6 Области применения Искусственного Интеллекта — Здравоохранение, образование и управление человеческими ресурсами

Аннотация

В этой главе вы узнаете много нового о различных областях применения ИИ в секторе здравоохранения. Она начинается с всесторонней оценки данных о здоровье для повышения качества диагностики. Использование Искусственного Интеллекта также может привести к облегчению рутинных задач в здравоохранении — так что врачи и медсестры смогут больше времени уделять пациентам. Искусственный Интеллект также может внести значительный вклад в устранение стратегического разрыва в квалификации при обучении и повышении квалификации. В дополнение к технической инфраструктуре, это требует, в частности, обучения самих преподавателей; потому что их знания также устаревают все быстрее. Большая область применения ИИ уже доступна в компаниях благодаря приложениям виртуальной и дополненной реальности. Искусственный Интеллект также может предоставить поддержку в управлении человеческими ресурсами — например, при найме новых сотрудников. Онлайн-платформы могут помочь связать предложение и спрос здесь.


6.1 Приложения здравоохранения для улучшения стандартных процессов


Ожидается и есть надежда, что использование Искусственного Интеллекта в здравоохранении улучшит достижимое качество жизни благодаря новым медицинским достижениям. Сегодня уже доступно большое количество приложений ИИ. Крупными игроками в области медицины, использующими ИИ, в настоящее время являются Google, IBM, Isabel Healthcare, NEC, Nuance, Microsoft, Ipsoft, Rocket Fuel и Fingenius.

Цифровизация изначально позволит подготовить широкий спектр медицинских данных для применения ИИ. Спектр здесь варьируется от историй болезни до — частично уже доступных в цифровом виде — результатов обследований и персональных данных о здоровье, генерируемых носимыми устройствами и приложениями (ср. Pinker, 2017; Stanford University, 2016,

с. 25). Искусственный Интеллект может использовать многие свои преимущества в медицинском секторе:

• Одновременный доступ к сотням тысяч или миллионам релевантных исторических изображений и текстовых документов (включая отзывы) для диагностических целей

• Доступ в реальном времени к новым инсайтам, полученным исследователями и/или коллегами в их повседневной работе (включая клинические испытания)

• Оценка полной медицинской карты соответствующего пациента, чтобы соответствующие данные были доступны в связанной форме

• Опрос пациента с поддержкой ИИ для дополнения отсутствующей информации и/или тестирования гипотез

• Вывод рекомендаций по терапии на основе большого количества рекомендаций по терапии от третьих сторон и достигнутых результатов.

Медицинские области применения Искусственного Интеллекта могут быть сгруппированы следующим образом:

• Приложения, поддерживающие диагностику

• Приложения, заменяющие диагностику

• Приложения, поддерживающие терапию

• Приложения, заменяющие терапию.

Еще предстоит преодолеть множество проблем на пути. Проблемы с интерпретацией медицинских заметок врачами и междисциплинарной передачей результатов (также по соображениям защиты данных). Пока в таких странах, как Германия, децентрализованная система здравоохранения доминирует, а интегрированная история болезни (с полной документацией диагнозов, терапий и успехов лечения) существует только как концепция, возможности оценки остаются очень ограниченными. Кроме того, как и для всех систем ИИ, требуется всестороннее и интенсивное обучение для оснащения приложений ИИ, таких как Watson, необходимыми данными (ср. Waters, 2016; Bloomberg, 2017). Консолидированная база данных, объединяющая анонимные медицинские записи из широкого спектра источников, до сих пор отсутствует во многих странах.

Отдельные приложения ИИ уже существуют. Watson for Oncology — программа ИИ для выявления рака — сегодня используется в 230 больницах для помощи врачам в диагностике и лечении рака. Опыт, полученный с Watson Health, включается в алгоритмы ИИ для дальнейшего обучения (ср. Rossi, 2018, с. 21). Пределы Искусственного Интеллекта здесь по-прежнему очевидны. Как уже упоминалось, каждая система ИИ должна быть откалибрована для соответствующей области применения. В случае здравоохранения она должна сначала изучить все релевантные термины, а также тип формулировок в письмах врачей и результатах обследований. Как можно оценить утверждение "... не могло быть исключено"? Есть что-то или нет? Кроме того, системы ИИ должны изучить общие медицинские аббревиатуры. Также необходимо охватить различные релевантные руководства и общие терапии. Иногда Watson уже ошибается из-за распознавания речи! Снова применяется следующее: Систему по-прежнему необходимо подпитывать

комплексно с соответствующими данными, и результаты необходимо интенсивно анализировать, пока система не достигнет или даже не превзойдет уровня квалифицированных врачей (ср. Müller, 2018a, с. 106f.; Burgess, 2018, с. 32). Путь от диагностико-поддерживающего до диагностико-замещающего применения еще долог.

