тяжёлые последствия, вплоть до гипогликемической комы.
В настоящее время для мониторинга гипогликемических событий используются инвазивные методики, и соответствующим датчикам нужно "заплатить кровью".
"Уколы пальцев никогда не бывают приятными, а в некоторых обстоятельствах они крайне обременительны, особенно для детей, - объясняет глава научной группы Леандро Пеккья (Leandro Pecchia) из Университета Уорика. Наша инновация заключается в использовании искусственного интеллекта для автоматического обнаружения гипогликемии с помощью ЭКГ. Это важно, поскольку сердечный ритм можно отслеживать при любых обстоятельствах, в том числе во время сна".
Предыдущее исследование, в котором изучалась возможность отслеживания уровня глюкозы в крови по данным ЭКГ, провалилось, поскольку ИИ сталкивался с огромным разнообразием показателей, поясняют учёные. Ни одна из систем машинного обучения не смогла отыскать универсальные закономерности, которые коррелируют с измерениями уровня глюкозы в крови людей.
Ключевой прорыв команды Пеккья заключается в разработке более продвинутой системы глубокого обучения, которая анализирует сердечные ритмы каждого отдельного пациента.
В статье, представленной в журнале Scientific Reports, авторы сообщают о двух пилотных исследованиях, в которых для обучения ИИ использовались данные здоровых добровольцев.
В испытаниях приняли участие восемь человек. Мониторинг проводился круглосуточно в течение 14 дней подряд.
У четырёх добровольцев было зафиксировано по меньшей мере два гипогликемических события в течение как минимум двух ночей.
Испытания показали, что новая система ИИ на данном этапе выявляет гипогликемические события с точностью 82%. Примерно такой же показатель имеют носимые инвазивные датчики для непрерывного мониторинга глюкозы (continuous glucose monitor).
На рисунке ниже показан результат работы алгоритма: зелёная линия отображает нормальные уровни глюкозы, красная - низкие. Горизонтальная линия обозначает пороговое значение глюкозы - четыре миллимоля на литр. Серая область, окружающая непрерывную линию, отражает диапазон ошибок измерения.
Учёные предоставили и другой наглядный пример. Изображение ниже показывает, как ЭКГ изменяется у двух людей во время гипогликемического события. Сплошные линии отражают среднее значение показателя сердцебиения, когда уровень глюкозы нормальный (зелёный цвет) или низкий (красный). Красные и зелёные тени обозначают стандартное отклонение сердцебиения от среднего значения.
Несложно заметить, что изменения формы "волны" ЭКГ во время гипогликемических событий у двух людей абсолютно разные. Именно этот фактор стал помехой в предыдущих работах, считает команда Пеккья.
Добавим, что подобные модели, выстраиваемые искусственным интеллектом, пригодятся клиницистам. Анализируя положение зубцов (отклонений вверх или вниз от изоэлектрической линии), врач сможет сделать заключение о работе предсердий и желудочков во время гипогликемических событий. Это важные данные, которые могут повлиять на последующую терапию и сделать лечение персонализированным.
В ближайшее время авторы намерены провести более масштабные клинические исследования, которые должны подтвердить эффективность новой технологии и, возможно, помочь в её доработке.
Искусственный интеллект проследит за дыханием тяжелых пациентов
Аппараты искусственной вентиляции легких с искусственным интеллектом помогут врачам Томской областной клинической больницы (ТОКБ). Новые машины смогут сами выбрать подходящий режим работы с учетом анамнеза пациента, что значительно разгрузит сотрудников учреждения, передает РИА Новости.
Два аппарата Hamilton G5 были закуплены за 12 миллионов рублей в рамках национальной программы "Здравоохранение".
"Данные аппараты позволят усовершенствовать высокотехнологичную помощь больным с инсультом и нейрохирургической патологией, нуждающимся в продленной искусственной вентиляции легких", – заявил главный врач ТОКБ Михаил Лукашов.
