Odcinek 52. Przesuwanie granic poznania dzięki sztucznej inteligencji
Czas trwania: 00:33:47
Spotify
Apple Podcasts
YouTube
Transkrypcja
Podcast CORDIScovery - Odcinek #52 - Przesuwanie granic poznania dzięki sztucznej inteligencji
Poniższy tekst jest tłumaczeniem transkrypcji przygotowanej przez SI.
00:00:00:00 - 00:00:39:04
Abigail Acton
Witamy słuchaczy i słuchaczki podcastu CORDIScovery! Dzień dobry i zapraszam do wysłuchania nowego odcinka podcastu CORDIScovery! Z tej strony Abigail Acton. Sztuczna inteligencja. Gdy słyszymy o sztucznej inteligencji, zwykle pytamy, czy zmierzamy ku dystopijnej przyszłości, czy raczej rzeczywistości, w której proste i powtarzalne zadania staną odejdą do lamusa. Uczenie maszynowe sprawia, że zastanawiamy się nad algorytmami. Czy ułatwiają nam życie? A może są zbyt inwazyjne? Największe korporacje gromadzą dane, aby trenować duże modele językowe z dala od oczu użytkowników.
00:00:39:08 - 00:01:04:12
Abigail Acton
Nie ma żadnych wątpliwości, że sztuczna inteligencja jest naprawdę istotnym zagadnieniem. Jednak czy jest czymś dobrym, czy raczej czymś złym? Odpowiedź na to pytanie wciąż pozostaje przedmiotem dyskusji. Nie ma jednak żadnych wątpliwości, że sztuczna inteligencja i powiązane z nią narzędzia stanowią prawdziwy przełom w badaniach. Możemy o tym mówić bez cienia wątpliwości, przynajmniej jeśli chodzi o trzy przedstawione dziś projekty, których autorzy otrzymali dofinansowanie ze środków Unii Europejskiej na badania naukowe i innowacje. Troje zaproszonych gości wykorzystuje te narzędzia, aby rozwijać nowe technologie i dokonywać odkryć, które były dotychczas niemożliwe.
00:01:04:14 - 00:01:29:13
Abigail Acton
Przyglądamy się sposobom, w jakie sztuczna inteligencja poszerza granice wiedzy, pozwalając nam poprawić profilaktykę, a także usprawnić leczenie i rehabilitację pacjentów po udarze. Widzimy, jak daje głos dotychczas nieznanym kobietom z historycznej Irlandii, a także pomaga w opracowaniu niewielkiego, ale skutecznego systemu wykrywania zagrożeń biologicznych, który uratuje wiele istnień. John Kelleher jest dyrektorem Ośrodka Badań Adapt Research Ireland Center for AI-driven Digital Content Technology.
00:01:29:15 - 00:01:40:08
Abigail Acton
Jest także wykładowcą informatyki na Trinity College Dublin. Jego badania koncentrują się na wykorzystaniu sztucznej inteligencji w celu lepszego zrozumienia i leczenia złożonych schorzeń. Dzień dobry, John. Bardzo mi miło.
00:01:40:11 - 00:01:44:20
John Kelleher
Dzień dobry, Abigail. Dziękuję za zaproszenie i już nie mogę się doczekać naszej rozmowy.
00:01:44:22 - 00:02:01:09
Abigail Acton
Jane Ohlmeyer, wykładowczyni historii nowożytnej na Trinity College Dublin i była przewodnicząca Irlandzkiej Rady Naukowej jest ekspertką w dziedzinie nowożytnej historii brytyjskiej i atlantyckiej. Badaczka wykorzystuje sztuczną inteligencję w celu odtwarzania doświadczeń zwyczajnych kobiet z wczesnonowożytnej Irlandii. Dzień dobry, Jane.
00:02:01:11 - 00:02:02:23
Jane Ohlmeyer
Dzień dobry. Cieszę się, że mogłam do was dołączyć.
00:02:03:00 - 00:02:09:01
Abigail Acton
Miło mi, że do nas dołączyłaś. Béla Mihalik jest starszym programistą zatrudnionym w węgierskiej spółce Ideas Science.
00:02:09:03 - 00:02:19:12
Abigail Acton
Specjalizuje się w wykorzystywaniu sztucznej inteligencji i algorytmów uczenia głębokiego w celu opracowywania nowych narzędzi, które mogą szybko wykrywać potencjalne zagrożenia biologiczne w postaci patogenów i bakterii. Dzień dobry, Béla.
00:02:19:14 - 00:02:21:00
Béla Mihalik
Dzień dobry. Dziękuję za zaproszenie.
00:02:21:06 - 00:02:39:13
Abigail Acton
Dziękuję za przybycie. Dziękuję. Pozwól, że zacznę od ciebie, John. Prace w ramach projektu STRATIF-AI opierały się na wykorzystaniu uczenia maszynowego w opiece nad pacjentami po udarze mózgu, aby zapewnić szybsze i bardziej spersonalizowane wsparcie. John. Sektor opieki zdrowotnej jest jednym z obszarów, które korzystają ze sztucznej inteligencji w największym stopniu. Czy możesz powiedzieć nam coś więcej na temat celów projektu STRATIF-AI?
00:02:39:15 - 00:03:07:03
John Kelleher
Jak najbardziej. Projekt STRATIF-AI koncentruje się na łączeniu zróżnicowanych zbiorów danych w celu wyciągania wniosków na temat życia i losów pacjentów na różnych etapach, ze szczególnym uwzględnieniem udaru i jego skutków. Próbujemy zrealizować ciągłą stratyfikację, stąd właśnie wzięła się nazwa projektu. W praktyce staramy się budować narzędzia oparte na sztucznej inteligencji, które są w stanie na bieżąco oceniać ryzyko wystąpienia udaru mózgu u danej osoby przez całe jej życie, pomagać w zarządzaniu ryzykiem udaru, a także skuteczniej radzić sobie z jego skutkami.
00:03:07:05 - 00:03:16:06
Abigail Acton
W porządku. Wspaniała sprawa. W jaki sposób dobierałeś pacjentów w celu obserwacji i w jaki sposób rekrutowałeś uczestników do tego badania?
00:03:16:08 - 00:03:40:01
John Kelleher
Dążyliśmy do zebrania szerokiego grona pacjentów obejmującego całą ludność, nie zaś specyficzną kohortę. Chcemy być w stanie badać całość populacji, aby opracować narzędzia dostosowane do wszystkich ludzi. Narzędzia, które będą w stanie obserwować daną osobę przez całe życie, od młodości, aż po udar mózgu w podeszłym wieku, leczenie i powrót do normalnego funkcjonowania w społeczeństwie.
00:03:40:01 - 00:03:45:00
John Kelleher
Naszą ambicją jest zapewnienie wszystkim pacjentom wsparcia i nowych możliwości dzięki badaniom.
00:03:45:02 - 00:03:53:01
Abigail Acton
Rozumiem, brzmi wspaniale. To naprawdę świetny cel. W jaki sposób wykorzystujecie w tym celu sztuczną inteligencję? Co daje wam sztuczna inteligencja?
00:03:53:03 - 00:04:17:06
John Kelleher
Łączymy dwa różne rodzaje sztucznej inteligencji w ramach naszych badań. Pierwszy z nich nazywamy modelem cyfrowego bliźniaka. Cyfrowy bliźniak to koncepcja modelu obliczeniowego, który jest dostosowany do danej osoby. Stworzenie cyfrowego bliźniaka sprawia, że model jest dość łatwy do interpretacji. To wynika z jego struktury. Jesteśmy w stanie zrozumieć, w jaki sposób różne zmienne opisujące stan zdrowia danej osoby zmieniają się w czasie.
00:04:17:08 - 00:04:56:23
John Kelleher
Ale pojawiają się też pewne wyzwania, jeśli chodzi o możliwość rozwoju tych modeli i skalowalności rozwiązania w przypadku dużych populacji, a także zestawiania zróżnicowanych typów danych. Technologie cyfrowego bliźniaka łączymy z algorytmami uczenia maszynowego. Uczenie maszynowe to metoda analizy dużych zbiorów danych w celu wyodrębnienia wzorców i zależności między różnymi cechami. Łącząc oba te podejścia - uczenie maszynowe i sztuczną inteligencję opartą na cyfrowych bliźniakach - staramy się tworzyć spersonalizowane, interpretowalne i skalowalne systemy, które pozwalają na łączenie dużych, zróżnicowanych zbiorów danych, aby prezentować na przykład ryzyko wystąpienia udaru i umożliwić pacjentom zarządzanie tym ryzykiem.
00:04:56:24 - 00:05:02:13
Abigail Acton
Świetnie. Zapewne w dalszej kolejności otrzymują też porady, które pozwalają im ograniczyć to ryzyko.
00:05:02:15 - 00:05:30:00
John Kelleher
Och, dokładnie tak. Tak jest. Chcemy mieć możliwość dostosowania sugerowanych działań do indywidualnego ryzyka udaru mózgu i pomóc pacjentom zrozumieć, jak zmienia się ono w ciągu całego życia i jak zmiany stylu życia mogą na nie wpłynąć. Jedna z najbardziej interesujących możliwości wiąże się z tym, że im wcześniej dana osoba dokona zmiany w swoim życiu pod kątem ryzyka udaru, tym większy będzie miało to wpływ na skumulowane ryzyko w ciągu całego życia.
00:05:30:05 - 00:05:58:09
John Kelleher
Nawet niewielka zmiana dokonana na bardzo wczesnym etapie życia, na przykład obniżenie poziomu cholesterolu, może przynieść ogromne korzyści w całym okresie życia. A im wcześniej wprowadzimy odpowiednie działania, tym większe będą skumulowane korzyści. Można zatem wywnioskować, że im dłużej będziemy zwlekać ze zmianami i interwencjami, tym bardziej wzrośnie ich intensywność i na przykład pacjenci będą musieli zażywać leki.
00:05:58:11 - 00:06:10:03
John Kelleher
Chcemy więc, by ludzie zrozumieli ryzyko już na wczesnym etapie życia i wprowadzili drobne zmiany w stylu życia, które pomogą im uniknąć poważniejszych interwencji w późniejszym okresie.
00:06:10:05 - 00:06:26:22
Abigail Acton
No i oczywiście nie możemy zapominać o tym, że różnica względem obecnego podejścia stosowanego w systemie opieki zdrowotnej, które zakłada, że należy jeść pięć porcji warzyw i owoców dziennie i chodzić ileś kroków i tak dalej... Różnica polega na tym, że wasze porady będą w dużym stopniu dostosowane do danej osoby.
00:06:26:22 - 00:06:35:13
Abigail Acton
Macie znacznie bardziej szczegółowy wgląd w różne dane, które ze sobą współgrają. Czy właśnie na tym polega to rozwiązanie?
00:06:35:15 - 00:06:59:01
John Kelleher
Jak najbardziej. Jednym z fascynujących aspektów dotyczących zdrowia i medycyny jest to, że choć możemy uzyskać i wyodrębnić informacje o czynnikach ryzyka na poziomie populacji, to jednak wszyscy jesteśmy różni. Sposób, w jaki poszczególne czynniki oddziałują na siebie nawzajem w obrębie naszych organizmów, też jest różny. Staramy się więc tworzyć modele, które są spersonalizowane i dostosowane do indywidualnych potrzeb, aby badać czynniki ryzyka.
00:06:59:01 - 00:07:32:24
John Kelleher
Możemy na przykład założyć, że niektórzy ludzie mają genetyczne predyspozycje do występowania określonych czynników ryzyka. Dochodzi do tego epigenetyka, która zakłada, że nasz styl życia włącza i wyłącza geny, które wywołują, nasilają, wzmacniają lub zmniejszają czynniki ryzyka. Próba powiązania informacji genetycznych ze stylem życia, środowiskiem i wychowaniem zapewnia nam bardziej spersonalizowany profil ryzyka jednostki, niż gdybyśmy założyli po prostu przykładową osobę losowo wybraną z populacji.