Так называемый Camelyon Grand Challenge 2016 принес интересные результаты в этой области. Он показал, что комбинация машин и людей приводит к наилучшим результатам. Команда исследователей из Гарварда и MIT разработала алгоритм глубокого обучения для медицины для выявления метастатического рака молочной железы. Патолог в прямом сравнении был превосходящим с правильным предсказанием в 96,6% случаев, а машина — с 92,5%. Во втором тесте прогнозы патологов и машин были объединены — с результатом 99,5% точности (ср. Wang, Khosla, Gargeya, Irshad, & Beck, 2016). Это соответствует снижению ошибки на 85%, если машина ее поддерживает!

Разделение труда, основанное на этом, началось в области, где противоположная сторона была слаба. Патолог может лучше оценить, есть ли у кого-то рак молочной железы, в то время как машина лучше говорила, что у кого-то нет рака молочной железы. Как и в других командах, слабости отдельных людей устраняются, и достигаются лучшие решения. Машинам гораздо труднее принимать правильные решения в неизвестных ситуациях с недостаточными данными. Напротив, людям, как правило, легче быстро распознать правильные закономерности на основе большого объема данных. Этот инсайт может быть применен к когнитивной работе с помощью двух различных подходов. Либо машина делает предложение, и человек опирается на это решение, либо решение человека оценивается машиной после (ср. Agrawal, Gans, & Goldfarb, 2018, с. 65–67). В любом случае это снова диагностико-поддерживающее приложение.

Датская компания-разработчик программного обеспечения ИИ FastCompany протестировала свою систему ИИ Corti, позволяя компьютеру слушать, когда люди в колл-центре отвечают на экстренные звонки. Когда кто-то вне больницы страдает от остановки сердца, время имеет решающее значение: шанс на выживание снижается примерно на 10% каждую минуту. Поэтому первым шагом в распознавании остановки сердца является особая задача для операторов колл-центров — в конце концов, важно правильно понять симптомы, часто передаваемые напуганными друзьями или родственниками (ср. Peters, 2018).

В Копенгагене операторы колл-центров, соответственно, поддерживаются системой ИИ Corti. Когда звонят в скорую помощь, ИИ-ассистент Corti также находится на линии. NLP оценивает разговор в контексте и предоставляет оператору уведомления в реальном времени на основе этой информации. Corti анализирует не только то, что и как человек сказал (например, тон голоса), но и учитывает фоновый шум. Это позволило выявлять сердечные приступы с успехом 93% по сравнению с 73% при оценке человеком (ср. Peters, 2018).


6.2 Цифровые двойники и проекты человеческого мозга


Еще одна область исследований ИИ в секторе здравоохранения связана с разработкой цифровых двойников. В разделе 2.5 уже описывалось создание таких двойников для машин и установок. Медицинский сектор занимается виртуальным (цифровым) представлением человеческих органов (например, сердца, почек, печени) или всего человеческого существа. Созданные таким образом цифровые зеркальные изображения могут использоваться для имитации состояния здоровья и эффектов терапии. Цель состоит в том, чтобы попробовать правильные методы лечения — не превращая реального человека в подопытную свинку.

Учреждения и компании, такие как Институт Фраунгофера, Ассоциация Гельмгольца немецких исследовательских центров, а также Siemens Healthineers и Philips, работают над искусственным рождением цифровых двойников. Сегодня еще невозможно предсказать, когда будут достигнуты соответствующие прорывы. Цель — не только проводить интегрированную оценку всех релевантных данных о пациенте (таких как лабораторные показатели и данные КТ и МРТ-обследований) с использованием этого цифрового двойника. Цель — симулировать весь процесс от профилактики до диагностики, терапии и последующего ухода — и на этой основе установить оптимальный уход за пациентом (ср. n.a., 2018a, с. 18). Это приложение, поддерживающее диагностику и терапию.

В этой области наблюдается следующее развитие. В прошлом ученые получали свои знания "in vivo", т.е. наблюдая или экспериментируя с живыми организмами. Позже такие эксперименты могли проводиться "in vitro", т.е. в пробирке. Теперь предпочтение отдается шагу "in silico", потому что такие эксперименты теперь происходят в компьютере — и их чипы основаны на химическом элементе кремнии.

Еще одна область применения ИИ пытается закодировать секреты человеческого мозга. Новые открытия позволят разработать альтернативные методы лечения нервных заболеваний. Проект человеческого мозга (HBP) — одна из таких инициатив. Здесь междисциплинарная команда экспертов, состоящая из ученых, стремится передать свои результаты через "Платформу медицинской информатики". Эти релевантные открытия являются результатом сочетания данных о пациентах, знаний нейронауки и результатов клинических исследований (ср. HBP, 2017).

