هوش مصنوعی در حوزه سلامت: وعده‌ها و چالش‌ها
در سال‌های اخیر، استفاده از هوش مصنوعی در مراقبت‌های بهداشتی با امیدهای زیادی همراه بوده است. به عنوان مثال، در سال ۲۰۱۸، یک همکاری میان محققان هوش مصنوعی در دیپ‌مایند (DeepMind) و بیمارستان Moorfields لندن باعث تسریع قابل توجهی در تحلیل اسکن‌های شبکیه چشم برای شناسایی علائم بیماری‌های چشمی شد که نیاز به درمان فوری داشتند. این پیشرفت از آن جهت قابل توجه است که ماشین‌ها قادرند اسکن‌ها را با سرعت بسیار بالا تجزیه و تحلیل کنند و به سرعت مواردی را که نیاز به تشخیص و درمان تخصصی دارند، شناسایی کنند.
اما در مورد فرایند تشخیص خود، وضعیت پیچیده‌تر است. مطالعه‌ای که اخیراً در مجله انجمن پزشکی آمریکا منتشر شد، به بررسی این موضوع پرداخت که آیا استفاده از ChatGPT می‌تواند توانایی تشخیصی ۵۰ پزشک را بهبود بخشد. نتیجه این مطالعه نشان داد که دسترسی به مدل زبان بزرگ (LLM) برای پزشکان به عنوان ابزار کمکی در تشخیص، تأثیر زیادی در بهبود استدلال بالینی آن‌ها نداشته است. اما نکته جالب این بود که ChatGPT به تنهایی عملکرد بهتری نسبت به هر دو گروه پزشکان (هم آن‌هایی که به این ابزار دسترسی داشتند و هم آن‌هایی که نداشتند) نشان داد.
همانطور که نیویورک تایمز به خلاصه این مطالعه اشاره کرده است، “پزشکانی که به ChatGPT-4 همراه با منابع سنتی دسترسی داشتند، تنها کمی بهتر از پزشکانی که دسترسی به این ابزار نداشتند عمل کردند. و تعجب‌آورتر اینکه، ChatGPT به تنهایی از پزشکان بهتر عمل کرد.”
دو نکته دیگر در این مطالعه به شدت جالب توجه بود: اول اینکه نشان داد پزشکان گاهی اوقات به تشخیص‌هایی که خود انجام داده‌اند، اعتماد بیش از حد دارند، حتی زمانی که ChatGPT پیشنهاد بهتری می‌دهد. این نشان می‌دهد که برخی پزشکان ممکن است هنوز به درستی از پتانسیل‌های ابزارهای مبتنی بر هوش مصنوعی استفاده نکنند. دوم اینکه این نتایج، اهمیت “مهندسی درخواست” (prompt engineering) را برجسته می‌کند، که به معنای توانایی پرسیدن سوالات درست از یک مدل زبان برای به دست آوردن بهترین پاسخ‌ها است.
در بخش دیگری از تحقیق، به مطالعه‌ای در MIT اشاره شده که نشان داد همکاری با هوش مصنوعی می‌تواند در تحقیقات مواد جدید نتایج شگرفی به همراه داشته باشد. در این تحقیق، پژوهشگران توانستند با استفاده از هوش مصنوعی ۴۴ درصد مواد جدید بیشتری کشف کنند و ۳۹ درصد بیشتر از آن‌ها ثبت اختراع داشته باشند. اما نکته جالب اینجاست که در این فرآیند، بیشتر کارهای ایده‌پردازی توسط هوش مصنوعی انجام شده و پژوهشگران تنها به ارزیابی عملی ایده‌ها پرداخته‌اند. نتیجه این روند، کاهش قابل توجهی در رضایت شغلی آن‌ها بوده است.
این مطالعات نشان می‌دهند که هوش مصنوعی می‌تواند به طور چشمگیری کارایی انسان‌ها را در بسیاری از زمینه‌ها بهبود بخشد، اما در عین حال، چالش‌هایی از جمله کاهش رضایت شغلی و مشکلات در استفاده بهینه از این فناوری‌ها وجود دارد که باید به دقت مورد توجه قرار گیرد.