00:07:32:24 - 00:07:47:15
Abigail Acton
Dodatkową korzyścią jest to, że dzięki spersonalizowanym informacjom pacjenci są znacznie bardziej zmotywowani do postępowania zgodnie z zaleceniami. Znacznie łatwiej jest, gdy zalecenia są opracowane dla mnie, dla Johna Kellehera lub kogokolwiek innego. Myślę, że pacjenci mogą traktować to poważniej.
00:07:47:17 - 00:08:08:19
John Kelleher
Jednym z najbardziej interesujących aspektów projektu jest to, że nasz partner w Linköping, który koordynuje projekt, wpadł na pomysł wykorzystania cyfrowego bliźniaka. Interesującym aspektem cyfrowego bliźniaka jest to, że możemy symulować stan zdrowia w czasie. Rozwijamy koncepcję cyfrowego bliźniaka obejmującą interfejs graficzny.
00:08:08:21 - 00:08:26:10
John Kelleher
Możemy nie tylko określić poziom ryzyka, ale także oszacować, jak będzie zmieniać się w czasie. Możemy to także przedstawić w formie graficznej, dzięki czemu stanie się to bardziej widoczne. Możemy pokazać proces starzenia i porównać go z tym samym procesem przy innym stylu życia, możemy poprawić przestrzeganie zaleceń, pomagać pacjentom i motywować ich do działania.
00:08:26:16 - 00:08:39:13
Abigail Acton
Zdecydowanie. Nie ukrywam, to brzmi bardzo motywująco. Czy takie rozwiązanie jest dostępne w formie aplikacji na telefon? Czy można po prostu wyciągnąć urządzenie z kieszeni i zobaczyć wybory, których dokonujesz, a także ich skutki w czasie rzeczywistym? Czy to będzie ostateczny cel prac?
00:08:39:15 - 00:09:06:12
John Kelleher
Mówimy tu o dwóch różnych aspektach. Jak najbardziej. Jednym z nich jest gromadzenie spersonalizowanych informacji na temat zdrowia w telefonie, dzięki czemu można nosić przy sobie własną kartotekę i pełną dokumentację graficzną. Drugim jest większe urządzenie wykorzystywane w ramach interwencji nazywanej dialogiem zdrowotnym, w ramach której użytkownik umawiałby wizytę lekarską raz na pięć lub dziesięć lat, a my bylibyśmy w stanie przeprowadzić symulację i opracować plan z udziałem użytkownika.
00:09:06:18 - 00:09:27:09
John Kelleher
Możemy też przeprowadzić symulację skanu całego ciała, dzięki czemu będziemy w stanie powiedzieć pacjentowi, że jeśli wprowadzi określone zmiany, na przykład zmniejszy spożycie kalorii i obniży poziom cholesterolu, to stanie się to lub tamto. Po przekazaniu tych informacji, możemy odbyć dialog z pacjentem, który może go następnie przemyśleć. Może się zastanowić, jaki plan chce realizować w ciągu najbliższych 5 lub 10 lat.
00:09:27:10 - 00:09:28:00
Abigail Acton
Świetnie.
00:09:28:02 - 00:09:34:17
John Kelleher
Chodzi o to, by pacjenci i lekarze rozmawiali ze sobą i wspólnie opracowywali plany leczenia i wsparcia.
00:09:34:17 - 00:09:45:08
Abigail Acton
Czyli chodzi raczej o współpracę niż o zalecenia. Świetnie. Czy myślisz, że cyfrowe bliźniaki mogą być wykorzystywane w innych procesach opieki zdrowotnej? Czy są inne rozwiązania, które uważasz za przydatne?
00:09:45:10 - 00:10:06:19
John Kelleher
Zdecydowanie. Najbardziej fascynującym aspektem cyfrowych bliźniaków jest ich zdolność do symulowania zmian układu. W praktyce oznacza to, że zmianą może być na przykład rozwój choroby u danego pacjenta. To oznacza, że można je wykorzystać w sytuacji dowolnej przewlekłej choroby, która wywołuje zmiany w długim przedziale czasowym.
00:10:07:00 - 00:10:33:16
John Kelleher
Cyfrowe bliźniaki mogą wspierać ich leczenie. Możemy też spojrzeć na to z szerszej perspektywy i odejść od medycyny precyzyjnej skupionej na potrzebach jednostki, przechodząc do logistyki sektora opieki zdrowotnej. Symulacja działalności szpitali i zarządzania obiektami również wchodzi w grę, ponieważ cyfrowy bliźniak może symulować zarówno pacjenta, jak i system fizyczny. Być może uda nam się usprawnić logistykę w ochronie zdrowia, zmniejszając w ten sposób koszt sektora opieki zdrowotnej.
00:10:33:18 - 00:10:51:22
John Kelleher
Mamy też pomysły dotyczące rozwoju leków i symulacji urządzeń medycznych. Próbujemy wykorzystać te technologie, aby zwiększyć szybkość opracowywania nowych metod leczenia, symulowania urządzeń i zabiegów, aby sprawdzić ich skuteczność przed wdrożeniem.
00:10:52:02 - 00:11:01:02
Abigail Acton
A cyfrowe bliźniaki patogenów? Czy dzięki nim można zobaczyć wpływ leku na patogen w postaci cyfrowego bliźniaka?
00:11:01:04 - 00:11:23:07
John Kelleher
Zdecydowanie. Choć cyfrowe bliźniaki mają ogromny potencjał i mogą okazać się niezwykle istotne w przyszłości, jest z nimi pewien problem, który staramy się obecnie rozwiązać. Ich wdrożenie wymaga bowiem teorii lub modelu opisującego, w jaki sposób układ lub proces zmienia się w czasie, a często to właśnie ten aspekt stanowi największą przeszkodę.
00:11:23:12 - 00:11:43:24
John Kelleher
I tu właśnie mamy do czynienia z wzajemnym dopełnianiem się cyfrowych bliźniaków i algorytmów uczenia maszynowego. Uczenie maszynowe pozwala nam modelować niektóre interakcje o dużej złożoności na wysokim poziomie, w przypadku których dysponujemy teoretyczną wiedzą. Połączenie tych modeli z cyfrowymi bliźniakami pozwala na modelowanie zmian w sposób możliwy do interpretacji i zrozumienia.
00:11:44:01 - 00:11:52:17
John Kelleher
Wiele obszarów rozumiemy i włączamy wzorce ustalone przez algorytmy uczenia maszynowego na podstawie dużych zbiorów danych, dzięki czemu cały system działa bardziej kompleksowo.
00:11:52:19 - 00:11:59:11
Abigail Acton
Świetnie. To brzmi jak doskonały sposób na wykorzystanie sztucznej inteligencji do rozwoju badań. Dziękuję ci bardzo, John.
00:11:59:13 - 00:12:21:06
John Kelleher
Dlatego uważam, że połączenie cyfrowych bliźniaków i teoretycznych podejść z rozwiązaniami opartymi na uczeniu maszynowym na bazie danych dotyczących tych wysokopoziomowych interakcji jest tak obiecującym podejściem. Dzięki temu hybrydowemu modelowaniu będziemy mogli budować systemy łączące zarówno wiedzę, jak i posiadane dane.
00:12:21:06 - 00:12:32:23
John Kelleher
Możemy także zmieniać sposób modelowania, stopniowo łącząc różne elementy, a następnie zwiększając ilości zrozumiałych danych, by zwiększyć interpretowalność wyników.
00:12:33:00 - 00:12:54:23
Abigail Acton
Świetnie. Dziękuję, John. Jane, przejdźmy teraz do twoich badań. Rola kobiet we wczesnonowożytnej Irlandii była kluczowa w okresie przemian społecznych, jednak historie kobiet ukazujące ich odporność w obliczu społecznych przemian i traum w dużej mierze zaginęły w historii. Projekt VOICES pozwala usłyszeć je na nowo. Sztuczna inteligencja otwiera nowe horyzonty w naukach humanistycznych.
00:12:55:02 - 00:13:00:19
Abigail Acton
Z jakimi wyzwaniami musieliście się zmierzyć zanim te narzędzia stały się dostępne i co możecie z nimi zrobić teraz?
00:13:00:21 - 00:13:22:16
Jane Ohlmeyer
Największym wyzwaniem było uzyskanie dostępu do samych manuskryptów, a także do materiałów, które były dostępne w formatach cyfrowych, jednak brakowało im interoperacyjności. To po prostu nie działało. Poszczególne systemy nie łączyły się ze sobą. To właśnie w tych dwóch obszarach sztuczna inteligencja naprawdę bardzo pomogła nam w pracy.
00:13:22:16 - 00:13:38:17
Jane Ohlmeyer
Moim zdaniem dopiero zaczynamy odkrywać jej potencjał. Ale jeśli uda nam się to zrobić dobrze, sztuczna inteligencja będzie prawdziwym przełomem, jeśli chodzi o prowadzenie badań historycznych, nie tylko na temat kobiet, choć oczywiście skupiamy się na kobietach.
00:13:38:17 - 00:13:46:05
Abigail Acton
Rozumiem, jak najbardziej. Trudno to sobie wyobrazić, choć mam doświadczenie w dziennikarstwie. Pracowałam zanim wszystkie te narzędzia stały się dostępne.
00:13:46:05 - 00:13:53:22
Abigail Acton
Jak takie badania wyglądały w przeszłości? Czy byłabyś w stanie zająć się tak dużym projektem bez tego rodzaju narzędzi?
00:13:53:24 - 00:14:10:12
Jane Ohlmeyer
Cóż, sztuczna inteligencja pozwala nam badać historię na szeroką skalę, ponieważ umożliwia nam przeszukiwanie dokumentów, zwłaszcza ksiąg podatkowych oraz rejestrów demograficznych, których analiza jest niezwykle czasochłonna, a także rejestrów prawnych.
00:14:10:18 - 00:14:36:13
Abigail Acton
Okazuje się, że kobiety są w nich głęboko ukryte. Abigail. Sztuczna inteligencja pozwala nam odkryć te kobiety. Gdy już je odnajdziemy, analizujemy nasze znaleziska. Technologia pomaga nam zatem w identyfikacji kobiet spoza elitarnych kręgów, które - jak zauważyłam - są ukryte głęboko w rejestrach i księgach.
00:14:36:15 - 00:14:39:01
Abigail Acton
Świetnie. Co udało ci się zatem odkryć, Jane?
00:14:39:03 - 00:15:06:06
Jane Ohlmeyer
Odkrywamy, że wszystkie te kobiety przez cały czas ukrywały się na widoku. Okazało się, że zapisy, które wcześniej uważaliśmy za bezużyteczne, mają ogromną wartość. Pozwól, że przytoczę jeden przykład. Mamy noty pogrzebowe z XVII-wiecznej Irlandii, odpowiedniki dzisiejszych nekrologów.
00:15:06:08 - 00:15:35:11
Jane Ohlmeyer
Badacze nigdy się nimi nie interesowali. Odkryliśmy, że ponad jedna trzecia z nich została napisana przez kobiety i dotyczy kobiet. Dzięki pracy ze sztuczną inteligencją i badaniom testamentów udało się nam wykopać niejako spod ziemi zupełnie nowe źródła. Myśleliśmy dotychczas, że z wielu różnych powodów kobiety nie sporządzały żadnych testamentów albo było ich bardzo mało.
00:15:35:13 - 00:15:53:13
Jane Ohlmeyer
Odkryliśmy ich już blisko 500. Ponownie, sztuczna inteligencja okazała się niezwykle pomocna w ich identyfikacji, a następnie stworzenia cyfrowych odpowiedników, które mogliśmy analizować i badać.
00:15:54:05 - 00:16:09:10
Abigail Acton
Pozwolisz, że ci przerwę - mam naprawdę wiele pytań, bo to naprawdę interesujący temat. W mojej głowie roi się od pytań, które chciałbym ci zadać. Ogólnie prowadząc te badania musisz czuć się jak archeolożka badająca nieznany dotąd grobowiec, który rzuca nowe światło na całą kulturę tamtego okresu.
00:16:09:10 - 00:16:12:18
Abigail Acton
To wszystko jest absolutnie fascynujące. I musi być bardzo ekscytujące. Czy mam rację, Jane?