На европейском уровне эти разработки продвигаются крупным финансируемым ЕС проектом. Цель — проникнуть в процессы в мозгу еще точнее, чтобы использовать полученные там результаты для систем ИИ. Изначально человеческий мозг должен был быть симулирован компьютером в течение десяти лет. От этой цели давно отказались. Воспроизведение "общего" интеллекта человека по-прежнему представляет собой непреодолимое препятствие для исследователей (ср. Wolfangel, 2018, с. 33).

Проект "Геном человека" уже приносит ощутимые результаты. В 2003 году геном человека был расшифрован за тринадцать лет при общей стоимости 2,3 миллиарда долларов США. Сегодня тот же анализ часто стоит менее 100 долларов США — и занимает лишь часть времени (ср. NHGRI, 2016). В зависимости от ситуации с защитой данных, таким образом сгенерированная информация может быть дополнена дальнейшими личными данными. Их можно получить через носимые устройства, приложения или доступ к содержимому социальных сетей. Таким образом, может быть создан индивидуальный статус здоровья, который также включает все генетические предрасположенности. На основе этого может быть разработан индивидуальный план питания.

может быть разработан, который точно соответствует генетическому профилю пользователя. Кроме того, можно вывести индивидуализированное лекарство (ключевое слово индивидуализированная медицина), которое оптимально взвешивает эффекты и побочные эффекты на индивидуальный организм с учетом его особенностей (ср. McKinsey, 2013, с. 90−92; Taverniti & Guglielmetti, 2012, с. 3−5).

В этом контексте говорят о так называемом эффекте Анджелины Джоли. Что произошло? В мае 2013 года Анджелина Джоли объявила, что удалила обе груди, чтобы защитить себя от рака молочной железы. Ее личный риск развития рака молочной железы был особенно высоким из-за определенной генетической черты. Эта черта была выявлена путем генетического анализа. С тех пор все больше тестов на генетику рака молочной железы проводится, потому что женщины хотят знать свой личный риск рака. При определенных генетических характеристиках риск развития рака молочной железы возрастает до 80% (ср. n.a., 2016b).

В 2018 году из Китая поступило сообщение: Впервые исследователь манипулировал человеческими эмбрионами, используя так называемые генные ножницы (официально Crispr/Cas9) таким образом, что они больше не могли заразиться СПИДом. Эти генные ножницы использовались в процессе искусственного оплодотворения. "Эксперимент", проведенный над людьми, очень критически обсуждался по всему миру (ср. Kastilan, 2018, с. 64).

Пища для размышлений

Хотим ли мы такой прозрачности обо всех людях (включая наш собственный геном) — включая нас самих — чтобы иметь возможность жить "оптимально"? Следует ли проводить такой анализ пренатально — с различными возможными решениями?

Или мы хотим дать жизни что-то от ее неопределенности, непредсказуемости, невесомости и ее сюрпризов — хороших и плохих? Потому что это поле напряжения может сделать жизнь стоящей — потому что мы не знаем и не можем знать всего. Можем ли мы все еще жить реальной жизнью, если заранее знаем, что вызовет нашу смерть и когда? Будем ли мы ослеплены всеми этими мерами предосторожности в отношении хороших вещей в жизни только потому, что у нас 94% шанс умереть от почечной недостаточности в возрасте 62 лет?

Становится ясно, что как избыточная, так и недостаточная информация будут иметь негативные последствия. Поэтому эти вопросы следует поднимать и отвечать на них рано — без, однако, пропуская стартовый сигнал для внедрения ИИ, который, по нашему мнению, необходим.

Ящик памяти

Если вы хотите узнать, какие разработки Amazon может ожидать в здравоохранении, вам следует погуглить по ключевому слову Amazon 1492. Не зря Amazon использовал год открытия Америки для этого проекта!

Более простые формы самооптимизации поддерживаются навыками Alexa (ср. Fritsche, 2018). Немецкая медицинская страховая компания Techniker Krankenkasse (TK) разработала навык Alexa TK Smart Relax, чтобы помочь пользователям Alexa расслабиться с помощью умных медитационных упражнений. Это должно позволить интегрировать

методы осознанности и релаксации в повседневную жизнь. С помощью команды "Alexa, начать смарт-релаксацию" пользователь приглашается к различным упражнениям релаксации и медитации. В качестве альтернативы могут быть вызваны различные плейлисты для поддержания концентрации.