Новые машины будут работать в региональном сосудистом центре по борьбе с острым нарушением мозгового кровообращения ТОКБ, куда поступают наиболее тяжелые пациенты со всей области. Аппараты могут обеспечить вентиляцию легких больного любого возраста, даже младенцев.
"Аппарат будет выбирать специальные параметры именно для этого больного на каждой фазе вдоха", – сказал заведующий отделением анестезиологии и реанимации регионального сосудистого центра Юрий Петлин.
Он добавил, что врачи любого медучреждения загружены работой, поэтому не могут постоянно находиться рядом с пациентом. Аппарат же считывает данные о состоянии здоровья постоянно и может подать сигнал специалисту, если это необходимо. Искусственный интеллект будет ориентироваться по заданным параметрам, однако последнее слово, подчеркивает Петлин, всегда остается за врачом.
Искусственный интеллект займется диагнозами
Медики и программисты создают национального оператора биомедицинских данных.
Как стало известно «Ъ», ассоциация разработчиков систем искусственного интеллекта совместно с медицинским сообществом приступила к реализации масштабного проекта по созданию национального оператора биомедицинских данных граждан.
Медицинскую big data планируется образовать на принципах государственно-частного партнерства, при котором государство будет отвечать за сохранность данных, а частный капитал — за сервисы по аналитике, диагностированию и выработке рекомендаций по лечению. Риск-офис, созданием которого заняты страховщики, обеспечит аналитическую поддержку оператора — что поможет компаниям лучше тарифицировать свои продукты.
Созданная летом этого года при поддержке Российской венчурной компании (РВК) ассоциация разработчиков и пользователей систем искусственного интеллекта «Национальная база медицинских знаний» приступила к масштабному проекту создания единого оператора биомедицинских данных. На прошлой неделе участники ассоциации и представители Минздрава, медицинского и страхового сообщества провели первое совещание по теме упорядочивания оборота биомедицинских данных.
«Цель — создание экосистемы для разработок в сфере искусственного интеллекта. Одна из ее составляющих, помимо реалистичного нормативного регулирования, — базы биомедицинских данных, на которых системы искусственного интеллекта могли бы обучаться правильным диагнозам», — говорит член объединения Сергей Воинов, руководитель направления цифровой медицины фонда «Сколково».
По словам Михаила Югая, гендиректора Фонда международного медицинского кластера, применение искусственного интеллекта в медицине — важный технологический тренд, который позволит улучшить диагностику заболеваний и автоматизировать рутинные процедуры, такие как анализ рентгеновских снимков и данных УЗИ, а также оптимизировать логистику пациентов в клиниках.
Как пояснил «Ъ» один из участников обсуждения, предполагается, что оборот деперсонализированных биомедицинских данных монополизирует единый оператор, к ним будут допущены разработчики систем искусственного интеллекта в медицине. Ожидаемый эффект от деятельности оператора — рост российских стартапов в области искусственного интеллекта.
Как сообщил член наблюдательного совета ассоциации «Национальная база медицинских знаний» Игорь Горбунов, никто из собравшихся на обсуждение не оспаривал необходимость подобных сервисов: «Дискуссия больше шла о форме оператора. Те, кто высказывал опасения о сохранности этих данных, настаивали на том, что это должен быть государственный оператор. Рассуждавшие о будущей практике оператора резонно замечали, что потребуется внебюджетное финансирование».
По словам Игоря Горбунова, точкой баланса, вероятнее всего, станет государственно-частное партнерство: государство будет хранить данные, а частный капитал — развивать на их базе сервисы. При этом для появления такого оператора потребуется законодательно уточнить порядок оборота такой информации.
Ключевой вопрос — собственность деперсонализированных данных. «Если эти данные станут относительно дорогими, реальную возможность использования получат не отечественные стартапы, а иностранные игроки в сфере искусственного интеллекта», — говорит собеседник «Ъ». По мнению господина Горбунова, страховщики — прямые перспективные пользователи такой системы: «Создание риск-офисов на основе больших биомедицинских данных позволит внедрить принципиально новые сервисы для клиентов, адаптивные тарифные планы, основанные на просчитанных рекомендациях для бизнеса».