00:16:12:20 - 00:16:28:04
Jane Ohlmeyer
Och, nawet nie masz pojęcia, Abigail. Trudno to nawet wyjaśnić, bo najpierw zakładamy, że przeszukując te materiały niczego nie znajdziemy. Nagle okazuje się, że jedna trzecia dokumentów jest istotna i interesująca, w dodatku mamy też dane, o których myśleliśmy, że zwyczajnie już nie istnieją.
00:16:28:06 - 00:16:48:03
Jane Ohlmeyer
W 1922 roku archiwum w Irlandii zostało zniszczone. Mamy do czynienia z przypadkiem, gdzie materiały są rozproszone i rozrzucone po całym świecie, a dzięki technologii jesteśmy w stanie je odtworzyć w bardzo istotny i innowacyjny sposób.
00:16:48:08 - 00:16:52:03
Abigail Acton
W porządku. Mówisz, że materiały przepadły.
00:16:52:05 - 00:16:59:09
Abigail Acton
Gdzie je zatem znaleźliście? Wśród rozproszonych, porozrzucanych kopii znalezionych w miejscach, do których do tej pory nikt nie zaglądał.
00:16:59:09 - 00:17:20:14
Jane Ohlmeyer
W Archiwach Narodowych w Dublinie znajdują się pewne testamenty, które przetrwały pożar i których istnienia nikt nie był tak naprawdę świadomy. To oczywiste. Racja. Ale znajdujemy również transkrypty znajdujące się w zbiorach prywatnych lub publikacjach, które ukazały się przed 1922 rokiem - przed wielkim pożarem.
00:17:20:16 - 00:17:32:03
Jane Ohlmeyer
Dokumenty są zatem w setkach różnych lokalizacji i są po prostu rozproszone. Mamy na szczęście sposób na zebranie wszystkich tych cyfrowych treści i połączenie ich w jedną całość.
00:17:32:05 - 00:17:44:19
Abigail Acton
Uwielbiam korzyści technologii cyfrowych. Z kolei dla ciebie... Testamenty są swoistym oknem na społeczeństwo i kulturę. Od razu przychodzi na myśl to, że kobiety miały majątki, które mogły zapisywać innym i wiele innych kwestii.
00:17:44:19 - 00:17:48:00
Abigail Acton
Opowiedz mi o wnioskach, które czerpiecie z przeglądania takich dokumentów.
00:17:48:00 - 00:18:15:13
Jane Ohlmeyer
Cóż - testamenty mówią nam bardzo wiele na temat kultury materialnej i majątku, jakim były biżuteria i artykuły gospodarstwa domowego. To jeden z aspektów. Jednocześnie testamenty mówią nam o tym, kogo kobiety ceniły najbardziej, o ich sieciach najbliższych i o tendencji do przekazywania innym kobietom szczególnie majątku ruchomego, a czasem także majątku w postaci ziemi i środków trwałych.
00:18:15:15 - 00:18:36:16
Jane Ohlmeyer
Dopiero zaczynamy to wszystko odzyskiwać, a musimy pamiętać, że w XVII wieku kobieta nie miała własnej osobowości prawnej, chyba że była wdową. Zamężna kobieta mogła zarabiać tylko wtedy, gdy jej mąż na to zezwolił. Po raz kolejny powiem, że odkrywamy rzeczy, których nigdy nie spodziewaliśmy się znaleźć.
00:18:36:18 - 00:18:37:18
Jane Ohlmeyer
Tak jest. To wspaniała rzecz.
00:18:37:23 - 00:18:52:00
Abigail Acton
Tak, to brzmi... Naprawdę ekscytująco. Czy masz jakieś historie lub przykłady sytuacji, które cię zaskoczyły lub które były naprawdę przełomowe?
00:18:52:02 - 00:18:57:06
Jane Ohlmeyer
Och, było wiele takich sytuacji. To naprawdę ekscytujące badania.
00:18:57:06 - 00:19:24:11
Jane Ohlmeyer
A przecież projekt trwa dopiero dwa lata. Gdy porozmawiamy za kilka lat, opowiem o pracach innych członków zespołu, którzy badają dokumenty irlandzkiego sądu kanclerskiego, gdzie duża liczba kobiet jest powódkami i pozwanymi. Fascynujące jest obserwowanie, jak w momentach osobistych kryzysów te kobiety wychodzą z cienia i udają się do sądu, aby chronić własne interesy.
00:19:24:11 - 00:19:50:08
Jane Ohlmeyer
W niektórych przypadkach zdarzało się, że po ślubie otrzymywały trochę pieniędzy, które próbowali następnie ukraść ich krewni, równie dobrze mogło chodzić o ziemię lub majątek. Często szły do sądu, aby chronić interesy swoich dzieci lub swoją reputację. Mamy jedną bardzo interesującą relację młodej kobiety, która weszła w związek z mężczyzną.
00:19:50:10 - 00:20:12:11
Jane Ohlmeyer
Urodziła nieślubne dziecko, a następnie wyszła za mąż. Mąż, którego poślubiła, pozwał jej byłego kochanka w związku z naruszeniem reputacji jego żony. Mowa o sytuacjach, o których nie pamięta historia. Tak. I jak już wspomniałam, dzięki temu możemy spojrzeć na życie innych ludzi z bardzo osobistej perspektywy.
00:20:12:13 - 00:20:20:10
Abigail Acton
To aż niewiarygodne. Dziękuję bardzo za wyjaśnienie nam tego wszystkiego i przedstawienie tego zagadnienia w tak przejrzysty sposób. Czy ktoś ma jakieś pytania do Jane?
00:20:20:12 - 00:20:42:06
John Kelleher
Tak, ja mam pytanie. Projekt VOICES jest dla mnie naprawdę fascynujący i ekscytujący. Nawiasem mówiąc, wykorzystujecie nowe technologie, żeby spróbować zrozumieć przeszłość w nowatorski sposób. Chodzi tu zwłaszcza o rozwojowe technologie. Zastanówmy się nad rozwojem modeli sztucznej inteligencji. W przyszłości można je zaprojektować z myślą o usprawnieniu i wspieraniu badań historycznych.
00:20:42:06 - 00:20:47:23
John Kelleher
Jakich możliwości oczekujesz od takich rozwiązań i w jaki sposób ułatwią prowadzenie badań historycznych w przyszłości?
00:20:48:00 - 00:21:17:18
Jane Ohlmeyer
To świetne pytanie, John. Oczekuję przede wszystkim przejrzystego systemu sztucznej inteligencji. Chcę, żeby zarówno informatycy, jak i historycy, rozumieli algorytmy, na których opierają się modele. Chcę rozwiązań sztucznej inteligencji opartych na ramach etycznych, chroniących prawa własności intelektualnej wszystkich współtwórców.
00:21:17:20 - 00:21:48:07
Jane Ohlmeyer
Moim trzecim oczekiwaniem jest to, że modele sztucznej inteligencji powinny być przyjazne dla środowiska. Zdaję sobie niestety sprawę z olbrzymiego zapotrzebowania obecnych modeli generatywnych na wodę i energię. Kwestie etyczne i środowiskowe są dla mnie niezwykle istotne. Wtedy będę czuła się znacznie bardziej komfortowo, gdy będę mogła zaufać takiemu modelowi sztucznej inteligencji.
00:21:48:07 - 00:21:54:21
Jane Ohlmeyer
Obecnie zaufanie jest podstawowym problemem związanym ze sztuczną inteligencją.
00:21:54:23 - 00:22:12:15
Abigail Acton
Tak. Myślę, że wszyscy doskonale to rozumiemy. Wspaniale. Dziękuję. Béla, kolej na ciebie. Ataki terrorystyczne mogą przybierać różne formy, w tym ataków biologicznych. Broń biologiczna stanowi zagrożenie głównie ze względu na ograniczone możliwości jej wykrywania. Właśnie temu problemowi stawił czoła projekt HoloZcan.
00:22:12:18 - 00:22:21:05
Abigail Acton
W ramach projektu wykorzystaliście sztuczną inteligencję do opracowania urządzenia, który pomoże służbom ratowniczym w razie nagłych wypadków. Jaki problem próbowaliście rozwiązać?
00:22:21:07 - 00:22:54:06
Béla Mihalik
Tak. Podstawowy problem odkrył unijny projekt ENCIRCLE, który określił szereg luk. Wśród nich znalazła się informacja o tym, że nie istnieje skuteczne narzędzie pozwalające na wykrywanie zagrożeń biologicznych w warunkach terenowych. Chcieliśmy stworzyć uniwersalne urządzenie, które może działać w terenie i które sprawdzi się w wielu sytuacjach.
00:22:54:06 - 00:23:13:12
Béla Mihalik
To oczywiście duże wyzwanie. Wszak nie istnieją tego rodzaju rozwiązania. Zaczęliśmy jednak myśleć o zastosowaniach mikroskopii, zwłaszcza technologii mikroskopii holograficznej, aby nieco wypełnić lukę, nawet jeśli nie uda nam się rozwiązać kompleksowo całego problemu.
00:23:13:14 - 00:23:22:11
Abigail Acton
O rety. To brzmi jak doskonały sposób na realizację tego założenia. Jakie mamy obecnie sposoby wykrywania cząsteczek, które mogą być wykorzystywane w ataku biologicznym?
00:23:22:13 - 00:23:50:18
Béla Mihalik
Obecnie najpowszechniejszą metodą wykrywania jest test PCR. Mamy także metody znakowania fluorescencyjnego i sekwencjonowania DNA, jednak wszystkie wymagają laboratoriów. Wszystkie są też czasochłonne. Dodatkowo testy PCR mogą skutkować fałszywie dodatnimi wynikami. Oznacza to, że mogą sygnalizować niebezpieczeństwo, nawet jeśli nie istnieje.
00:23:50:18 - 00:24:20:20
Béla Mihalik
Problem jest bardzo istotny - wskaźnik fałszywych wyników dodatnich przekracza 20% - 30% dla wykrywalnych patogenów. Po drugie, problem segmentów epigenetycznych pozostaje nierozwiązany. Oznacza to, że niebezpieczne fragmenty można wykryć w DNA, a jednocześnie nie występują na poziomie białek. To znaczy, że nie są aż tak szkodliwe.
00:24:20:22 - 00:24:29:08
Abigail Acton
Chcesz powiedzieć, że obecne rozwiązania potrafią wykrywać fragmenty DNA? W pewnym sensie nie są dokładne. Na czym polega problem z fragmentami?
00:24:29:10 - 00:25:01:24
Béla Mihalik
Problem polega na tym, że nie potrafimy wykrywać niebezpiecznych fragmentów, które mogą kodować niebezpieczne białka, ale ze względu na informacje epigenetyczne komórki nie wytwarzają tych niebezpiecznych białek. Tego rodzaju fragmenty otaczają nas ze wszystkich stron, jednak białka nie są wytwarzane z powodu blokad epigenetycznych. Dlatego nie możemy używać sekwencjonowania w każdym jednym przypadku.
00:25:01:24 - 00:25:21:02
Abigail Acton
Sekwencjonowanie może więc wychwytywać elementy naszego otoczenia, które wcale nie muszą być problematyczne. Dodatkowo pozwala na identyfikację, a następnie daje fałszywy wynik końcowy, a służby ratunkowe nie wiedzą, z czym mają do czynienia. Teraz rozumiem, co masz na myśli. W porządku. W jaki więc sposób zespół projektu HoloZcan zamierza rozwiązać ten problem? Jak wykorzystaliście sztuczną inteligencję?
00:25:21:04 - 00:25:55:18
Béla Mihalik
W ramach projektu HoloZcan skupiliśmy się na technologii mikroskopowej oraz holograficznej technologii mikroskopowej. Co istotne, ta technologia charakteryzuje się możliwością samodzielnej kalibracji. Pozwala nam na zebranie zestawu samokalibrujących się ujęć. Oznacza to, że możemy przeprowadzić numeryczną analizę obrazu i dzięki temu uzyskać wartości w różnych warunkach. Holografia jest stabilną podstawą do tego typu analiz numerycznych.