Подключенная обувь, предлагаемая компанией Digitsole (2019), также может внести вклад в самооптимизацию. Управляемые смартфоном кроссовки имеют регулируемый подогрев, амортизацию и затяжку. Для этого в обувь интегрирована электроника, чтобы обеспечить потребителям больший комфорт и благополучие. Алгоритмы ИИ определяют симптомы усталости и риски травм на ранней стадии. Кроме того, могут быть даны персонализированные рекомендации по тренировкам, и может быть проведено аудио-коучинг. Интегрированный трекер активности непрерывно записывает скорость, пройденное расстояние и количество потребленных калорий. В сочетании с приложением для фитнеса или здоровья это приводит к захватывающим бизнес-моделям.

Другим примером этого является сотрудничество между производителем спортивного оборудования Under Armour и IBM Watson. В совместной разработке, называемой HealthBox, система ИИ учится на основе физической активности, веса (включая индекс массы тела) и пищевых моделей о состоянии здоровья пользователя и может давать рекомендации по оптимизации тренировок. Приложение состоит из браслета, похожего на Fitbit, цифровых весов и пульсометра. Приложение для смартфона под названием UA Record объединяет все это для оценки данных, собранных трекером активности и весами. Работая вместе с IBM, эти потоки данных могут быть интеллектуально оценены. Критерии, такие как возраст, пол и уровень активности, учитываются для индивидуальных рекомендаций по тренировкам и восстановлению. Для продвижения HealthBox Under Armour получает доступ к трем онлайн-сообществам по фитнесу, которые оно создало за последние годы: Endomondo, MapMyFitness и MyFitnessPal. Таким образом, компания получает доступ к крупнейшей онлайн-экосистеме здоровья с 165 миллионами пользователей сегодня (ср. Under Armour, 2019).

Дальнейшие разработки — это чат-боты и экспертные системы, уже используемые сегодня, которые представляют собой персональных менеджеров по здоровью. Приложения предоставляют цифровые медицинские консультации по общим симптомам заболеваний и часто также предлагают функцию для планирования дальнейшего медицинского лечения. Приложения также могут напоминать пациентам регулярно принимать предписанные лекарства для улучшения соблюдения режима. Соблюдение режима здесь означает готовность пациента активно участвовать в терапевтических мерах, например, регулярно принимать предписанные лекарства. Это также пример приложения, поддерживающего терапию.

Совет по художественному чтению

Очень хороший художественный роман Марка Эльсберга "Zero — Они знают все, что вы делаете" показывает, куда могут привести такие попытки самооптимизации.

Очки дополненной реальности такого рода также могут поддерживать учеников, начинающих специалистов и неквалифицированный персонал в программах обучения. Также действия и рабочие процессы, которые редко встречаются, могут быть поддержаны AR-очками. В случае неправильной эксплуатации в AR-очках или на планшете может появиться красный сигнал, чтобы побудить оператора к немедленной коррекции. Специалисты и квалифицированные работники могут быть информированы о текущем ходе процесса в любое время через соответствующие устройства. Передаваемая информация и инструкции основаны на измерениях в реальном времени, включенных в технологию IoT.

Крупные обучающие компании, такие как Airbus, Boeing, Daimler, General Electric, General Motors, Siemens и Volkswagen, используют такие системы цифровой помощи для оптимизации учебных процессов в профессиональном обучении. Чем более квалифицированы ученики, тем важнее предоставить им контроль над своим обучением. Это называется владением обучением.

Пища для размышлений

Предикат "Digital Natives" (с 1980 года) ошибочно предполагает, что эти люди уже обладают всесторонней цифровой компетенцией. Однако это часто не так. Цифровая компетенция этих людей часто не выходит за рамки простого владения приложениями. Кроме того, большинство из них не способны различать достоверный и ненадежный контент в Интернете.

В образовании использование новых технологий не приведет к цифровому автоматизму. Управление образованием по-прежнему представляет собой сочетание преподавания и обучения. Таким образом, систему ИИ следует рассматривать как значимое дидактическое дополнение — но не как замену преподавателю (ср. Igel, 2018). Кроме того, следует помнить, что преподаватель должен рассматриваться не только как чистый передатчик знаний, но и способствовать развитию личности каждого отдельного ученика.


6.5 Управление человеческими ресурсами с поддержкой ИИ


Системы ИИ также могут поддерживать планирование персонала, учитывая сложные правила взаимодействия. Кроме того, могут быть выявлены пробелы в знаниях внутри компании по отделам и подразделениям, которые затем переносятся в программу обучения (ср. May, 2016, с. 6). Распознавание закономерностей с поддержкой ИИ при оценке данных о потенциальных сотрудниках может улучшить результаты найма. Для этого необходимо, чтобы данные, необходимые для углубленного анализа, были доступны для разработки алгоритмов ИИ, а также для применения в самом процессе отбора. Защита конфиденциальности частных лиц, практикуемая в отдельных странах, определит степень, в которой Искусственный Интеллект может способствовать преодолению стратегического разрыва в квалификации.

