চিকিৎসা ক্ষেত্রে কৃত্রিম বুদ্ধিমত্তার প্রজন্ম দ্রুত বিকশিত হচ্ছে

[বিজ্ঞাপন_১]

বিংশ শতাব্দীর শেষের দিকে কম্পিউটার ইঞ্জিনিয়ারদের দ্বারা প্রোগ্রাম করা, AI মানুষের তৈরি নির্দেশাবলীর (নিয়ম) একটি সেটের উপর ভিত্তি করে জন্মগ্রহণ করেছিল, যা প্রযুক্তিকে মৌলিক সমস্যা সমাধানের অনুমতি দেয়।

সম্পাদকের মন্তব্য: তথ্য যুগে নতুন প্রযুক্তির প্রভাবে অনেক শিল্প ক্ষতিগ্রস্ত হচ্ছে। অটোমেশন, কম্পিউটার বিজ্ঞান, কৃত্রিম বুদ্ধিমত্তা (এআই) এর প্রভাবের সাথে সাথে ডাক্তার, হাসপাতাল, বীমা কোম্পানি এবং স্বাস্থ্যসেবার সাথে সম্পর্কিত শিল্পের মতো বিষয়গুলিও এর ব্যতিক্রম নয়। তবে বিশেষ করে, স্বাস্থ্যের ক্ষেত্রে , অন্যান্য শিল্পের তুলনায় এআই-এর ইতিবাচক প্রভাব বেশি।

প্রথম প্রজন্ম

এই সময়ে AI-কে যেভাবে প্রশিক্ষণ দেওয়া হচ্ছে তা মেডিকেল শিক্ষার্থীদের পদ্ধতির মতোই কল্পনা করা যেতে পারে। AI সিস্টেমগুলিতে রোগীর লক্ষণগুলিকে রোগ নির্ণয়ে রূপান্তর করার জন্য শত শত অ্যালগরিদমও শেখানো হয়। এটিকে AI সিস্টেমে অন্তর্ভুক্ত করা প্রথম প্রজন্মের স্বাস্থ্যসেবা নিয়ম হিসাবে বিবেচনা করা হয়।

জেনারেটিভ এআই অ্যাপ্লিকেশনগুলি ডাক্তারদের রিয়েল টাইমে তথ্য আপডেট করতে সাহায্য করে

সিদ্ধান্ত গ্রহণের অ্যালগরিদম গাছের মতো বৃদ্ধি পায়, কাণ্ড (রোগীর সমস্যা) থেকে শুরু করে সেখান থেকে শাখা-প্রশাখা বের করে। উদাহরণস্বরূপ, যদি কোনও রোগী তীব্র কাশির অভিযোগ করেন, তাহলে ডাক্তার প্রথমে জিজ্ঞাসা করবেন যে জ্বর আছে কিনা। দুটি প্রশ্ন থাকবে, জ্বর/জ্বর নেই। প্রাথমিক উত্তরগুলি অবস্থা সম্পর্কে আরও প্রশ্নের দিকে পরিচালিত করবে। এর ফলে আরও শাখা তৈরি হবে। অবশেষে, প্রতিটি শাখা একটি রোগ নির্ণয়, যা ব্যাকটেরিয়া, ছত্রাক বা ভাইরাল নিউমোনিয়া থেকে শুরু করে ক্যান্সার, হৃদযন্ত্রের ব্যর্থতা বা ডজন ডজন অন্যান্য ফুসফুসের রোগ পর্যন্ত হতে পারে।

সাধারণভাবে, প্রথম প্রজন্মের কৃত্রিম বুদ্ধিমত্তা সমস্যাগুলি সনাক্ত করতে পারত কিন্তু চিকিৎসা রেকর্ড বিশ্লেষণ এবং শ্রেণীবদ্ধ করতে পারত না। ফলস্বরূপ, কৃত্রিম বুদ্ধিমত্তার প্রাথমিক রূপগুলি ডাক্তারদের মতো নির্ভুল হতে পারেনি যারা চিকিৎসা বিজ্ঞানকে তাদের অন্তর্দৃষ্টি এবং অভিজ্ঞতার সাথে একত্রিত করেছিলেন। এবং এই সীমাবদ্ধতার কারণে, নিয়ম-ভিত্তিক কৃত্রিম বুদ্ধিমত্তা অন্যান্য সময়ে ক্লিনিকাল অনুশীলনে খুব কমই ব্যবহৃত হত।

সম্পূর্ণ স্বয়ংক্রিয়তা

একবিংশ শতাব্দীর গোড়ার দিকে, কৃত্রিম বুদ্ধিমত্তার দ্বিতীয় যুগ শুরু হয় কৃত্রিম সংকীর্ণ বুদ্ধিমত্তা (ANI) দিয়ে, যা নির্দিষ্ট কিছু কাজ সমাধান করে। মানব মস্তিষ্কের গঠন অনুকরণকারী নিউরাল নেটওয়ার্কের আবির্ভাব গভীর শিক্ষা প্রযুক্তির পথ প্রশস্ত করে। ANI তার পূর্বসূরীদের থেকে খুব আলাদাভাবে কাজ করে। গবেষকদের দ্বারা পূর্বনির্ধারিত নিয়ম প্রদানের পরিবর্তে, দ্বিতীয় প্রজন্মের সিস্টেমগুলি বিশাল ডেটা সেট ব্যবহার করে এমন প্যাটার্নগুলি সনাক্ত করে যা মানুষের দীর্ঘ সময় নেয়।