Аналитической поддержкой оператора займется национальный риск-офис — проект по управлению социальными и экономическими рисками страны, созданием которого сейчас занят Всероссийский союз страховщиков (ВСС). Как рассказал «Ъ» вице-президент ВСС Максим Данилов, страховщики сейчас вообще не имеют доступа к медданным. «Даже если пациент не против такого доступа, медсообщество игнорирует его право распоряжаться персональными данными о своем здоровье», — говорит он. Возможную будущую практику работы системы он описывает так: данные хранятся у оператора, если гражданин дает право на их анализ для построения предиктивных моделей, то силами риск-офиса они моделируются — на их основании можно будет формировать индивидуальные программы страхования жизни или планы лечения.
В случае появления национального оператора медданных страховщики обещают точнее настраивать свои продукты. Отметим, что они уже пользуются иностранными разработками в этой сфере. Например, весной компания «Сбербанк страхование жизни» заключила договор с IBM по использованию системы Watson for Oncology. Это система искусственного интеллекта для выработки рекомендаций по лечению онкологических заболеваний.
По словам господина Воинова, срок создания баз данных по группе наиболее распространенных заболеваний может занять от трех до пяти лет — «если на это будет политическая воля». «Пока мы видим большой интерес со стороны государства — цифровизация медицинских баз данных даст новые возможности не только IT-компаниям, но и национальной системе здравоохранения в части формирования более достоверной медицинской статистики», — говорит он. По его словам, стоимость создания баз по одной группе заболеваний может составлять несколько миллиардов рублей государственных и частных средств.
Татьяна Гришина, Анастасия Мануйлова
Искусственный интеллект за минуты поставил инвалида на ноги
Компьютерный алгоритм значительно ускорил адаптацию людей с ампутированной ногой к роботизированному протезу. В результате время начала самостоятельной ходьбы сократилось с нескольких часов до минут. Описание разработки опубликовано в журнале IEEE Transactions on Cybernetics.
Одним из самых перспективных вариантов современного искусственного интеллекта является машинное обучение с подкреплением. В рамках такого подхода компьютерная программа в автоматическом режиме пытается решить задачу, при этом получая «вознаграждения» за хорошие результаты.
На этом принципе основана программа AlphaZero, которая смогла выиграть у лучших спортсменов-людей в настольную игру го, а также показывает впечатляющие результаты в других играх, таких как шахматы, Dota 2 и Starcraft II.
В новой работе исследователи применили аналогичный подход к разработке программного обеспечения для роботизированного протеза ноги. Результат опробовали на одном пациенте с ампутированной чуть выше колена конечностью. Обычно таким людям для передвижения без посторонней помощи необходимо много часов тренировок, а также длительные настройки протеза специалистами вручную для соответствия индивидуальным особенностям ходьбы.
Настройка протеза сложна и включает подбор 12 параметров, управляющих такими свойствами, как жесткость коленного сустава и диапазон хода при размахивании ногой. Алгоритм обучался на достаточно небольшом наборе данных, которые собирались специальными сенсорами на протезах других людей с ампутированными ногами.
Авторы отмечают, что несмотря на впечатляющие результаты, алгоритм еще далек от масштабного применения, так как на данный момент рассчитан только на ходьбу по прямой поверхности. В дальнейшем исследователи собираются добавить новые движения, в первую очередь подъем и спуск по лестницам, а также протестировать разработку на большем количестве нуждающихся.
Искусственный интеллект обошел людей в точности распознавания рака
Система искусственного интеллекта превзошла экспертов в точности анализа женских рентгенограмм и определении рака молочной железы, передает РИА Новости. Об этом сообщили в корпорации Google, где и была разработана система.
Представители Google в сотрудничестве с несколькими компаниями провели исследование, в ходе которого применили систему искусственного интеллекта (ИИ) для распознавания рака. После настройки и обучения модель ИИ использовали для анализа рентгенограмм более 25 тысяч женщин в Великобритании и трех тысяч женщин в США.