Кроме того, во многих странах по-прежнему существует большой дисбаланс между существующими и необходимыми квалификациями населения. Это может быть вызвано неэффективностью системы образования и правилами рынка труда, которые не уравновешивают предложение и спрос. Это означает, что существующий потенциал отдельных людей и стран в целом не может быть оптимально использован. Искусственный Интеллект играет ключевую роль в достижении лучшей связанности между системами образования и рынком труда. Цифровые технологии уже вносят важный вклад в связь талантов и задач через онлайн-платформы. McKinsey (2017, с. 65) оценивает, что онлайн-платформы талантов к 2025 году позволят до 60 миллионам человек найти работу, которая лучше соответствует их навыкам или предпочтениям. Это также может снизить затраты на управление персоналом.

Следующий пример показывает, как чат-бот уже сегодня может поддержать поиск работы. Мир Jobo здесь по-прежнему выглядит естественно и мощно (Bobot, 2019):

Добавить Jobo в мессенджер

Начать работу

Андре, добро пожаловать! Рад тебя видеть. Я Jobo и я помогу тебе найти твою следующую работу. Начнем с основ. Ты можешь начать новый поиск работы из меню или просто отправив мне команду "поиск".

Искать вакансии и настроить уведомления о вакансиях

Что ты ищешь? Примечание: Лучше использовать более общие ключевые слова, такие как: учитель, водитель, менеджер по продажам или некоторые навыки, такие как java, wordpress, html5 и т.д.

Разработчик

Я нашел 5601 вакансию "Разработчик" в Сан-Франциско.

(Приложение показывает результаты.)

Подать заявку на вакансии через мессенджер или напрямую. Удачи!

Опции: Больше результатов | Сохранить поиск | Готово

Ты хочешь подать заявку на следующую вакансию?

Архитектор приложений (начальный уровень) в Varite USA в Сан-Франциско, Калифорния 94105

Опции: Да, пожалуйста | Нет, забудьте

Какие трудности до сих пор возникают у текстового чат-бота Jobo, показано ниже. Это немного сокращенная стенограмма разговора с Jobo (Bös, 2018, с. С1):

"Привет, Jobo

Привет!

Ты можешь найти мне работу?

Ой, я не понял твоего сообщения. Должен ли я искать вакансии по ключевому слову "Ты можешь найти мне работу"?

Нет, забудьте об этом!

Что ты хочешь, чтобы я сделал сейчас?

Найти вакансии!

Хорошо, где бы ты хотел найти работу?

Франкфурт.

Хорошо, я поищу вакансии во Франкфурте, Германия. Правильно?

Это правильно!

Что ты ищешь?

Учитель. Я уже сказал тебе!

Ой, извините, я не мог найти вакансии по "Учитель. Я уже сказал тебе!" Попробуйте изменить критерии поиска, используйте простые ключевые слова или выберите более крупный город в вашей области.

Хорошо, я меняю ключевое слово.

Ты хочешь оставить это место: Франкфурт?

Это правильно!

Что ты ищешь?

Учитель.

Я нашел 21 вакансию "Учитель" во Франкфурте. Хочешь сохранить этот поиск и быть проинформированным о новых вакансиях?

Спасибо. У меня этого достаточно.

Пока. Пока. Надеюсь, я смогла немного помочь. До скорой встречи!"

На самом деле, многие чат-боты пытаются компенсировать существующие трудности в распознавании речи с помощью чисто текстового общения — часто с заданными возможностями ввода. Пример выше показывает, что это не всегда успешно достигается убедительно.

Гораздо более убедительны результаты платформы для поиска работы MoBerries на основе Facebook Messenger, что показывает этот пример (ср. MoBerries, 2019):

"Привет, Мари. Я Мо из MoBerries. Приятно познакомиться. Я помогу тебе найти следующую работу.

Поиск работы!

Хорошо, скажи мне, где ты хочешь искать работу? Отправь мне свое текущее местоположение, выбери одно или просто введи название города.

Берлин

Хорошо, теперь скажи мне, какую роль ты ищешь? Выбери предложение ниже или введи свое собственное название должности.

Контент-маркетинг

Смотри, я нашел 1453 результата по контент-маркетингу в Берлине."

Используя предопределенные деревья решений, MoBerries разрабатывает диалог с пользователем, соответствующий естественному чату. Как только чат-бот получил достаточно информации, он составляет список релевантных результатов.

