ݺߣ

ݺߣShare a Scribd company logo

Nuläge: AI för bättre hälsa

•
•
Marcus Österberg
Marcus Österberg

Rapport om nuläget för en konkurrenskraftig svensk AI inom life science-sektorn. Presentation för Vinnova och andra SIP:ar (Strategiska Innovationsprogram) januari 2020 i Stockholm.

1 of 6
Download to read offline
AI för bättre hälsa Rapport om nuläget för en konkurrenskraftig svensk AI inom life science-sektorn 2020-01-29 / Marcus Österberg & Lars Lindsköld
Nuläge “Paradoxen; hur kan det vara så att vi säger att AI är minst lika bra som mänskliga experter, å andra sidan så verkar AI inte ens vara användbar i dagsläget?” – Claes Lundström under seminariet Hur kan AI gå från vision till verklig patientnytta? (Almedalen 2019)
Utmaningar 1 av 3: Vad är det vi pratar om när vi säger “AI”? “As soon as it works, no one calls it AI any more.” – John McCarthy En tänkbar definition: 1. Autonom inom väldigt begränsade ramar. 2. Självlärande avseende att maskininlärningsalgoritmerna har en förmåga att lösa en uppgift. 3. Självförbättrande gäller vissa AI-system. I den mån de förfinar sina algoritmer baserat på nya data den utsätts för, så kallad online learning. Vilket inom förstärkt inlärning är själva poängen då AI:n ska utforska olika möjliga lösningar.
Utmaningar 2 av 3: Tre parallella generationer av AI 1. Gårdagens AI: Expertsystem inom bilddiagnostik, OCR- skanning, etc. 2. Dagens AI: Oftast djupinlärning (neurala nätverk alltså), naturligt språkbearbetning som i chatbotar, digitala medicinska tvillingar. 3. Morgondagens AI: generell, multi-agent
Utmaningar 3 av 3: • Regelverk. GDPR, Patientdatalagen, medicintekniska regelverket, sekretesslagstiftningen. • Hållbarhet. Lästips -> Technically Wrong. • Digital mognad. Ska AI-folk möta domänexperter, eller ska domänexperter bli bra på AI? • Forskning > Innovation > Implementation. Väldigt mycket på forskning. • Dela mer! Av data, resultat, resurser, insikter, upptränade modeller, etc.
Samverkan – gärna i dessa frågor 1. Regelverk. Hur ska GDPR praktiseras? Hur blir regelverk ett stöd och inte ett hinder? Ska vi ha en nationell eller europeisk molninfrastruktur till stöd, och när kan vi använda utomeuropeiska företags moln? 2. Hållbarhet. Hur blir tillämpningen av AI ansvarsfull och transparent? Hur tillförlitliga är AI-lösningar över tid? 3. Digital mognad. Är arbetstagare och invånare redo att låta sina liv styras av algoritmer de troligen inte kan förstå? Hur sammanför vi domänexperter med dem som kan AI-teknik, eller ska domänexperterna lära sig mer om AI? 4. Forskning -> Innovation -> Implementering. Hur ska vi utvärdera AI- forskningens resultat för att prioritera insatserna? Fynden måste förädlas genom en innovationsprocess mot stundande implementering. 5. Delande av data, resurser och resultat. I Sverige behöver vi dela med oss i större utsträckning! Att dela med oss av de resurser vi har, skapa etablerade modeller som kan användas av fler och inom fler områden, samt samarbeta om data. Swelife 😍 AI kör CC0 när vi kan och delar gärna!