В ходе этого исследования система Google показала снижение ложноположительных результатов на 5,7 процента и 1,2 процента в США и Великобритании соответственно. Число ложноотрицательных результатов снизилось на 9,4 процента и 2,7 процента соответственно.
"Эти данные показывают, что наша модель искусственного интеллекта установила рак молочной железы по результатам скрининговой маммографии с большей точностью и меньшим количеством ложноположительных и ложноотрицательных результатов, чем эксперты", - говорится в заявлении Google.
Компания отмечает, что эта модель искусственного интеллекта может улучшить точность и эффективность программ обследования, а также "уменьшить время ожидания и стресс для пациентов". Однако для того, чтобы применить ее для лечения пациентов, нужно провести ряд клинических и других исследований, а также получить разрешение со стороны соответствующих органов власти.
Медицина будущего
Всех врачей заменят роботы: выиграет ли от этого человек?
Отрывок из новой книги Андрея Курпатова "Четвертая мировая война. Будущее уже рядом!"
По данным корпорации RAND, которая занимается системными исследованиями в этой области, лишь 55% взрослых пациентов американских медицинских центров получают надлежащую терапию. А это значит, что оставшиеся 45% прямо или косвенно страдают от врачебных ошибок и некачественно оказанной медицинской помощи.
Разумеется, это бардак, а врачебные ошибки нам не нужны совершенно. Поэтому если люди-врачи уже не справляются с накопленным наукой объёмом знаний, то почему бы их не отстранить от дел вовсе?.. И это время очень близко!
Поэтому если люди-врачи уже не справляются с накопленным наукой объёмом знаний, то почему бы их не отстранить от дел вовсе?..
Вероятно, вы знаете телепрограмму для умников «Своя игра», но это знаменитая международная франшиза – калька с американского формата «Jeopardy!». В ней у нас побеждали Александр Друзь, Борис Бурда, Анатолий Вассерман. Все как один – интеллектуальные глыбы.
Но с 2011 года любой интеллектуал и эрудит проигрывает в этой игре суперкомпьютеру IBMWatson. Watson не просто знает все ответы (имея свободный доступ к объёмным базам данных, это, наверное, и не слишком сложно), он научился понимать вопросы – различать подтекст, метафору, языковую игру и т. д. Прежде всё казалось невозможным.
Действительно, особенность «Своей игры» («Jeopardy!») – в том, что вопросы к участникам формулируются хитро и двусмысленно.
Вот, например, вас спрашивают: «Самопроизвольно закипает и без внешних причин охлаждается, хорошо взаимодействует с металлами одиннадцатой группы таблицы Менделеева, помогает снять стресс и является эффективным чистящим и моющим средством. Что за создание описано в одном журнале?»
Даже человеку непросто догадаться, что это «создание» – женщина. Меня, например, на этот ответ может навести только тот факт, что к металлам одиннадцатой группы относятся золото и серебро. Но как до этого додумывается IBM Watson, непонятно категорически – причём ни нам смертным, ни даже её создателю – Дэвиду Ферруччи.
Машина – IBM Watson – просто бьёт вопрос на отдельные элементы, затем обращается к огромной базе данных, получает некие комбинации фактов и сопоставляет одни с другими. Когда же она получает необходимое совпадение – бинго! – жмёт на виртуальную кнопку, а её соперники-люди оказываются посрамлены.
IBM Watson выигрывает в Jeopardy
Уже тогда – в далёком 2011 году – мозг Watson’а представлял собой параллельную вычислительную систему, состоящую из девяноста серверов IBM Power 750. Система была способна анализировать 500 гигабайт информации в секунду, или, если перевести на человеческий язык, анализировала примерно 3,6 миллиарда книг в час.
Представьте, какой апгрейд она пережила к настоящему моменту… Тем более что участие IBM Watson в «Jeopardy!» было лишь тренировкой и хорошим рекламным трюком.