00:25:55:20 - 00:26:30:14
Béla Mihalik
Dzięki temu możemy zbadać dokładne właściwości morfologiczne i inne właściwości optyczne, na przykład informacje na temat widma. A także informacje refrakcyjne dotyczące małych obiektów i szeroki zakres informacji - możemy nawet nie tyle identyfikować, co klasyfikować cząsteczki. Możemy również zobaczyć złożone morfologie wokół próbki i obiektów.
00:26:30:18 - 00:26:52:00
Béla Mihalik
Na podstawie morfologii, model sztucznej inteligencji może podpowiedzieć, czy mamy do czynienia z celowym działaniem. Czy to cząsteczka stworzona przez człowieka, czy substancja pochodząca ze środowiska. Sztuczna inteligencja może istotnie pomóc w zidentyfikowaniu prawdziwego źródła.
00:26:52:02 - 00:27:21:22
Abigail Acton
W porządku. Świetnie. Zamiast więc pobierać małe próbki i podejmować próby identyfikacji materiału, opracowaliście system, który obrazuje materiał, a następnie na podstawie wizualizacji sztuczna inteligencja porównuje wygląd próbki lub wygląd elementów w próbce. Następnie jak rozumiem porównuje je z bazą danych podobnych obrazów i podejmuje decyzję, z czym ma do czynienia?
00:27:21:22 - 00:27:22:07
Abigail Acton
W rzeczywistości....
00:27:22:11 - 00:27:52:06
Béla Mihalik
Jak najbardziej. Zaczęliśmy od wielu linii. Przede wszystkim wykorzystujemy próbki laboratoryjne, próbki bakterii i innych patogenów charakteryzujące się wysoką czystością. Stworzyliśmy bazę danych, a także wyszkoliliśmy model sztucznej inteligencji do identyfikacji różnych rodzajów bakterii. Model działał bardzo dobrze na próbkach laboratoryjnych. Osiągnęliśmy dokładność na poziomie ponad 99%.
00:27:52:10 - 00:28:01:01
Abigail Acton
Wspominałeś o wygenerowaniu 70 000 syntetycznych hologramów. Hologramów przypominających prawdziwe cząsteczki biologiczne. 70 000. To ogromna liczba.
00:28:01:03 - 00:28:27:16
Béla Mihalik
Tak. Stworzyliśmy narzędzie symulacyjne, ponieważ nie mogliśmy uzyskać wszystkich próbek w laboratorium. Istnieje kilka bardzo niebezpiecznych cząsteczek czwartego poziomu. Czwarty poziom oznacza najwyższą śmiertelność. Mówimy o nieuleczanych zakażeniach, zatem nie mamy dostępu do tego rodzaju materiałów. Opracowaliśmy zatem symulacje wyglądu próbek.
00:28:27:18 - 00:28:48:18
Béla Mihalik
Mimo możliwości tworzenia takich obiektów, nie jesteśmy w stanie ich mierzyć w określonym czasie. Jednak mogą pojawić się w rzeczywistości. Używamy więc pojedynczej symulacji lub cyfrowych bliźniaków w celu dalszego szkolenia modelu sztucznej inteligencji.
00:28:48:23 - 00:28:52:18
Abigail Acton
Czyli syntetyczne hologramy stanowią swoisty katalog wzorców.
00:28:52:20 - 00:28:53:23
Béla Mihalik
Tak. Zdecydowanie.
00:28:54:03 - 00:29:09:06
Abigail Acton
Cudownie. Czyli służby ratownicze zabierają urządzenie na miejsce zdarzenia, gdy podejrzewają zagrożenie biologiczne. Co się dzieje wtedy? Pobierają próbkę powietrza lub próbki gleby i umieszczają ją w pojemniku? Jak to działa w praktyce?
00:29:09:08 - 00:29:20:18
Béla Mihalik
Nasze urządzenie skupia się na patogenach przenoszonych drogą powietrzną. Dlatego używamy urządzeń zbierających próbki powietrza wykorzystujących siłę Coriolisa, a także impaktorów.
00:29:20:18 - 00:29:22:04
Abigail Acton
Czym jest impaktor?
00:29:22:06 - 00:29:45:10
Jane Ohlmeyer
Impaktor to urządzenie, w którym tworzymy przepływ powietrza za pomocą wentylatorów i umieszczamy przeszkodę na linii przepływu powietrza. Małe obiekty przyklejają się do przeszkody. Jeśli przeszkodą jest szkiełko mikroskopowe, możemy umieścić je pod mikroskopem i przeanalizować.
00:29:45:14 - 00:29:48:03
Abigail Acton
I możecie to zrobić na miejscu, w czasie rzeczywistym.
00:29:48:07 - 00:29:57:00
Béla Mihalik
Tak, można to zrobić w warunkach polowych i w czasie rzeczywistym. Możemy również połączyć impaktor i mikroskop.
00:29:57:04 - 00:30:07:12
Abigail Acton
Racja. To oznacza, że jesteście w stanie zbierać dane w terenie, które pozwolą służbom ratowniczym natychmiast zobaczyć, co spowodowało skażenie danego obszaru. Czy właśnie na tym polega to rozwiązanie?
00:30:07:14 - 00:30:24:14
Béla Mihalik
Tak. Czy tak właśnie to działa? Możemy analizować skład powietrza, co stanowi najważniejszą informację dla służb ratowniczych. Na podstawie składu powietrza możemy ustalić, czy zagrożenie jest istotne. Możemy mieć do czynienia z realnym zagrożeniem lub zmianą środowiskową.
00:30:24:16 - 00:30:37:21
Abigail Acton
Rozumiem, to fantastyczne. Takie rozwiązanie eliminuje fałszywe alarmy, które mogą powodować chaos. Zwłaszcza gdy w praktyce nie ma niebezpieczeństwa. I nie tylko. Wspaniała sprawa. Świetnie. Dziękuję bardzo. Dziękuję, Béla. To było doskonałe wyjaśnienie. John, czy masz jakieś pytania do Béli?
00:30:37:23 - 00:31:04:24
John Kelleher
Zdaje się, że tak. Jestem zafascynowany tym projektem. Bardzo interesuje mnie wspomniany przez ciebie aspekt danych syntetycznych. W mojej pracy, jak i w sektorze ochrony zdrowia, często wykorzystujemy dane syntetyczne, aby chronić prywatność pacjentów. W tym wypadku używasz danych syntetycznych, bo posługiwanie się prawdziwymi danymi byłoby bardzo niebezpieczne. Zastanawiam się, czy nie jest problemem to, że opracowujesz system do syntezy danych bez wykorzystania prawdziwych danych.
00:31:05:01 - 00:31:18:08
John Kelleher
W sektorze ochrony zdrowia możemy wziąć próbkę danych pacjenta i dokonać syntezy, aby chronić prywatność. Przypuszczam jednak, że w waszej pracy stworzenie dobrego systemu syntezy wiąże się z jeszcze większymi wyzwaniami.
00:31:18:10 - 00:31:47:21
Béla Mihalik
Tak. Jak słusznie zauważyłeś, to prawdziwe wyzwanie. Najpierw musieliśmy obliczyć mikroskopijny poziom rozprzestrzeniania się światła i wyliczyć hologramy. Oznacza to, że musimy obliczyć także zakłócenia. W tym celu użyliśmy różnych modeli matematycznych. Jednym z wykorzystanych modeli matematycznych jest symulacja FDDD krok po kroku.
00:31:47:21 - 00:32:16:00
Béla Mihalik
Kolejny rodzaj to model analityczny. Wykorzystuje pewne zasady fizyki, które są wykorzystywane do analizy płaszczyzn obrazu, jako źródło informacji o danych i propagacji płaszczyzna po płaszczyźnie. Dlatego stosujemy różne metody matematyczne i zestawiamy je ze sobą. Zbudowanie modelu i jego weryfikacja za pomocą różnych symulacji i rzeczywistych próbek były wyzwaniem.
00:32:16:02 - 00:32:20:02
Béla Mihalik
Myślę, że to było wręcz największe wyzwanie.
00:32:20:04 - 00:32:44:10
Abigail Acton
Aby to dostrzec, potrzeba kogoś, kto używa sztucznej inteligencji we własnej pracy. Widać, jak istotne było to osiągnięcie. Dziękuję. John. To było bardzo trafne pytanie. I dziękuję ci, Béla. Świetnie. Dziękuję wszystkim. To było naprawdę fascynujące doświadczenie. Cieszę się, że miałam okazję posłuchać o zastosowaniu sztucznej inteligencji w sposób, który przyczynia się do naszego dobrobytu, zamiast do zastąpienia nas wszystkich w pracy.
00:32:44:10 - 00:32:49:06
Abigail Acton
Dziękuję za to, że byliście dziś ze mną. To było naprawdę bardzo interesujące.
00:32:49:08 - 00:32:53:06
John Kelleher
Do zobaczenia, Abigail. Béla, Jane, miło było z wami porozmawiać. To była prawdziwa przyjemność.
00:32:53:10 - 00:32:56:05
Jane Ohlmeyer
Cała przyjemność po mojej stronie. Dziękuję serdecznie za zaproszenie.
00:32:56:07 - 00:32:57:17
Béla Mihalik
Dziękuję, dziękuję, dziękuję.
00:32:57:18 - 00:33:18:01
Abigail Acton
Bardzo dziękuję za udział w odcinku. Do zobaczenia. Jeśli spodobał Ci się ten podcast, obserwuj nas w serwisach Spotify, Apple Podcasts lub na innych platformach, gdzie słuchasz swoich ulubionych podcastów. Zapraszamy także na stronę główną podcastu w serwisie CORDIS. Zachęcam też do zasubskrybowania naszego podcastu – w ten sposób nie ominą cię informacje na temat najciekawszych badań naukowych finansowanych przez UE. Jeśli lubisz nas słuchać, powiedz o nas znajomym!
00:33:18:03 - 00:33:38:03
Abigail Acton
Dotychczas rozmawialiśmy o największym na świecie zbiorze wirusów, wykorzystaniu wirtualnej rzeczywistości w rozwiązywaniu konfliktów i o świerszczach, które już wkrótce mogą zastąpić wołowinę w naszych burgerach. Zapraszamy do przesłuchania pozostałych 51 odcinków – z pewnością znajdziesz w nich coś, co pobudzi twoją ciekawość. Zajrzyj na nasz portal i poznaj badania, które zmieniają świat. Czekamy także na wiadomości, informacje i opinie.
00:33:38:07 - 00:33:47:20
Abigail Acton
Możesz skontaktować się z nami pod adresem editorial@cordis.europa.eu. Do usłyszenia!
Poniższy tekst jest tłumaczeniem transkrypcji przygotowanej przez SI.
00:00:00:00 - 00:00:39:04
Abigail Acton
Witamy słuchaczy i słuchaczki podcastu CORDIScovery! Dzień dobry i zapraszam do wysłuchania nowego odcinka podcastu CORDIScovery! Z tej strony Abigail Acton. Sztuczna inteligencja. Gdy słyszymy o sztucznej inteligencji, zwykle pytamy, czy zmierzamy ku dystopijnej przyszłości, czy raczej rzeczywistości, w której proste i powtarzalne zadania staną odejdą do lamusa. Uczenie maszynowe sprawia, że zastanawiamy się nad algorytmami. Czy ułatwiają nam życie? A może są zbyt inwazyjne? Największe korporacje gromadzą dane, aby trenować duże modele językowe z dala od oczu użytkowników.
00:00:39:08 - 00:01:04:12
Abigail Acton
Nie ma żadnych wątpliwości, że sztuczna inteligencja jest naprawdę istotnym zagadnieniem. Jednak czy jest czymś dobrym, czy raczej czymś złym? Odpowiedź na to pytanie wciąż pozostaje przedmiotem dyskusji. Nie ma jednak żadnych wątpliwości, że sztuczna inteligencja i powiązane z nią narzędzia stanowią prawdziwy przełom w badaniach. Możemy o tym mówić bez cienia wątpliwości, przynajmniej jeśli chodzi o trzy przedstawione dziś projekty, których autorzy otrzymali dofinansowanie ze środków Unii Europejskiej na badania naukowe i innowacje. Troje zaproszonych gości wykorzystuje te narzędzia, aby rozwijać nowe technologie i dokonywać odkryć, które były dotychczas niemożliwe.