একটি উদাহরণে, গবেষকরা একটি ANI সিস্টেমে হাজার হাজার ম্যামোগ্রাম পরীক্ষা করেছিলেন, যার অর্ধেক ম্যালিগন্যান্ট ক্যান্সার দেখিয়েছিল এবং অর্ধেক সৌম্য ক্যান্সার দেখিয়েছিল। মডেলটি ম্যামোগ্রামের আকার, ঘনত্ব এবং ছায়ায় কয়েক ডজন পার্থক্য তাৎক্ষণিকভাবে সনাক্ত করতে সক্ষম হয়েছিল, প্রতিটি পার্থক্যকে একটি প্রভাব ফ্যাক্টর নির্ধারণ করেছিল যা ম্যালিগন্যান্সির সম্ভাবনা প্রতিফলিত করে। গুরুত্বপূর্ণভাবে, এই ধরণের AI মানুষের মতো হিউরিস্টিকস (আঙুলের নিয়ম) এর উপর নির্ভর করে না, বরং ম্যালিগন্যান্ট এবং স্বাভাবিক পরীক্ষার মধ্যে সূক্ষ্ম তারতম্যের উপর নির্ভর করে যা রেডিওলজিস্ট এবং সফ্টওয়্যার ডিজাইনার উভয়েরই অজানা।

নিয়ম-ভিত্তিক AI এর বিপরীতে, দ্বিতীয় প্রজন্মের AI সরঞ্জামগুলি কখনও কখনও রোগ নির্ণয়ের নির্ভুলতার ক্ষেত্রে মানুষের অন্তর্দৃষ্টিকে ছাড়িয়ে যায়। তবে, এই ধরণের কৃত্রিম বুদ্ধিমত্তাও গুরুতর সীমাবদ্ধতা উপস্থাপন করে। প্রথমত, প্রতিটি প্রয়োগই কার্য-নির্দিষ্ট। অর্থাৎ, ম্যামোগ্রাম পড়ার জন্য প্রশিক্ষিত একটি সিস্টেম মস্তিষ্কের স্ক্যান বা বুকের এক্স-রে ব্যাখ্যা করতে পারে না। ANI-এর সবচেয়ে বড় সীমাবদ্ধতা হল যে সিস্টেমটি কেবলমাত্র সেই ডেটার মতোই ভালো যা এটিকে প্রশিক্ষিত করা হয়েছিল। এই দুর্বলতার একটি স্পষ্ট উদাহরণ ছিল যখন ইউনাইটেডহেলথকেয়ার সবচেয়ে অসুস্থ রোগীদের সনাক্ত করতে এবং তাদের অতিরিক্ত চিকিৎসা পরিষেবা প্রদানের জন্য সংকীর্ণ AI-এর উপর নির্ভর করেছিল। গবেষকরা যখন তথ্য পরীক্ষা করেছিলেন, তখন তারা দেখতে পান যে AI একটি ক্ষতিকারক ধারণা তৈরি করেছিল। রোগীদের তাদের মেডিকেল রেকর্ডে খুব কম চিকিৎসা সেবা পাওয়ার কারণে সুস্থ হিসেবে নির্ণয় করা হয়েছিল, অন্যদিকে যারা প্রচুর চিকিৎসা সেবা ব্যবহার করেছিলেন তাদের অস্বাস্থ্যকর হিসেবে বিচার করা হয়েছিল।

ভবিষ্যৎ প্রজন্মের AI মানুষকে যেকোনো ডাক্তারের মতোই রোগ নির্ণয় এবং চিকিৎসা পরিকল্পনা করতে সক্ষম করবে। বর্তমানে, একটি জেনারেটিভ AI টুল (Google-এর MED-PALM2) বিশেষজ্ঞ স্কোর সহ চিকিৎসক লাইসেন্সিং পরীক্ষায় উত্তীর্ণ হয়েছে। আরও অনেক মেডিকেল AI টুল এখন ডাক্তারদের মতো রোগ নির্ণয় লিখতে পারে। তবে, এই মডেলগুলির এখনও চিকিৎসকের তত্ত্বাবধান প্রয়োজন এবং ডাক্তারদের প্রতিস্থাপন করার সম্ভাবনা কম। তবে তাদের বর্তমান সূচকীয় বৃদ্ধির হারের সাথে, এই অ্যাপ্লিকেশনগুলি আগামী ৫ বছরে কমপক্ষে ৩০ গুণ বেশি শক্তিশালী হয়ে উঠবে বলে আশা করা হচ্ছে। ChatGPT-এর মতো ভবিষ্যতের প্রজন্মের সরঞ্জামগুলি সকলের হাতে চিকিৎসা দক্ষতা তুলে দেবে, যা মৌলিকভাবে ডাক্তার-রোগীর সম্পর্ককে বদলে দেবে।

ভিয়েত লে দ্বারা সংকলিত

[বিজ্ঞাপন_২]
উৎস