На самом деле Watson создан, конечно, не для игр. Он призван полностью заменить врачей и уже неплохо с этой задачей справляется[1]. В конце концов, что такое набор симптомов, которые демонстрирует больной на приёме у врача, как не такой вот каверзный вопрос с набором двусмысленностей?
Как врач скажу, что именно такую задачу и решает ваш доктор, когда изучает кипу анализов и расспрашивает вас о симптомах болезни.
Действительно, ты сначала бьёшь множество фактов на отдельные кластеры, сверяешь их со своим медицинским багажом, получаешь какие-то отдельные вероятностные ответы, уточняешь что-то, чтобы проверить свою гипотезу, а затем смотришь, какое совпадение фактов наилучшим образом укладывается в логику того или иного заболевания.
Только теперь давайте хотя бы гипотетически сравним «багаж медицинских фактов», которые могут находиться в голове одного, пусть даже гениального доктора, с теми базами данных по медицине, экологии, эпидемиологии, фармакологии и т. д. , которыми может обладать наш новый добрый доктор Watson… Думаю, даже сравнивать бессмысленно – Watson выигрывает с разгромным счётом!
Да, это поначалу пугает: как – отдать человека и его здоровье на откуп бесчувственной машине?! Но ежегодные инвестиции в обучение Watson’а врачебному искусству исчисляются сейчас миллиардами долларов, и я не преувеличиваю. Так что это просто дело времени. Скоро он будет щёлкать и лечить болезни как орехи.
Теперь заглянем ещё чуть-чуть подальше в будущее и представим себе капсулу: вы в неё залезаете, она вас сканирует, делает расчёт с учётом всех существующих на данный момент медицинских знаний и, даже минуя фазу диагноза, выдаёт вам индивидуальное лекарство, учитывающее все особенности вашего организма (включая аллергический статус, например, или непереносимость лактозы). Ни один врач на это не способен и никогда способен не будет. Тогда зачем он вообще нужен? Все в сад, товарищи!
Впрочем, про капсулу я немножко подзагнул – ну хочется хоть чуть-чуть медицинской техники, по старой врачебной памяти! На самом деле капсулу, видимо, заменит обычный смартфон, который будет общаться напрямую с облаком, в котором заживёт в скором времени тот самый Большой Доктор Watson.
Вы спросите: а как же анализы? Это ещё одна технологическая штука из области научной фантастики, которая, впрочем, уже сейчас в стадии реализации и массового внедрения.
Компания Tribogenics, например, придумала замену рентгеновскому аппарату на основе липкой ленты – я не шучу, что-то именно наподобие липкой ленты из хозтоваров и используют! Универсальной диагностической лабораторией крови скоро станет гидротропный полимер, разработанный Джорджем Уайтсайдсом. Кстати, его можно будет напечатать на обычном к тому времени домашнем 3D-принтере.
Или вот, например, компания Nanobiosym доктора Аниты Гоэл (Анита пока ещё человек) создала «Лабораторию на чипе». Звучит очень помпезно, не правда ли? В действительности это нехитрая нанотехнологическая платформа, которая по капле вашей слюны или крови определяет ДНК- или РНК-следы любого патогена. Уже сейчас эта технология позволяет за 15 минут по одной-единственной капле крови провести тестирование на ВИЧ. А стоит это удовольствие – закон Мура-Курцвейла! – меньше одного доллара.
Как вы уже, наверное, догадываетесь, все эти анализы, которые вы самостоятельно сможете провести у себя дома,будут автоматически отправлены вашим гаджетом облачному доктору Watson’у. Потом необходимые вам лекарства напечатает, надо полагать, тот же 3D-принтер. И всё, клиники по всему миру можно смело закрывать…
Ещё, правда, осталась хирургия, которую мы здесь не обсудили… Но я пожалею ваше воображение, поскольку даже для меня это уже чересчур. Если же вам всё-таки интересно и не терпится заглянуть в будущее хирургии – погуглите Da Vinci Surgical System. Завораживает, что эта хирургическая система уже делает, и самое главное – чем, как планируется, она будет заниматься в самом ближайшем будущем[2].
Сейчас, когда врач, например, проводит лапароскопическую операцию, он следит за действиями специальных манипуляторов, находящихся в организме пациента, через экран монитора. А теперь представьте, что он будет «находиться» прямо внутри вашего организма – пусть и виртуально, но с абсолютной достоверностью. Через паузу, впрочем, и самого хирурга уже не потребуется...
Da Vinci Surgical System
Отрывок из новой книги Андрея Курпатова "Четвертая мировая война. Будущее уже рядом!"
[1]По иронии судьбы, а может и закономерно, тут снова не обошлось без Курцвейла: над обучением Watson’а медицинским специальностям работает медицинская школа штата Мэриленд, Колумбийский университет и компания Nuance Communications, которая была первым стартапом Курцвейла и называлась тогда Kurzweil Computer Products.
[2] Добавлю, что в 2015 году компании Google и Johnson&Johnsonобъявили о совместном проекте по производству робота-хирурга, который, по их заверениям, будет многократно превосходить возможности VinciXi.
Как успешно использовать искусственный интеллект в здравоохранении, праве и сельском хозяйстве?
Эстония, балтийская страна с населением всего в 1,3 млн человек на сегодняшний день считается одной из самых передовых. Она известна как одна из самых технологически развитых стран не только благодаря своим четырем единорогам (Skype, Playtech, TransferWise и Bolt) - стартап-компаниям, стоимость которых оценивается в более $1 млрд, но и благодаря своему правительству, которое активно внедряет искусственный интеллект (ИИ).
Отт Велсберг, главный директор по данным правительства Эстонии, курирующий управление данными и науку о данных в государственном секторе, был приглашен выступить в программе Алмаса Серикулы под названием LIFT («Право, инновации, финансы и технологии»). Спикер рассказал об использовании ИИ в Эстонии государственным и частным секторами, горячо обсуждаемом роботе-судье, а также о том, как менее технологически развитые страны могут догнать более развитые.
Эстония – одна из немногих стран, если не единственная в мире, где существует должность главного директора по данным на уровне правительства. Не могли вы рассказать о своей работе?
- Я начал работу в августе прошлого года, и, как вы отметили, стал первым в стране главным директором по данным. Я являюсь ответственным за все, что связано с данными: от управления данными до науки о них. Эти две области являются довольно обширными. Управление данными варьируется от качества данных до метаданных, семантики и так далее. Наука же о данных рассматривается с более практической, прикладной стороны. Если говорить об искусственном интеллекте, то здесь есть и простая аналитика, и образование, и исследования. Как видно, темы чрезвычайно обширны. Сама область данных является очень широкой и, возможно, все еще недостаточно развитой, даже в Эстонии.
В одном из своих недавних интервью вы сказали, что правительство Эстонии поставило амбициозную цель – довести число проектов с использованием ИИ до 50 к концу 2020 года. Не могли бы вы рассказать о некоторые из них?
- Сегодня у нас есть уже 23 примера практического применения ИИ в госсекторе. Например, мы используем машинное обучение, чтобы определить, были ли скошены луга или нет. Мы выплачиваем фермерам субсидии в размере примерно €200 млн и ожидаем, что они будут косить луга как минимум раз в год. Ранее мы делали анализ на месте, то есть мы ходили на ферму и смотрели была ли скошена трава. Теперь же мы можем делать это благодаря спутниковым снимкам.
Также мы можем определить, какие деревья растут в лесу опять же благодаря снимкам со спутников, а также по данным бортовых лидарных измерений. Мы также выявляем различные аномалии и инциденты благодаря X-road – это наш протокол для обмена данными между разными информационными системами. Кроме того, мы используем видеоанализ для подсчета количества автомобилей на разных дорогах.
Мы также используем ИИ в секторе здравоохранения для того, чтобы понять, когда тот или иной человек должен быть доставлен в больницу и каковы его медицинские потребности. Этот проект был инициирован и профинансирован Всемирным банком. Есть и другие простые вещи, такие как чат-боты. Мы также используем ИИ для преобразования голоса в текст; чистки различных документов от личной информации, так как это чрезвычайно важно в современном мире - мы не хотим, чтобы личная информация была общедоступной.