Кроме того, алгоритмы ИИ могут помочь создать тексты с более высоким воздействием (например, для объявлений о вакансиях). Для этого Textio (ср. 2019) предлагает интересное приложение под названием augmented writing. Textio оценивает большие объемы данных, предоставленных компаниями со всего мира из всех отраслей. Предиктивный движок использует эти данные для выявления значимых закономерностей в языке, которые приводят к более мощной коммуникации и, следовательно, лучшим бизнес-результатам. Полученные в каждом случае результаты генерируют дополнительные данные для дальнейшего развития процесса обучения через цикл обучения.

Как можно использовать дополненное письмо в процессе найма? Для обучения оцениваются миллионы объявлений о вакансиях и рекрутинговых писем. Полученные знания переходят в дополненное письмо. В процессе найма дополненные объявления о вакансиях могут вскоре использоваться для привлечения особо квалифицированных кандидатов. Затем дополненные рекрутинговые письма могут быть использованы для обращения к наиболее интересным кандидатам. Например, Johnson & Johnson увеличили коэффициент отклика своих кандидатов на 25% за счет писем с высокими показателями Textio (ср. Textio, 2019).

Пища для размышлений

Одно следует подчеркнуть в поддержке HR с помощью Искусственного Интеллекта: Окончательное решение о найме или не найме кандидата должно оставаться в руках менеджеров. Поскольку Искусственный Интеллект все еще недостаточно развит, человек является гораздо лучшим принимающим решение при оценке кандидата на вакансию. В конце концов, наш интеллект гораздо более общий и может объединять слова, жесты, выражения лица, паузы в речи и т. д. с симпатией или привязанностью, что является решающим для успешного сотрудничества. Система ИИ не может этого сделать прямо сейчас!

Поэтому чистый подбор персонала на основе данных или робот-подбор персонала по-прежнему остается (пока еще) мечтой о будущем, если вы не хотите нанимать человекоподобных роботов. Тем не менее, поиск потенциальных кандидатов не должен осуществляться без Искусственного Интеллекта!

В уже цитированном исследовании McKinsey (2018, с. 21) были определены следующие дополнительные потенциалы создания стоимости для управления человеческими ресурсами на ближайшие несколько лет:

• Производительность и эффективность сотрудников: 100–200 млрд долл. США

• Автоматизация задач: 100–200 млрд долл. США

• Управление человеческими ресурсами на основе анализа: 100 млрд долл. США

Эти цифры должны мотивировать компании отправиться в индивидуальное путешествие ИИ (ср. разд. 10.3).


6.6 Резюме

• Существует множество областей применения ИИ в секторе здравоохранения.

• Всесторонняя оценка данных о здоровье имеет особое значение.

• Оценки могут основываться на анонимных наборах данных для, например, повышения качества диагностики.

• Связь персональных данных о здоровье необходима для персональной диагностики и терапии.

• Это открывает важные области действий с точки зрения законодательства о защите данных.

• Системы ИИ также могут поддерживать операции.

• Использование Искусственного Интеллекта может привести к облегчению рутинных задач в здравоохранении — так что врачи и медсестры смогут уделять больше времени пациентам.

• Искусственный Интеллект может внести значительный вклад в устранение стратегического разрыва в квалификации при обучении и повышении квалификации.

• В дополнение к технической инфраструктуре, это требует, в частности, обучения самих преподавателей; потому что их знания также устаревают все быстрее.

• Развитие систем поддержки обучения связано с большими усилиями, которые будут предоставлены лишь немногими странами.

• Большая область применения ИИ уже доступна в компаниях благодаря приложениям виртуальной и дополненной реальности.

• Искусственный Интеллект также может предоставить поддержку в управлении человеческими ресурсами — например, при найме новых сотрудников.

• Онлайн-платформы могут помочь связать предложение и спрос на рынке труда.

• Использование чат-ботов в поиске персонала еще имеет большой потенциал для роста!


Библиография

Ada. (2019). Unsere Meilensteine, Von der Gründung bis heute. https://ada.com/de/milestones/. Доступ 2 мая 2019.

Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction machines: The simple economics of Artificial Intelligence. Boston.

Backes, L. (2018). Kennst du den hier? In Der Spiegel (с. 119). 30 июня 2018.

Bertelsmann Stiftung. (2016). SPOTLIGHT Gesundheit: Gesundheits-Apps, Bedeutender Hebel für Patient Empowerment − Potenziale jedoch bislang kaum genutzt. Гютерсло.

Bittner, A. (2018). Interview. In Schmidt, L., Klartext, Herr Doktor! In Frankfurter Allgemeine Sonntagszeitung (с. 19). 18 ноября 2018.

