إن نماذج التعلم العميق تكون عبارة عن شبكات عصبية متعددة الطبقات حققت نجاحًا كبيرًا في تطبيقات متنوعة. يصف هذا الكتاب نماذج التعلم العميق في سياق تطبيقات الرعاية الصحية.
القصة 1
عندما درسنا في الصف الدراسي الذكاء الاصطناعي منذ عدة سنوات، تمت تغطية العديد من الموضوعات، بما في ذلك الشبكات العصبية. تم تقديم نموذج الشبكة العصبية كطريقة تعلم خاضعة للإشراف. ومع ذلك، فقد تم اعتباره فاشلًا عمليًا مقارنة بأساليب التعلم الأخرى الخاضعة للإشراف الأكثر فاعلية مثل أشجار القرار وآلة متجه الدعم. يتضمن التفسير الشائع للشبكات العصبية في ذلك الوقت جانبين: (1) يُمكن للشبكات العصبية متعددة الطبقات تقريب أي وظائف عشوائية، وبالتالي فهي نموذج قوي من الناحية النظرية. (2) من الناحية العملية، فإنها لا تعمل بشكل جيد بسبب خوارزمية التعلم غير الفعالة (أي طريقة النشر العكسي). عندما سألنا لماذا لا يعمل النشر العكسي بشكل جيد، كانت الإجابة النموذجية تتمثل في وجود أخطاء متراكمة عبر الطبقات، والتي ستصبح في النهاية أكبر من أن تؤدي إلى نموذج دقيق. بالطبع، لقد تطور فهم الشبكات العصبية بشكل كبير في السنوات القليلة الماضية. عندما يصبح كلٌ من مجموعات البيانات الكبيرة المعنونة والبنية التحتية للحوسبة المتوازية مثل وحدات معالجة الرسوم متاحة أخيرًا، سيتم إطلاق العنان لقوة الشبكات العصبية العميقة. في هذه الأيام، أصبحت نماذج التعلم العميق أكثر نماذج تعلم الآلة شيوعًا وقياسية.
القصة 2
عندما بدأنا تعلم الآلة في الرعاية الصحية منذ سنوات عديدة، تحدثنا مع طبيب كبير حول التأثير المحتمل للتعلم الآلة والذكاء الاصطناعي في الطب مستقبلاً. على وجه التحديد، سألناه عن إمكانية إنشاء خوارزميات ذكاء اصطناعي لمحاكاة ممارسة أطباء العالم الحقيقي. لقد كان متشائمًا جدًا بشأن تلك الإمكانية لأنه يعتقد أن الأطباء يعتمدون إلى حد كبير على "الحدس" الطبي للقيام بعملهم، وهو أمر يستحيل تعلمه بواسطة الخوارزميات. بالطبع، نحن نعلم الآن أن هذا ليس ممكنًا فحسب، ولكن غالبًا ما تتفوق خوارزميات الذكاء الاصطناعي على الخبراء البشريين في مهام التعرف على الأنماط السريرية المختلفة مثل التشخيص. حتى الأجهزة الطبية التجارية أصبحت متاحة الآن (على سبيل المثال، خوارزمية الكشف عن الرجفان الأذيني في ساعة آبل). تعتمد الكثير من التطبيقات على نماذج التعلم العميق. قبل أن ننتهي من الكتاب، رأينا الملف الشخصي لهذا الطبيب على لينكد إن LinkedIn الذي يوضح أنه مدرجًا كمبتكر في الذكاء الاصطناعي للرعاية الصحية.