Есть ли оценки, сколько рабочих мест может высвободиться из-за этих нововведений?
- Трудно сказать, ведь мы автоматизируем не всю работу, а только ее часть. Например, если человек сейчас выполняет функции А, B и C, то мы фактически автоматизируем только часть А. Таким образом, работники теперь могут сосредоточиться на вещах, которые не так легко автоматизировать. Трудно предсказать, сколько рабочих мест можно автоматизировать, потому что даже в самом правительстве мы видим, что люди теперь могут выполнять другую, более сложную работу.
Каковы инвестиции государства в эти проекты?
- В ИИ в целом (включает в себя также машинное обучение, науку о данных) мы инвестируем порядка €10 млн в ближайшие три года. Это включая и некоторые другие вещи, которые напрямую не связаны с ИИ. Например, нашу магистерскую программу «Наука о данных», которая будет запущена в следующем году. Она создаст профессиональную компетенцию обучающимся. Мы также поддерживаем научные исследования, которые проводятся правительством.
Одним из проектов, получивший недавно широкую известность, является создание судьи с ИИ. Расскажите, пожалуйста, подробнее об этом проекте?
- Сейчас не так много можно сказать об проекте, над ним еще идет работа. На самом деле здесь речь идет о полной автоматизации приказного производства (судопроизводство о взыскании денег. – F). На сегодня оно автоматизировано наполовину.
Этот проект не отберет ничью работу, потому что более половины работы уже автоматизирована, а остальная часть работы выполняется референтом, т.е. есть человеком, который помогает судье. В этих судебных разбирательствах рассматриваются не доказательства, а только факты. Например, соответствует ли иск установленному максимальному финансовому пределу. Возможно, по этой причине в Эстонии этот проект вызвал нулевой интерес со стороны юридического сообщества, главным образом интерес к нему был из-за рубежа.
В Эстонии государство опережает бизнес по темпам внедрения ИИ, или есть такие же впечатляющие примеры частных инвестиций?
Есть множество замечательных компаний, представляющих частный сектор. Но, прежде чем перейти к примерам, я просто отмечу, что правительство Эстонии в этом плане несколько опережает частный сектор. Во всем мире Эстония выделяется как страна, где государственный сектор активно внедряет ИИ. В то же время, частный сектор может похвастать компанией Cleveron, разработавшей роботов-курьеров; компанией Bolt, являющейся конкурентом Uber. Даже то самое решение, связанное со спутниковыми изображениями, которое я упомянул ранее - SATIKAS, фактически предлагается частным сектором. Все, что делает правительство, всегда делается в сотрудничестве с частным сектором. У нас действительно имеется ряд разных интересных примеров. Одним из этих примеров также является Starship Technologies.
Население Эстонии составляет всего 1,3 млн человек, но она имеет 4 компании-единорога. Что, по вашему мнению, является ключом к успеху?
- Я считаю, что сыграл менталитет. У эстонцев в целом предпринимательское мышление, они готовы пробовать новое. В то же время государственный сектор всегда опирается на частный. У нас сложилось мнение, что частный сектор должен предпринимать усилия и заниматься различными проектами. А государственный сектор должен что-то делать только тогда, когда частный сектор по какой-то причине не может, или для общества выгоднее, чтобы этим занималось правительство.
Что вы можете посоветовать странам, которые не являются технологически продвинутыми?
- Тяжело ответить без знания о стране. Я считаю, что эстонская модель не обязательно сработает в других странах, потому что мы начинали со своих стартовых позиций. Например, если говорить о некоторых африканских странах, то у них может не быть того наследия, которое у нас было тогда. Но они могут начать с нуля и могут сделать больший скачок. Когда речь идет об ИИ, то перед запуском каждого проекта мы спрашиваем себя: зачем он нужен? будет ли успешен?