Bloomberg, J. (2017). Is IBM Watson A ‘Joke’? https://www.forbes.com/sites/jasonbloomberg/ 2017/07/02/is-ibm-watson-a-joke/#7e85749cda20. Доступ 24 апреля 2019.

Bobot. (2019). Jobo − der HR-Bot. https://www.jobbot.me/about.html. Доступ 26 апреля 2019.

Böge, F. (2019). Gläserne Schüler. In Frankfurter Allgemeine Sonntagszeitung (с. 4). 28 апреля 2019.

Bös, N. (2018). Jobo sucht einen Job. In Frankfurter Allgemeine Sonntagszeitung (с. С1). 16/17 июня 2018.

Burgess, A. (2018). The executive guide to artificial intelligence—How to identify and implement applications for AI in your organization, Лондон.

Chris, R. (2017). Dawn of the sexbots. https://www.cnet.com/news/abyss-creations-ai-sex-robots headed-to-your-bed-and-heart/. Доступ 23 апреля 2019.

Digitsole. (2019). Discover Running 2.0. https://www.digitsole.com. Доступ 6 мая 2019.

DeepMind Health. (2019a). Helping clinicians get patients from test to treatment, faster. https:// deepmind.com/applied/deepmind-health/. Доступ 24 апреля 2019.

DeepMind Health. (2019b). How we’re helping today. https://deepmind.com/applied/deepmind health/working-partners/how-were-helping-today/. Доступ 24 апреля 2019.

DLR. (2019). EDAN. https://www.dlr.de/rm/en/desktopdefault.aspx/tabid-11670/20388_read 47709/. Доступ 23 апреля 2019.

Escueta, M., Quan, V., Nickow, A., & Oreopoulos, P. (2017). Education technology: An evidence-based review. In National Bureau of Economic Research, Кембридж.

Fritsche, K. (2018). Entspannt durch den Tag mit dem Alexa Skill TK Smart Relax. https:// developer.amazon.com/de/blogs/alexa/post/bc035200-f67e-46e5–9961-8c009857898d/ entspannt-durch-den-tag-mit-dem-alexa-skill-tk-smart-relax. Доступ 7 мая 2019.

Gartner. (2018). 5 Trends emerge in the gartner hype cycle for emerging technologies. https:// www.gartner.com/smarterwithgartner/5-trends-emerge-in-gartner-hype-cycle-for-emerging technologies-2018/. Доступ 30 марта 2019.

GradeScope. (2019). Grade all coursework in half the time. https://www.gradescope.com/. Доступ 26 апреля 2019.

Hahn, H., & Schreiber, A. (2018). E-Health, Potenziale der Digitalen Transformation in der Medizin. В Р. Нойгебауэр (ред.), Digitalisierung, Schlüsseltechnologien für Wirtschaft und Gesellschaft (с. 321−345). Гейдельберг.

Höhl, R. (2018). Fernbehandlungsverbot gekippt. https://www.aerztezeitung.de/kongresse/ kongresse2018/erfurt2018_aerztetag/article/963610/121-deutscher-aerztetag fernbehandlungsverbot-gekippt.html. Доступ 16 ноября 2018.

Human Brain Project (HBP). (2017). The medical informatics platform. https://www. humanbrainproject.eu/en/medicine/medical-informatics-platform/. Доступ 3 ноября 2017.

Igel, C. (2018). Wann lösen Roboter den Pädagogen ab? Vortrag zur zweiten digitalen Woche in Kiel, 13 сентября 2018

Kastilan, S. (2018). Dr. He − oder ob wir Crispr je lieben lernen. In Frankfurter Allgemeine Sonntagszeitung (с. 64). 2 декабря 2018.

Kühl, E. (2018). Auf Fake News folgt Fake Porn. http://www.zeit.de/digital/internet/2018–01/ kuenstliche-intelligenz-deepfakes-porno-face-swap/komplettansicht. Доступ 23 апреля 2019.

Kreutzer, R. (2019). Toolbox for marketing and management, creative concepts, analysis and forecasting tools. Висбаден.

Krex, A. (2017). Computerliebe. https://www.zeit.de/2017/46/kathleen-richardson-silikonpuppen anthropologin. Доступ 23 апреля 2019.

Lynda. (2019). Online learning for your team or organization. https://learning.linkedin.com/for entire-companies?src=ldc-nav&veh=ldc_nav_business&trk=ldc_nav_business. Доступ 26 апреля 2019.

Maher, D. (2017). Irish brothel renting out “realisitc” sex robot attracts hundreds of new customers. https://www.irishmirror.ie/irish-news/irish-brothel-renting-out-realistic-11074521. Доступ 23 января 2019.