00:01:04:14 - 00:01:29:13
Abigail Acton
Przyglądamy się sposobom, w jakie sztuczna inteligencja poszerza granice wiedzy, pozwalając nam poprawić profilaktykę, a także usprawnić leczenie i rehabilitację pacjentów po udarze. Widzimy, jak daje głos dotychczas nieznanym kobietom z historycznej Irlandii, a także pomaga w opracowaniu niewielkiego, ale skutecznego systemu wykrywania zagrożeń biologicznych, który uratuje wiele istnień. John Kelleher jest dyrektorem Ośrodka Badań Adapt Research Ireland Center for AI-driven Digital Content Technology.
00:01:29:15 - 00:01:40:08
Abigail Acton
Jest także wykładowcą informatyki na Trinity College Dublin. Jego badania koncentrują się na wykorzystaniu sztucznej inteligencji w celu lepszego zrozumienia i leczenia złożonych schorzeń. Dzień dobry, John. Bardzo mi miło.
00:01:40:11 - 00:01:44:20
John Kelleher
Dzień dobry, Abigail. Dziękuję za zaproszenie i już nie mogę się doczekać naszej rozmowy.
00:01:44:22 - 00:02:01:09
Abigail Acton
Jane Ohlmeyer, wykładowczyni historii nowożytnej na Trinity College Dublin i była przewodnicząca Irlandzkiej Rady Naukowej jest ekspertką w dziedzinie nowożytnej historii brytyjskiej i atlantyckiej. Badaczka wykorzystuje sztuczną inteligencję w celu odtwarzania doświadczeń zwyczajnych kobiet z wczesnonowożytnej Irlandii. Dzień dobry, Jane.
00:02:01:11 - 00:02:02:23
Jane Ohlmeyer
Dzień dobry. Cieszę się, że mogłam do was dołączyć.
00:02:03:00 - 00:02:09:01
Abigail Acton
Miło mi, że do nas dołączyłaś. Béla Mihalik jest starszym programistą zatrudnionym w węgierskiej spółce Ideas Science.
00:02:09:03 - 00:02:19:12
Abigail Acton
Specjalizuje się w wykorzystywaniu sztucznej inteligencji i algorytmów uczenia głębokiego w celu opracowywania nowych narzędzi, które mogą szybko wykrywać potencjalne zagrożenia biologiczne w postaci patogenów i bakterii. Dzień dobry, Béla.
00:02:19:14 - 00:02:21:00
Béla Mihalik
Dzień dobry. Dziękuję za zaproszenie.
00:02:21:06 - 00:02:39:13
Abigail Acton
Dziękuję za przybycie. Dziękuję. Pozwól, że zacznę od ciebie, John. Prace w ramach projektu STRATIF-AI opierały się na wykorzystaniu uczenia maszynowego w opiece nad pacjentami po udarze mózgu, aby zapewnić szybsze i bardziej spersonalizowane wsparcie. John. Sektor opieki zdrowotnej jest jednym z obszarów, które korzystają ze sztucznej inteligencji w największym stopniu. Czy możesz powiedzieć nam coś więcej na temat celów projektu STRATIF-AI?
00:02:39:15 - 00:03:07:03
John Kelleher
Jak najbardziej. Projekt STRATIF-AI koncentruje się na łączeniu zróżnicowanych zbiorów danych w celu wyciągania wniosków na temat życia i losów pacjentów na różnych etapach, ze szczególnym uwzględnieniem udaru i jego skutków. Próbujemy zrealizować ciągłą stratyfikację, stąd właśnie wzięła się nazwa projektu. W praktyce staramy się budować narzędzia oparte na sztucznej inteligencji, które są w stanie na bieżąco oceniać ryzyko wystąpienia udaru mózgu u danej osoby przez całe jej życie, pomagać w zarządzaniu ryzykiem udaru, a także skuteczniej radzić sobie z jego skutkami.
00:03:07:05 - 00:03:16:06
Abigail Acton
W porządku. Wspaniała sprawa. W jaki sposób dobierałeś pacjentów w celu obserwacji i w jaki sposób rekrutowałeś uczestników do tego badania?
00:03:16:08 - 00:03:40:01
John Kelleher
Dążyliśmy do zebrania szerokiego grona pacjentów obejmującego całą ludność, nie zaś specyficzną kohortę. Chcemy być w stanie badać całość populacji, aby opracować narzędzia dostosowane do wszystkich ludzi. Narzędzia, które będą w stanie obserwować daną osobę przez całe życie, od młodości, aż po udar mózgu w podeszłym wieku, leczenie i powrót do normalnego funkcjonowania w społeczeństwie.
00:03:40:01 - 00:03:45:00
John Kelleher
Naszą ambicją jest zapewnienie wszystkim pacjentom wsparcia i nowych możliwości dzięki badaniom.
00:03:45:02 - 00:03:53:01
Abigail Acton
Rozumiem, brzmi wspaniale. To naprawdę świetny cel. W jaki sposób wykorzystujecie w tym celu sztuczną inteligencję? Co daje wam sztuczna inteligencja?
00:03:53:03 - 00:04:17:06
John Kelleher
Łączymy dwa różne rodzaje sztucznej inteligencji w ramach naszych badań. Pierwszy z nich nazywamy modelem cyfrowego bliźniaka. Cyfrowy bliźniak to koncepcja modelu obliczeniowego, który jest dostosowany do danej osoby. Stworzenie cyfrowego bliźniaka sprawia, że model jest dość łatwy do interpretacji. To wynika z jego struktury. Jesteśmy w stanie zrozumieć, w jaki sposób różne zmienne opisujące stan zdrowia danej osoby zmieniają się w czasie.
00:04:17:08 - 00:04:56:23
John Kelleher
Ale pojawiają się też pewne wyzwania, jeśli chodzi o możliwość rozwoju tych modeli i skalowalności rozwiązania w przypadku dużych populacji, a także zestawiania zróżnicowanych typów danych. Technologie cyfrowego bliźniaka łączymy z algorytmami uczenia maszynowego. Uczenie maszynowe to metoda analizy dużych zbiorów danych w celu wyodrębnienia wzorców i zależności między różnymi cechami. Łącząc oba te podejścia - uczenie maszynowe i sztuczną inteligencję opartą na cyfrowych bliźniakach - staramy się tworzyć spersonalizowane, interpretowalne i skalowalne systemy, które pozwalają na łączenie dużych, zróżnicowanych zbiorów danych, aby prezentować na przykład ryzyko wystąpienia udaru i umożliwić pacjentom zarządzanie tym ryzykiem.
00:04:56:24 - 00:05:02:13
Abigail Acton
Świetnie. Zapewne w dalszej kolejności otrzymują też porady, które pozwalają im ograniczyć to ryzyko.
00:05:02:15 - 00:05:30:00
John Kelleher
Och, dokładnie tak. Tak jest. Chcemy mieć możliwość dostosowania sugerowanych działań do indywidualnego ryzyka udaru mózgu i pomóc pacjentom zrozumieć, jak zmienia się ono w ciągu całego życia i jak zmiany stylu życia mogą na nie wpłynąć. Jedna z najbardziej interesujących możliwości wiąże się z tym, że im wcześniej dana osoba dokona zmiany w swoim życiu pod kątem ryzyka udaru, tym większy będzie miało to wpływ na skumulowane ryzyko w ciągu całego życia.
00:05:30:05 - 00:05:58:09
John Kelleher
Nawet niewielka zmiana dokonana na bardzo wczesnym etapie życia, na przykład obniżenie poziomu cholesterolu, może przynieść ogromne korzyści w całym okresie życia. A im wcześniej wprowadzimy odpowiednie działania, tym większe będą skumulowane korzyści. Można zatem wywnioskować, że im dłużej będziemy zwlekać ze zmianami i interwencjami, tym bardziej wzrośnie ich intensywność i na przykład pacjenci będą musieli zażywać leki.
00:05:58:11 - 00:06:10:03
John Kelleher
Chcemy więc, by ludzie zrozumieli ryzyko już na wczesnym etapie życia i wprowadzili drobne zmiany w stylu życia, które pomogą im uniknąć poważniejszych interwencji w późniejszym okresie.
00:06:10:05 - 00:06:26:22
Abigail Acton
No i oczywiście nie możemy zapominać o tym, że różnica względem obecnego podejścia stosowanego w systemie opieki zdrowotnej, które zakłada, że należy jeść pięć porcji warzyw i owoców dziennie i chodzić ileś kroków i tak dalej... Różnica polega na tym, że wasze porady będą w dużym stopniu dostosowane do danej osoby.
00:06:26:22 - 00:06:35:13
Abigail Acton
Macie znacznie bardziej szczegółowy wgląd w różne dane, które ze sobą współgrają. Czy właśnie na tym polega to rozwiązanie?
00:06:35:15 - 00:06:59:01
John Kelleher
Jak najbardziej. Jednym z fascynujących aspektów dotyczących zdrowia i medycyny jest to, że choć możemy uzyskać i wyodrębnić informacje o czynnikach ryzyka na poziomie populacji, to jednak wszyscy jesteśmy różni. Sposób, w jaki poszczególne czynniki oddziałują na siebie nawzajem w obrębie naszych organizmów, też jest różny. Staramy się więc tworzyć modele, które są spersonalizowane i dostosowane do indywidualnych potrzeb, aby badać czynniki ryzyka.
00:06:59:01 - 00:07:32:24
John Kelleher
Możemy na przykład założyć, że niektórzy ludzie mają genetyczne predyspozycje do występowania określonych czynników ryzyka. Dochodzi do tego epigenetyka, która zakłada, że nasz styl życia włącza i wyłącza geny, które wywołują, nasilają, wzmacniają lub zmniejszają czynniki ryzyka. Próba powiązania informacji genetycznych ze stylem życia, środowiskiem i wychowaniem zapewnia nam bardziej spersonalizowany profil ryzyka jednostki, niż gdybyśmy założyli po prostu przykładową osobę losowo wybraną z populacji.
00:07:32:24 - 00:07:47:15
Abigail Acton
Dodatkową korzyścią jest to, że dzięki spersonalizowanym informacjom pacjenci są znacznie bardziej zmotywowani do postępowania zgodnie z zaleceniami. Znacznie łatwiej jest, gdy zalecenia są opracowane dla mnie, dla Johna Kellehera lub kogokolwiek innego. Myślę, że pacjenci mogą traktować to poważniej.
00:07:47:17 - 00:08:08:19
John Kelleher
Jednym z najbardziej interesujących aspektów projektu jest to, że nasz partner w Linköping, który koordynuje projekt, wpadł na pomysł wykorzystania cyfrowego bliźniaka. Interesującym aspektem cyfrowego bliźniaka jest to, że możemy symulować stan zdrowia w czasie. Rozwijamy koncepcję cyfrowego bliźniaka obejmującą interfejs graficzny.
00:08:08:21 - 00:08:26:10
John Kelleher
Możemy nie tylko określić poziom ryzyka, ale także oszacować, jak będzie zmieniać się w czasie. Możemy to także przedstawić w formie graficznej, dzięki czemu stanie się to bardziej widoczne. Możemy pokazać proces starzenia i porównać go z tym samym procesem przy innym stylu życia, możemy poprawić przestrzeganie zaleceń, pomagać pacjentom i motywować ich do działania.
00:08:26:16 - 00:08:39:13
Abigail Acton
Zdecydowanie. Nie ukrywam, to brzmi bardzo motywująco. Czy takie rozwiązanie jest dostępne w formie aplikacji na telefon? Czy można po prostu wyciągnąć urządzenie z kieszeni i zobaczyć wybory, których dokonujesz, a także ich skutki w czasie rzeczywistym? Czy to będzie ostateczny cel prac?
00:08:39:15 - 00:09:06:12
John Kelleher
Mówimy tu o dwóch różnych aspektach. Jak najbardziej. Jednym z nich jest gromadzenie spersonalizowanych informacji na temat zdrowia w telefonie, dzięki czemu można nosić przy sobie własną kartotekę i pełną dokumentację graficzną. Drugim jest większe urządzenie wykorzystywane w ramach interwencji nazywanej dialogiem zdrowotnym, w ramach której użytkownik umawiałby wizytę lekarską raz na pięć lub dziesięć lat, a my bylibyśmy w stanie przeprowadzić symulację i opracować plan z udziałem użytkownika.
00:09:06:18 - 00:09:27:09
John Kelleher
Możemy też przeprowadzić symulację skanu całego ciała, dzięki czemu będziemy w stanie powiedzieć pacjentowi, że jeśli wprowadzi określone zmiany, na przykład zmniejszy spożycie kalorii i obniży poziom cholesterolu, to stanie się to lub tamto. Po przekazaniu tych informacji, możemy odbyć dialog z pacjentem, który może go następnie przemyśleć. Może się zastanowić, jaki plan chce realizować w ciągu najbliższych 5 lub 10 lat.
00:09:27:10 - 00:09:28:00
Abigail Acton
Świetnie.
00:09:28:02 - 00:09:34:17
John Kelleher
Chodzi o to, by pacjenci i lekarze rozmawiali ze sobą i wspólnie opracowywali plany leczenia i wsparcia.
00:09:34:17 - 00:09:45:08
Abigail Acton
Czyli chodzi raczej o współpracę niż o zalecenia. Świetnie. Czy myślisz, że cyfrowe bliźniaki mogą być wykorzystywane w innych procesach opieki zdrowotnej? Czy są inne rozwiązania, które uważasz za przydatne?
00:09:45:10 - 00:10:06:19
John Kelleher
Zdecydowanie. Najbardziej fascynującym aspektem cyfrowych bliźniaków jest ich zdolność do symulowania zmian układu. W praktyce oznacza to, że zmianą może być na przykład rozwój choroby u danego pacjenta. To oznacza, że można je wykorzystać w sytuacji dowolnej przewlekłej choroby, która wywołuje zmiany w długim przedziale czasowym.
00:10:07:00 - 00:10:33:16
John Kelleher
Cyfrowe bliźniaki mogą wspierać ich leczenie. Możemy też spojrzeć na to z szerszej perspektywy i odejść od medycyny precyzyjnej skupionej na potrzebach jednostki, przechodząc do logistyki sektora opieki zdrowotnej. Symulacja działalności szpitali i zarządzania obiektami również wchodzi w grę, ponieważ cyfrowy bliźniak może symulować zarówno pacjenta, jak i system fizyczny. Być może uda nam się usprawnić logistykę w ochronie zdrowia, zmniejszając w ten sposób koszt sektora opieki zdrowotnej.
00:10:33:18 - 00:10:51:22
John Kelleher
Mamy też pomysły dotyczące rozwoju leków i symulacji urządzeń medycznych. Próbujemy wykorzystać te technologie, aby zwiększyć szybkość opracowywania nowych metod leczenia, symulowania urządzeń i zabiegów, aby sprawdzić ich skuteczność przed wdrożeniem.
00:10:52:02 - 00:11:01:02
Abigail Acton
A cyfrowe bliźniaki patogenów? Czy dzięki nim można zobaczyć wpływ leku na patogen w postaci cyfrowego bliźniaka?
00:11:01:04 - 00:11:23:07
John Kelleher
Zdecydowanie. Choć cyfrowe bliźniaki mają ogromny potencjał i mogą okazać się niezwykle istotne w przyszłości, jest z nimi pewien problem, który staramy się obecnie rozwiązać. Ich wdrożenie wymaga bowiem teorii lub modelu opisującego, w jaki sposób układ lub proces zmienia się w czasie, a często to właśnie ten aspekt stanowi największą przeszkodę.
00:11:23:12 - 00:11:43:24
John Kelleher
I tu właśnie mamy do czynienia z wzajemnym dopełnianiem się cyfrowych bliźniaków i algorytmów uczenia maszynowego. Uczenie maszynowe pozwala nam modelować niektóre interakcje o dużej złożoności na wysokim poziomie, w przypadku których dysponujemy teoretyczną wiedzą. Połączenie tych modeli z cyfrowymi bliźniakami pozwala na modelowanie zmian w sposób możliwy do interpretacji i zrozumienia.
00:11:44:01 - 00:11:52:17
John Kelleher
Wiele obszarów rozumiemy i włączamy wzorce ustalone przez algorytmy uczenia maszynowego na podstawie dużych zbiorów danych, dzięki czemu cały system działa bardziej kompleksowo.
00:11:52:19 - 00:11:59:11
Abigail Acton
Świetnie. To brzmi jak doskonały sposób na wykorzystanie sztucznej inteligencji do rozwoju badań. Dziękuję ci bardzo, John.
00:11:59:13 - 00:12:21:06
John Kelleher
Dlatego uważam, że połączenie cyfrowych bliźniaków i teoretycznych podejść z rozwiązaniami opartymi na uczeniu maszynowym na bazie danych dotyczących tych wysokopoziomowych interakcji jest tak obiecującym podejściem. Dzięki temu hybrydowemu modelowaniu będziemy mogli budować systemy łączące zarówno wiedzę, jak i posiadane dane.
00:12:21:06 - 00:12:32:23
John Kelleher
Możemy także zmieniać sposób modelowania, stopniowo łącząc różne elementy, a następnie zwiększając ilości zrozumiałych danych, by zwiększyć interpretowalność wyników.
00:12:33:00 - 00:12:54:23
Abigail Acton
Świetnie. Dziękuję, John. Jane, przejdźmy teraz do twoich badań. Rola kobiet we wczesnonowożytnej Irlandii była kluczowa w okresie przemian społecznych, jednak historie kobiet ukazujące ich odporność w obliczu społecznych przemian i traum w dużej mierze zaginęły w historii. Projekt VOICES pozwala usłyszeć je na nowo. Sztuczna inteligencja otwiera nowe horyzonty w naukach humanistycznych.
00:12:55:02 - 00:13:00:19
Abigail Acton
Z jakimi wyzwaniami musieliście się zmierzyć zanim te narzędzia stały się dostępne i co możecie z nimi zrobić teraz?
00:13:00:21 - 00:13:22:16
Jane Ohlmeyer
Największym wyzwaniem było uzyskanie dostępu do samych manuskryptów, a także do materiałów, które były dostępne w formatach cyfrowych, jednak brakowało im interoperacyjności. To po prostu nie działało. Poszczególne systemy nie łączyły się ze sobą. To właśnie w tych dwóch obszarach sztuczna inteligencja naprawdę bardzo pomogła nam w pracy.
00:13:22:16 - 00:13:38:17
Jane Ohlmeyer
Moim zdaniem dopiero zaczynamy odkrywać jej potencjał. Ale jeśli uda nam się to zrobić dobrze, sztuczna inteligencja będzie prawdziwym przełomem, jeśli chodzi o prowadzenie badań historycznych, nie tylko na temat kobiet, choć oczywiście skupiamy się na kobietach.
00:13:38:17 - 00:13:46:05
Abigail Acton
Rozumiem, jak najbardziej. Trudno to sobie wyobrazić, choć mam doświadczenie w dziennikarstwie. Pracowałam zanim wszystkie te narzędzia stały się dostępne.
00:13:46:05 - 00:13:53:22
Abigail Acton
Jak takie badania wyglądały w przeszłości? Czy byłabyś w stanie zająć się tak dużym projektem bez tego rodzaju narzędzi?
00:13:53:24 - 00:14:10:12
Jane Ohlmeyer
Cóż, sztuczna inteligencja pozwala nam badać historię na szeroką skalę, ponieważ umożliwia nam przeszukiwanie dokumentów, zwłaszcza ksiąg podatkowych oraz rejestrów demograficznych, których analiza jest niezwykle czasochłonna, a także rejestrów prawnych.
00:14:10:18 - 00:14:36:13
Abigail Acton
Okazuje się, że kobiety są w nich głęboko ukryte. Abigail. Sztuczna inteligencja pozwala nam odkryć te kobiety. Gdy już je odnajdziemy, analizujemy nasze znaleziska. Technologia pomaga nam zatem w identyfikacji kobiet spoza elitarnych kręgów, które - jak zauważyłam - są ukryte głęboko w rejestrach i księgach.
00:14:36:15 - 00:14:39:01
Abigail Acton
Świetnie. Co udało ci się zatem odkryć, Jane?
00:14:39:03 - 00:15:06:06
Jane Ohlmeyer
Odkrywamy, że wszystkie te kobiety przez cały czas ukrywały się na widoku. Okazało się, że zapisy, które wcześniej uważaliśmy za bezużyteczne, mają ogromną wartość. Pozwól, że przytoczę jeden przykład. Mamy noty pogrzebowe z XVII-wiecznej Irlandii, odpowiedniki dzisiejszych nekrologów.
00:15:06:08 - 00:15:35:11
Jane Ohlmeyer
Badacze nigdy się nimi nie interesowali. Odkryliśmy, że ponad jedna trzecia z nich została napisana przez kobiety i dotyczy kobiet. Dzięki pracy ze sztuczną inteligencją i badaniom testamentów udało się nam wykopać niejako spod ziemi zupełnie nowe źródła. Myśleliśmy dotychczas, że z wielu różnych powodów kobiety nie sporządzały żadnych testamentów albo było ich bardzo mało.
00:15:35:13 - 00:15:53:13
Jane Ohlmeyer
Odkryliśmy ich już blisko 500. Ponownie, sztuczna inteligencja okazała się niezwykle pomocna w ich identyfikacji, a następnie stworzenia cyfrowych odpowiedników, które mogliśmy analizować i badać.
00:15:54:05 - 00:16:09:10
Abigail Acton
Pozwolisz, że ci przerwę - mam naprawdę wiele pytań, bo to naprawdę interesujący temat. W mojej głowie roi się od pytań, które chciałbym ci zadać. Ogólnie prowadząc te badania musisz czuć się jak archeolożka badająca nieznany dotąd grobowiec, który rzuca nowe światło na całą kulturę tamtego okresu.
00:16:09:10 - 00:16:12:18
Abigail Acton
To wszystko jest absolutnie fascynujące. I musi być bardzo ekscytujące. Czy mam rację, Jane?
00:16:12:20 - 00:16:28:04
Jane Ohlmeyer
Och, nawet nie masz pojęcia, Abigail. Trudno to nawet wyjaśnić, bo najpierw zakładamy, że przeszukując te materiały niczego nie znajdziemy. Nagle okazuje się, że jedna trzecia dokumentów jest istotna i interesująca, w dodatku mamy też dane, o których myśleliśmy, że zwyczajnie już nie istnieją.
00:16:28:06 - 00:16:48:03
Jane Ohlmeyer
W 1922 roku archiwum w Irlandii zostało zniszczone. Mamy do czynienia z przypadkiem, gdzie materiały są rozproszone i rozrzucone po całym świecie, a dzięki technologii jesteśmy w stanie je odtworzyć w bardzo istotny i innowacyjny sposób.
00:16:48:08 - 00:16:52:03
Abigail Acton
W porządku. Mówisz, że materiały przepadły.
00:16:52:05 - 00:16:59:09
Abigail Acton
Gdzie je zatem znaleźliście? Wśród rozproszonych, porozrzucanych kopii znalezionych w miejscach, do których do tej pory nikt nie zaglądał.
00:16:59:09 - 00:17:20:14
Jane Ohlmeyer
W Archiwach Narodowych w Dublinie znajdują się pewne testamenty, które przetrwały pożar i których istnienia nikt nie był tak naprawdę świadomy. To oczywiste. Racja. Ale znajdujemy również transkrypty znajdujące się w zbiorach prywatnych lub publikacjach, które ukazały się przed 1922 rokiem - przed wielkim pożarem.
00:17:20:16 - 00:17:32:03
Jane Ohlmeyer
Dokumenty są zatem w setkach różnych lokalizacji i są po prostu rozproszone. Mamy na szczęście sposób na zebranie wszystkich tych cyfrowych treści i połączenie ich w jedną całość.
00:17:32:05 - 00:17:44:19
Abigail Acton
Uwielbiam korzyści technologii cyfrowych. Z kolei dla ciebie... Testamenty są swoistym oknem na społeczeństwo i kulturę. Od razu przychodzi na myśl to, że kobiety miały majątki, które mogły zapisywać innym i wiele innych kwestii.
00:17:44:19 - 00:17:48:00
Abigail Acton
Opowiedz mi o wnioskach, które czerpiecie z przeglądania takich dokumentów.
00:17:48:00 - 00:18:15:13
Jane Ohlmeyer
Cóż - testamenty mówią nam bardzo wiele na temat kultury materialnej i majątku, jakim były biżuteria i artykuły gospodarstwa domowego. To jeden z aspektów. Jednocześnie testamenty mówią nam o tym, kogo kobiety ceniły najbardziej, o ich sieciach najbliższych i o tendencji do przekazywania innym kobietom szczególnie majątku ruchomego, a czasem także majątku w postaci ziemi i środków trwałych.
00:18:15:15 - 00:18:36:16
Jane Ohlmeyer
Dopiero zaczynamy to wszystko odzyskiwać, a musimy pamiętać, że w XVII wieku kobieta nie miała własnej osobowości prawnej, chyba że była wdową. Zamężna kobieta mogła zarabiać tylko wtedy, gdy jej mąż na to zezwolił. Po raz kolejny powiem, że odkrywamy rzeczy, których nigdy nie spodziewaliśmy się znaleźć.
00:18:36:18 - 00:18:37:18
Jane Ohlmeyer
Tak jest. To wspaniała rzecz.
00:18:37:23 - 00:18:52:00
Abigail Acton
Tak, to brzmi... Naprawdę ekscytująco. Czy masz jakieś historie lub przykłady sytuacji, które cię zaskoczyły lub które były naprawdę przełomowe?
00:18:52:02 - 00:18:57:06
Jane Ohlmeyer
Och, było wiele takich sytuacji. To naprawdę ekscytujące badania.
00:18:57:06 - 00:19:24:11
Jane Ohlmeyer
A przecież projekt trwa dopiero dwa lata. Gdy porozmawiamy za kilka lat, opowiem o pracach innych członków zespołu, którzy badają dokumenty irlandzkiego sądu kanclerskiego, gdzie duża liczba kobiet jest powódkami i pozwanymi. Fascynujące jest obserwowanie, jak w momentach osobistych kryzysów te kobiety wychodzą z cienia i udają się do sądu, aby chronić własne interesy.
00:19:24:11 - 00:19:50:08
Jane Ohlmeyer
W niektórych przypadkach zdarzało się, że po ślubie otrzymywały trochę pieniędzy, które próbowali następnie ukraść ich krewni, równie dobrze mogło chodzić o ziemię lub majątek. Często szły do sądu, aby chronić interesy swoich dzieci lub swoją reputację. Mamy jedną bardzo interesującą relację młodej kobiety, która weszła w związek z mężczyzną.
00:19:50:10 - 00:20:12:11
Jane Ohlmeyer
Urodziła nieślubne dziecko, a następnie wyszła za mąż. Mąż, którego poślubiła, pozwał jej byłego kochanka w związku z naruszeniem reputacji jego żony. Mowa o sytuacjach, o których nie pamięta historia. Tak. I jak już wspomniałam, dzięki temu możemy spojrzeć na życie innych ludzi z bardzo osobistej perspektywy.
00:20:12:13 - 00:20:20:10
Abigail Acton
To aż niewiarygodne. Dziękuję bardzo za wyjaśnienie nam tego wszystkiego i przedstawienie tego zagadnienia w tak przejrzysty sposób. Czy ktoś ma jakieś pytania do Jane?
00:20:20:12 - 00:20:42:06
John Kelleher
Tak, ja mam pytanie. Projekt VOICES jest dla mnie naprawdę fascynujący i ekscytujący. Nawiasem mówiąc, wykorzystujecie nowe technologie, żeby spróbować zrozumieć przeszłość w nowatorski sposób. Chodzi tu zwłaszcza o rozwojowe technologie. Zastanówmy się nad rozwojem modeli sztucznej inteligencji. W przyszłości można je zaprojektować z myślą o usprawnieniu i wspieraniu badań historycznych.
00:20:42:06 - 00:20:47:23
John Kelleher
Jakich możliwości oczekujesz od takich rozwiązań i w jaki sposób ułatwią prowadzenie badań historycznych w przyszłości?
00:20:48:00 - 00:21:17:18
Jane Ohlmeyer
To świetne pytanie, John. Oczekuję przede wszystkim przejrzystego systemu sztucznej inteligencji. Chcę, żeby zarówno informatycy, jak i historycy, rozumieli algorytmy, na których opierają się modele. Chcę rozwiązań sztucznej inteligencji opartych na ramach etycznych, chroniących prawa własności intelektualnej wszystkich współtwórców.
00:21:17:20 - 00:21:48:07
Jane Ohlmeyer
Moim trzecim oczekiwaniem jest to, że modele sztucznej inteligencji powinny być przyjazne dla środowiska. Zdaję sobie niestety sprawę z olbrzymiego zapotrzebowania obecnych modeli generatywnych na wodę i energię. Kwestie etyczne i środowiskowe są dla mnie niezwykle istotne. Wtedy będę czuła się znacznie bardziej komfortowo, gdy będę mogła zaufać takiemu modelowi sztucznej inteligencji.
00:21:48:07 - 00:21:54:21
Jane Ohlmeyer
Obecnie zaufanie jest podstawowym problemem związanym ze sztuczną inteligencją.
00:21:54:23 - 00:22:12:15
Abigail Acton
Tak. Myślę, że wszyscy doskonale to rozumiemy. Wspaniale. Dziękuję. Béla, kolej na ciebie. Ataki terrorystyczne mogą przybierać różne formy, w tym ataków biologicznych. Broń biologiczna stanowi zagrożenie głównie ze względu na ograniczone możliwości jej wykrywania. Właśnie temu problemowi stawił czoła projekt HoloZcan.
00:22:12:18 - 00:22:21:05
Abigail Acton
W ramach projektu wykorzystaliście sztuczną inteligencję do opracowania urządzenia, który pomoże służbom ratowniczym w razie nagłych wypadków. Jaki problem próbowaliście rozwiązać?
00:22:21:07 - 00:22:54:06
Béla Mihalik
Tak. Podstawowy problem odkrył unijny projekt ENCIRCLE, który określił szereg luk. Wśród nich znalazła się informacja o tym, że nie istnieje skuteczne narzędzie pozwalające na wykrywanie zagrożeń biologicznych w warunkach terenowych. Chcieliśmy stworzyć uniwersalne urządzenie, które może działać w terenie i które sprawdzi się w wielu sytuacjach.
00:22:54:06 - 00:23:13:12
Béla Mihalik
To oczywiście duże wyzwanie. Wszak nie istnieją tego rodzaju rozwiązania. Zaczęliśmy jednak myśleć o zastosowaniach mikroskopii, zwłaszcza technologii mikroskopii holograficznej, aby nieco wypełnić lukę, nawet jeśli nie uda nam się rozwiązać kompleksowo całego problemu.
00:23:13:14 - 00:23:22:11
Abigail Acton
O rety. To brzmi jak doskonały sposób na realizację tego założenia. Jakie mamy obecnie sposoby wykrywania cząsteczek, które mogą być wykorzystywane w ataku biologicznym?
00:23:22:13 - 00:23:50:18
Béla Mihalik
Obecnie najpowszechniejszą metodą wykrywania jest test PCR. Mamy także metody znakowania fluorescencyjnego i sekwencjonowania DNA, jednak wszystkie wymagają laboratoriów. Wszystkie są też czasochłonne. Dodatkowo testy PCR mogą skutkować fałszywie dodatnimi wynikami. Oznacza to, że mogą sygnalizować niebezpieczeństwo, nawet jeśli nie istnieje.
00:23:50:18 - 00:24:20:20
Béla Mihalik
Problem jest bardzo istotny - wskaźnik fałszywych wyników dodatnich przekracza 20% - 30% dla wykrywalnych patogenów. Po drugie, problem segmentów epigenetycznych pozostaje nierozwiązany. Oznacza to, że niebezpieczne fragmenty można wykryć w DNA, a jednocześnie nie występują na poziomie białek. To znaczy, że nie są aż tak szkodliwe.
00:24:20:22 - 00:24:29:08
Abigail Acton
Chcesz powiedzieć, że obecne rozwiązania potrafią wykrywać fragmenty DNA? W pewnym sensie nie są dokładne. Na czym polega problem z fragmentami?
00:24:29:10 - 00:25:01:24
Béla Mihalik
Problem polega na tym, że nie potrafimy wykrywać niebezpiecznych fragmentów, które mogą kodować niebezpieczne białka, ale ze względu na informacje epigenetyczne komórki nie wytwarzają tych niebezpiecznych białek. Tego rodzaju fragmenty otaczają nas ze wszystkich stron, jednak białka nie są wytwarzane z powodu blokad epigenetycznych. Dlatego nie możemy używać sekwencjonowania w każdym jednym przypadku.
00:25:01:24 - 00:25:21:02
Abigail Acton
Sekwencjonowanie może więc wychwytywać elementy naszego otoczenia, które wcale nie muszą być problematyczne. Dodatkowo pozwala na identyfikację, a następnie daje fałszywy wynik końcowy, a służby ratunkowe nie wiedzą, z czym mają do czynienia. Teraz rozumiem, co masz na myśli. W porządku. W jaki więc sposób zespół projektu HoloZcan zamierza rozwiązać ten problem? Jak wykorzystaliście sztuczną inteligencję?
00:25:21:04 - 00:25:55:18
Béla Mihalik
W ramach projektu HoloZcan skupiliśmy się na technologii mikroskopowej oraz holograficznej technologii mikroskopowej. Co istotne, ta technologia charakteryzuje się możliwością samodzielnej kalibracji. Pozwala nam na zebranie zestawu samokalibrujących się ujęć. Oznacza to, że możemy przeprowadzić numeryczną analizę obrazu i dzięki temu uzyskać wartości w różnych warunkach. Holografia jest stabilną podstawą do tego typu analiz numerycznych.
00:25:55:20 - 00:26:30:14
Béla Mihalik
Dzięki temu możemy zbadać dokładne właściwości morfologiczne i inne właściwości optyczne, na przykład informacje na temat widma. A także informacje refrakcyjne dotyczące małych obiektów i szeroki zakres informacji - możemy nawet nie tyle identyfikować, co klasyfikować cząsteczki. Możemy również zobaczyć złożone morfologie wokół próbki i obiektów.
00:26:30:18 - 00:26:52:00
Béla Mihalik
Na podstawie morfologii, model sztucznej inteligencji może podpowiedzieć, czy mamy do czynienia z celowym działaniem. Czy to cząsteczka stworzona przez człowieka, czy substancja pochodząca ze środowiska. Sztuczna inteligencja może istotnie pomóc w zidentyfikowaniu prawdziwego źródła.
00:26:52:02 - 00:27:21:22
Abigail Acton
W porządku. Świetnie. Zamiast więc pobierać małe próbki i podejmować próby identyfikacji materiału, opracowaliście system, który obrazuje materiał, a następnie na podstawie wizualizacji sztuczna inteligencja porównuje wygląd próbki lub wygląd elementów w próbce. Następnie jak rozumiem porównuje je z bazą danych podobnych obrazów i podejmuje decyzję, z czym ma do czynienia?
00:27:21:22 - 00:27:22:07
Abigail Acton
W rzeczywistości....
00:27:22:11 - 00:27:52:06
Béla Mihalik
Jak najbardziej. Zaczęliśmy od wielu linii. Przede wszystkim wykorzystujemy próbki laboratoryjne, próbki bakterii i innych patogenów charakteryzujące się wysoką czystością. Stworzyliśmy bazę danych, a także wyszkoliliśmy model sztucznej inteligencji do identyfikacji różnych rodzajów bakterii. Model działał bardzo dobrze na próbkach laboratoryjnych. Osiągnęliśmy dokładność na poziomie ponad 99%.
00:27:52:10 - 00:28:01:01
Abigail Acton
Wspominałeś o wygenerowaniu 70 000 syntetycznych hologramów. Hologramów przypominających prawdziwe cząsteczki biologiczne. 70 000. To ogromna liczba.
00:28:01:03 - 00:28:27:16
Béla Mihalik
Tak. Stworzyliśmy narzędzie symulacyjne, ponieważ nie mogliśmy uzyskać wszystkich próbek w laboratorium. Istnieje kilka bardzo niebezpiecznych cząsteczek czwartego poziomu. Czwarty poziom oznacza najwyższą śmiertelność. Mówimy o nieuleczanych zakażeniach, zatem nie mamy dostępu do tego rodzaju materiałów. Opracowaliśmy zatem symulacje wyglądu próbek.
00:28:27:18 - 00:28:48:18
Béla Mihalik
Mimo możliwości tworzenia takich obiektów, nie jesteśmy w stanie ich mierzyć w określonym czasie. Jednak mogą pojawić się w rzeczywistości. Używamy więc pojedynczej symulacji lub cyfrowych bliźniaków w celu dalszego szkolenia modelu sztucznej inteligencji.
00:28:48:23 - 00:28:52:18
Abigail Acton
Czyli syntetyczne hologramy stanowią swoisty katalog wzorców.
00:28:52:20 - 00:28:53:23
Béla Mihalik
Tak. Zdecydowanie.
00:28:54:03 - 00:29:09:06
Abigail Acton
Cudownie. Czyli służby ratownicze zabierają urządzenie na miejsce zdarzenia, gdy podejrzewają zagrożenie biologiczne. Co się dzieje wtedy? Pobierają próbkę powietrza lub próbki gleby i umieszczają ją w pojemniku? Jak to działa w praktyce?
00:29:09:08 - 00:29:20:18
Béla Mihalik
Nasze urządzenie skupia się na patogenach przenoszonych drogą powietrzną. Dlatego używamy urządzeń zbierających próbki powietrza wykorzystujących siłę Coriolisa, a także impaktorów.
00:29:20:18 - 00:29:22:04
Abigail Acton
Czym jest impaktor?
00:29:22:06 - 00:29:45:10
Jane Ohlmeyer
Impaktor to urządzenie, w którym tworzymy przepływ powietrza za pomocą wentylatorów i umieszczamy przeszkodę na linii przepływu powietrza. Małe obiekty przyklejają się do przeszkody. Jeśli przeszkodą jest szkiełko mikroskopowe, możemy umieścić je pod mikroskopem i przeanalizować.
00:29:45:14 - 00:29:48:03
Abigail Acton
I możecie to zrobić na miejscu, w czasie rzeczywistym.
00:29:48:07 - 00:29:57:00
Béla Mihalik
Tak, można to zrobić w warunkach polowych i w czasie rzeczywistym. Możemy również połączyć impaktor i mikroskop.
00:29:57:04 - 00:30:07:12
Abigail Acton
Racja. To oznacza, że jesteście w stanie zbierać dane w terenie, które pozwolą służbom ratowniczym natychmiast zobaczyć, co spowodowało skażenie danego obszaru. Czy właśnie na tym polega to rozwiązanie?
00:30:07:14 - 00:30:24:14
Béla Mihalik
Tak. Czy tak właśnie to działa? Możemy analizować skład powietrza, co stanowi najważniejszą informację dla służb ratowniczych. Na podstawie składu powietrza możemy ustalić, czy zagrożenie jest istotne. Możemy mieć do czynienia z realnym zagrożeniem lub zmianą środowiskową.
00:30:24:16 - 00:30:37:21
Abigail Acton
Rozumiem, to fantastyczne. Takie rozwiązanie eliminuje fałszywe alarmy, które mogą powodować chaos. Zwłaszcza gdy w praktyce nie ma niebezpieczeństwa. I nie tylko. Wspaniała sprawa. Świetnie. Dziękuję bardzo. Dziękuję, Béla. To było doskonałe wyjaśnienie. John, czy masz jakieś pytania do Béli?
00:30:37:23 - 00:31:04:24
John Kelleher
Zdaje się, że tak. Jestem zafascynowany tym projektem. Bardzo interesuje mnie wspomniany przez ciebie aspekt danych syntetycznych. W mojej pracy, jak i w sektorze ochrony zdrowia, często wykorzystujemy dane syntetyczne, aby chronić prywatność pacjentów. W tym wypadku używasz danych syntetycznych, bo posługiwanie się prawdziwymi danymi byłoby bardzo niebezpieczne. Zastanawiam się, czy nie jest problemem to, że opracowujesz system do syntezy danych bez wykorzystania prawdziwych danych.
00:31:05:01 - 00:31:18:08
John Kelleher
W sektorze ochrony zdrowia możemy wziąć próbkę danych pacjenta i dokonać syntezy, aby chronić prywatność. Przypuszczam jednak, że w waszej pracy stworzenie dobrego systemu syntezy wiąże się z jeszcze większymi wyzwaniami.
00:31:18:10 - 00:31:47:21
Béla Mihalik
Tak. Jak słusznie zauważyłeś, to prawdziwe wyzwanie. Najpierw musieliśmy obliczyć mikroskopijny poziom rozprzestrzeniania się światła i wyliczyć hologramy. Oznacza to, że musimy obliczyć także zakłócenia. W tym celu użyliśmy różnych modeli matematycznych. Jednym z wykorzystanych modeli matematycznych jest symulacja FDDD krok po kroku.
00:31:47:21 - 00:32:16:00
Béla Mihalik
Kolejny rodzaj to model analityczny. Wykorzystuje pewne zasady fizyki, które są wykorzystywane do analizy płaszczyzn obrazu, jako źródło informacji o danych i propagacji płaszczyzna po płaszczyźnie. Dlatego stosujemy różne metody matematyczne i zestawiamy je ze sobą. Zbudowanie modelu i jego weryfikacja za pomocą różnych symulacji i rzeczywistych próbek były wyzwaniem.
00:32:16:02 - 00:32:20:02
Béla Mihalik
Myślę, że to było wręcz największe wyzwanie.
00:32:20:04 - 00:32:44:10
Abigail Acton
Aby to dostrzec, potrzeba kogoś, kto używa sztucznej inteligencji we własnej pracy. Widać, jak istotne było to osiągnięcie. Dziękuję. John. To było bardzo trafne pytanie. I dziękuję ci, Béla. Świetnie. Dziękuję wszystkim. To było naprawdę fascynujące doświadczenie. Cieszę się, że miałam okazję posłuchać o zastosowaniu sztucznej inteligencji w sposób, który przyczynia się do naszego dobrobytu, zamiast do zastąpienia nas wszystkich w pracy.
00:32:44:10 - 00:32:49:06
Abigail Acton
Dziękuję za to, że byliście dziś ze mną. To było naprawdę bardzo interesujące.
00:32:49:08 - 00:32:53:06
John Kelleher
Do zobaczenia, Abigail. Béla, Jane, miło było z wami porozmawiać. To była prawdziwa przyjemność.
00:32:53:10 - 00:32:56:05
Jane Ohlmeyer
Cała przyjemność po mojej stronie. Dziękuję serdecznie za zaproszenie.
00:32:56:07 - 00:32:57:17
Béla Mihalik
Dziękuję, dziękuję, dziękuję.
00:32:57:18 - 00:33:18:01
Abigail Acton
Bardzo dziękuję za udział w odcinku. Do zobaczenia. Jeśli spodobał Ci się ten podcast, obserwuj nas w serwisach Spotify, Apple Podcasts lub na innych platformach, gdzie słuchasz swoich ulubionych podcastów. Zapraszamy także na stronę główną podcastu w serwisie CORDIS. Zachęcam też do zasubskrybowania naszego podcastu – w ten sposób nie ominą cię informacje na temat najciekawszych badań naukowych finansowanych przez UE. Jeśli lubisz nas słuchać, powiedz o nas znajomym!
00:33:18:03 - 00:33:38:03
Abigail Acton
Dotychczas rozmawialiśmy o największym na świecie zbiorze wirusów, wykorzystaniu wirtualnej rzeczywistości w rozwiązywaniu konfliktów i o świerszczach, które już wkrótce mogą zastąpić wołowinę w naszych burgerach. Zapraszamy do przesłuchania pozostałych 51 odcinków – z pewnością znajdziesz w nich coś, co pobudzi twoją ciekawość. Zajrzyj na nasz portal i poznaj badania, które zmieniają świat. Czekamy także na wiadomości, informacje i opinie.
00:33:38:07 - 00:33:47:20
Abigail Acton
Możesz skontaktować się z nami pod adresem editorial@cordis.europa.eu. Do usłyszenia!
Sztuczna inteligencja jest istotnym tematem, jednak wciąż trwają debaty dotyczące tego, czy jest czymś dobrym, czy wręcz przeciwnie
Gdy słyszymy o sztucznej inteligencji, zadajemy sobie pytania, czy zmierzamy ku dystopijnej przyszłości, czy raczej rzeczywistości, w której proste i powtarzalne zadania staną odejdą do lamusa. Uczenie maszynowe sprawia, że zastanawiamy się nad tym, czy algorytmy ułatwiają nam życie, czy raczej są zbyt inwazyjne. Największe korporacje gromadzą dane, aby trenować duże modele językowe z dala od oczu użytkowników. Nie ma jednak wątpliwości, że sztuczna inteligencja i powiązane z nią narzędzia stanowią prawdziwy przełom w badaniach. Możemy o tym mówić bez cienia wątpliwości, przynajmniej jeśli chodzi o trzy przedstawione dziś projekty, które otrzymały dofinansowanie ze środków Unii Europejskiej na badania naukowe i innowacje. Troje zaproszonych gości wykorzystuje te narzędzia, aby rozwijać nowe technologie i dokonywać odkryć, które wcześniej byłyby niemożliwe. Przyglądamy się sposobom, w jakie sztuczna inteligencja poszerza granice wiedzy, pozwalając nam poprawić profilaktykę, a także usprawnić leczenie i rehabilitację pacjentów po udarze, dać głos dotychczas nieznanym kobietom z historycznej Irlandii, a także opracować niewielki, ale skuteczny system wykrywania zagrożeń biologicznych, który uratuje wiele istnień. John Kelleher(odnośnik otworzy się w nowym oknie) jest dyrektorem Ośrodka Badań ADAPT Research Ireland Centre for AI-Driven Digital Content Technology oraz wykładowcą informatyki na Trinity College Dublin. Jego badania skupiają się na wykorzystaniu sztucznej inteligencji w celu lepszego zrozumienia i leczenia złożonych schorzeń. Badacz był koordynatorem projektu STRATIF-AI. Jane Ohlmeyer(odnośnik otworzy się w nowym oknie), wykładowczyni historii nowożytnej na Trinity College Dublin i przewodnicząca Irlandzkiej Rady Naukowej jest ekspertką w dziedzinie nowożytnej historii brytyjskiej i atlantyckiej. Badaczka wykorzystuje sztuczną inteligencję w celu odtwarzania doświadczeń zwyczajnych kobiet z wczesnonowożytnej Irlandii, które badała w ramach projektu VOICES. Béla Mihalik(odnośnik otworzy się w nowym oknie) jest starszym programistą pracującym w spółce Ideas Science(odnośnik otworzy się w nowym oknie) na Węgrzech. Specjalizuje się w wykorzystywaniu sztucznej inteligencji i algorytmów uczenia głębokiego w celu opracowywania nowych narzędzi, które mogą szybko wykrywać potencjalne zagrożenia biologiczne w postaci patogenów i bakterii. W ramach projektu HoloZcan opracował technologię wspomagającą służby ratownicze.
Czekamy na Wasze opinie!
Jeśli chcesz podzielić się z nami swoją opinią na temat naszych podcastów, napisz do nas! Wszelkie komentarze, pytania lub sugestie prosimy przesyłać na adres editorial@cordis.europa.eu
Słowa kluczowe
Kraje
Węgry, Irlandia, Szwecja