More Related Content

Nuläge: AI för bättre hälsa

  • 1. AI för bättre hälsa Rapport om nuläget för en konkurrenskraftig svensk AI inom life science-sektorn 2020-01-29 / Marcus Österberg & Lars Lindsköld
  • 2. Nuläge “Paradoxen; hur kan det vara så att vi säger att AI är minst lika bra som mänskliga experter, å andra sidan så verkar AI inte ens vara användbar i dagsläget?” – Claes Lundström under seminariet Hur kan AI gå från vision till verklig patientnytta? (Almedalen 2019)
  • 3. Utmaningar 1 av 3: Vad är det vi pratar om när vi säger “AI”? “As soon as it works, no one calls it AI any more.” – John McCarthy En tänkbar definition: 1. Autonom inom väldigt begränsade ramar. 2. Självlärande avseende att maskininlärningsalgoritmerna har en förmåga att lösa en uppgift. 3. Självförbättrande gäller vissa AI-system. I den mån de förfinar sina algoritmer baserat på nya data den utsätts för, så kallad online learning. Vilket inom förstärkt inlärning är själva poängen då AI:n ska utforska olika möjliga lösningar.
  • 4. Utmaningar 2 av 3: Tre parallella generationer av AI 1. Gårdagens AI: Expertsystem inom bilddiagnostik, OCR- skanning, etc. 2. Dagens AI: Oftast djupinlärning (neurala nätverk alltså), naturligt språkbearbetning som i chatbotar, digitala medicinska tvillingar. 3. Morgondagens AI: generell, multi-agent
  • 5. Utmaningar 3 av 3: • Regelverk. GDPR, Patientdatalagen, medicintekniska regelverket, sekretesslagstiftningen. • Hållbarhet. Lästips -> Technically Wrong. • Digital mognad. Ska AI-folk möta domänexperter, eller ska domänexperter bli bra på AI? • Forskning > Innovation > Implementation. Väldigt mycket på forskning. • Dela mer! Av data, resultat, resurser, insikter, upptränade modeller, etc.
  • 6. Samverkan – gärna i dessa frågor 1. Regelverk. Hur ska GDPR praktiseras? Hur blir regelverk ett stöd och inte ett hinder? Ska vi ha en nationell eller europeisk molninfrastruktur till stöd, och när kan vi använda utomeuropeiska företags moln? 2. Hållbarhet. Hur blir tillämpningen av AI ansvarsfull och transparent? Hur tillförlitliga är AI-lösningar över tid? 3. Digital mognad. Är arbetstagare och invånare redo att låta sina liv styras av algoritmer de troligen inte kan förstå? Hur sammanför vi domänexperter med dem som kan AI-teknik, eller ska domänexperterna lära sig mer om AI? 4. Forskning -> Innovation -> Implementering. Hur ska vi utvärdera AI- forskningens resultat för att prioritera insatserna? Fynden måste förädlas genom en innovationsprocess mot stundande implementering. 5. Delande av data, resurser och resultat. I Sverige behöver vi dela med oss i större utsträckning! Att dela med oss av de resurser vi har, skapa etablerade modeller som kan användas av fler och inom fler områden, samt samarbeta om data. Swelife 😍 AI kör CC0 när vi kan och delar gärna!

Editor's Notes

  • #3: Nuläget för AI sammanfattades väl av Claes Lundström under Almedalen förra sommaren. Det finns hur mycket som helst som är lovande, men väldigt lite av det nya är ute I produktion.
  • #4: En anledning till att man inte hör så mycket om AI som är implementerad är den så kallade AI-effekten, vilket McCarthy som en av pionjärerna inom fältet, beskrev för cirka 60 år sedan. Vi har ju redan AI i produktion, dock en annan generation. Så kallad GOFAI, Good old Fashioned AI, ibland kallad expertsystem.
  • #5: Gårdagens AI är den vi redan har i hälso- och sjukvården idag och samhället I stort. Där experter handgripligen kodat ner sina kunskaper på ett för maskiner begripligt sätt. OCR skannar vi väl allihop ibland när vi betalar räkningar och är väl inte längre särskilt imponerade (på tal om att AI som fungerar kallas inte för AI). Dagens AI drog igång för circa fem år sedan I och med nyupptäckten av djupinlärning. Nu kan man också använda den beräkningskraft som finns till de större datamängderna och sortera upp dem, alltså träna en maskin. För att senare ställa frågor till AI:n. Morgondagens AI kräver enligt experter mer än den teknik vi har idag. Djupinlärning kommer inte räcka till. Dagens