Marr, B. (2018). How is AI used in healthcare 5 powerful real-world examples that show the latest advances. https://www.forbes.com/sites/bernardmarr/2018/07/27/how-is-ai-used-in-healthcare 5-powerful-real-world-examples-that-show-the-latest-advances/#111a7cf45dfb. Доступ 23 апреля 2019.

May, R. (2016). How artificial intelligence impacts HR—Incorporating intelligent assistants in the workplace. HR Strategy and Planning Excellence, 4(8), 5–8.

McKinsey. (2013). Disruptive technologies—Advances that will transform life, business, and the global economy, Сан-Франциско.

McKinsey. (2017). Artificial intelligence, the next digital frontier? Брюссель, Париж, Шанхай, Сан-Франциско.

McKinsey. (2018). Notes from the AI frontier, Insights from Hundreds of Use Cases, Сан-Франциско.

MoBerries. (2019). Find a new Job today! https://www.moberries.com/. Доступ 30 апреля 2019.

Müller, M. (2018a). Dr. Watson, versagt. In Der Spiegel (с. 106f). 4 августа 2018.

Müller, M. (2018b). App statt Arzt. In Der Spiegel (с. 114). 12 ноября 2018.

n.a. (2016b). Der Angelina-Jolie-Effekt: Frauen wollen ihr Krebsrisiko kennen. https://www.focus. de/gesundheit/ratgeber/krebs/vorbeugung/brustkrebs-gentest-der-angelina-jolie-effekt-frauen wollen-ihr-krebsrisiko-kennen_id_5245468.html. Доступ 23 апреля 2019.

n.a. (2018a). Die künstliche Geburt des digitalen Menschen. In Frankfurter Allgemeine Zeitung (с. 18). 3 сентября 2018.

National Human Genome Research Institute (NHGRI). (2016). The Cost of Sequencing a Human Genome. https://www.genome.gov/sequencingcosts. Доступ: 2 апреля 2019.

Panasonic. (2019). Ein Roboter der Medikamente bringt. https://www.experience.panasonic.de/ fortschritt/ein-roboter-der-medikamente-bringt. Доступ 23 апреля 2019.

Peters, A. (2018). Having a heart attack? This AI helps emergency dispatchers find out. https:// www.fastcompany.com/40515740/having-a-heart-attack-this-ai-helps-emergency-dispatchers find-out. Доступ 2 ноября 2018.

Petter, O. (2017). First sex-doll brothel opens in Germany, selling ‘plastic prostitutes’. In Independent. http://www.independent.co.uk/life-style/sex-doll-brothel-germany-open-plastic prostitute-dortmund-bordoll-a8008751.html. Доступ 23 апреля 2019.

Pinker, A. (2017). AI Healthcare—Artificial Intelligence in der Medizin: Medialist Innovation. https://medialist.info/2017/08/05/ai-healthcare-artificial-intelligence-in-der-medizin/. Доступ 23 апреля 2019.

Rossi, F. (2018). Künstliche Intelligenz muss fair sein. In Frankfurter Allgemeine Sonntagszeitung (с. 21). 22 июля 2018.

Stanford University. (2016). Artificial intelligence and life in 2030. https://ai100.stanford.edu/ 2016-report. Доступ 23 апреля 2019.

Taverniti, V., & Guglielmetti, S. (2012). Health promoting properties of lactobacillus helveticus. В Frontiers in Microbiology, 11/2012, Article 392, с. 1−13.

Textio. (2019). Welcome to augmented writing. https://textio.com. Доступ 26 апреля 2019.

Under Armour. (2019). HealthBox. https://www.underarmour.com/en-us/healthbox. Доступ 2 мая 2019.

Virtuel-Reality-Magazin. (2016). Aufzüge warten mit Mixed Reality. https://www.virtual-reality magazin.de/aufzuege-warten-mit-mixed-reality. Доступ 26 апреля 2019.

Wang, D., Khosla, A., Gargeya, R., Irshad, H., & Beck, A. (2016). Deep learning for identifying metastatic breast cancer, camelyon grand challenge. In Harvard Medical School. https://arxiv. org/pdf/1606.05718.pdf. Доступ 23 апреля 2019.

Waters, R. (2016). Artificial intelligence—Can Watson save IBM? Financial times. https://www. ft.com/content/dced8150-b300–11e5-8358-9a82b43f6b2f. Доступ 12 мая 2018.

Wolfangel, E. (2018). Künstliche Dummheit. In Süddeutsche Zeitung (с. 33). 14/15 июля 2018.

Предыдущая глава    Следующая глава

Другие статьи по этой теме: