Σωτήρης Τσαυτάρης: Ζούμε την εποχή της τεχνητής νοημοσύνης, ας μην χάσουμε και αυτό το τρένο

H Canon, ένας φακός, ας πούμε, της ζωής μας - ο Ιαπωνικός κολοσσός της τεχνολογίας με έδρα το Τόκυο και 82 χρόνια στη παγκόσμια αγορά, επενδύει μέσω των θυγατρικών της, Canon  Medical  Systems  Corporation και Canon Medical  Research  Europe, στη δημιουργία της πανεπιστημιακής έδρας στο Πανεπιστήμιο του Εδιμβούργου στη Σκωτία (University  of  Edinburgh), για την εφαρμογή της τεχνητής νοημοσύνης σε θέματα υγείας. Ενώ κάτοχος της έδρας είναι, ο καθηγητής Τεχνητής Νοημοσύνης και Υπολογιστικής Όρασης Σωτήρης Τσαυτάρης.

Στην αρχή εποχής της artificial intelligence και με την Ευρωπαϊκή Επιτροπή να θεσπίζει «Κώδικα ηθικής» για τις επιχειρήσεις που ασχολούνται με την τεχνητή νοημοσύνη ώστε να αποφευχθεί ο κίνδυνος εκμετάλλευσης για λανθασμένους σκοπούς, η επένδυση στο πανεπιστημιακό πεδίο και την έρευνα αποτελεί επίσης, κύρια παράμετρο ασφάλειας. Έτσι, η Canon Medical από τις ηγέτιδες εταιρείες στα συστήματα health care imaging και η Royal Academy of Engineering (Βασιλική Ακαδημία Μηχανικής), ανταποκρινόμενοι στις απαιτήσεις των τεχνολογικών εξελίξεων, επενδύουν σε ένα κορυφαίο ακαδημαϊκό ίδρυμα, το πανεπιστήμιο του Εδιμβούργου με μακρά ιστορία και κύρος στα θέματα τεχνητής νοημοσύνης όσο και στην τεχνογνωσία και επιστημοσύνη του Έλληνα ερευνητή Σωτήρη Τσαυτάρη που πρωτοπορεί με το Εργαστήριο του στην εφαρμογή της τεχνητής νοημοσύνης στην υγεία αλλά και στον τομέα της γεωργίας. 

 

«Η Ελλάδα, θα πει ο ίδιος, αντιμετωπίζει ένα έντονο πρόβλημα δημογραφικής γήρανσης με την επιμήκυνση του προσδοκώμενου ζωής και την μείωση των γεννήσεων- που έχει επιβαρυνθεί από την φυγή νέων ανθρώπων προς το εξωτερικό. Η χώρα μας διέρχεται μια δύσκολη συγκυρία και προκειμένου να αντιστραφεί η πορεία χρειάζεται γρήγορη ανάπτυξη. Επίσης, άμεση αξιοποίηση της επιστημονικής προόδου και ενσωμάτωση και αξιοποίηση καινοτομιών, ειδικά των σύγχρονων ψηφιακών τεχνολογιών».

Αυτά, είναι και τα δικά σας ερευνητικά αντικείμενα.

Ναι, σε σημαντικά πεδία, όπως αυτό της προστασίας της υγείας, την πρόληψη ασθενειών, την έγκαιρη και ακριβή διάγνωση τους, κλπ. Αυτά έχουν σημαντικές επιπτώσεις τόσο στην ποιότητα ζωής των ανθρώπων όσο και στις διογκούμενες πλέον δαπάνες υγείας ένεκα και της δημογραφικής γήρανσης. Ή όπως ο τομέας της γεωργίας που επίσης αποτελεί σημαντικό πυλώνα γρήγορης ανάπτυξης του τόπου και έχει ανάγκη αξιοποίησης ψηφιακών τεχνολογιών. Σε αμφότερους τους τομείς ο Ελληνισμός της διασποράς μπορεί να συμβάλλει. Πολλά από αυτά άλλωστε είναι παγκόσμια προβλήματα και απαιτούν τη συνεργασία επιστημόνων από όλο τον κόσμο. Ζούμε σήμερα μια «επανάσταση» στην τεχνητή νοημοσύνη.

Πώς την βιώνουμε;

Σχεδόν κάθε μέρα ακούμε για αυτοκίνητα με αυτομάτους πιλότους. Συχνά ακούμε και για εφαρμογές της μηχανικής μάθησης (machine learning), η πιο επιτυχημένη μέχρι σήμερα μορφή τεχνητής νοημοσύνης, στην ανάλυση ιατρικής εικόνας. Τεχνικές δηλαδή που απλοποιούν τη δουλειά του ακτινολόγου στην ανάλυση εικόνων ακτινογραφίας, μαγνητικής και αξονικής τομογραφίας, υποβοηθώντας τον χωρίς να τον αντικαταστούν.

Μας δίνετε μια περιγραφή.

Ο/η ειδικός, θα βλέπει την γνωμάτευση του αυτόματου συστήματος, και με βάση τα υποστηρικτικά στοιχεία που δίνει το σύστημα θα συμφωνεί και θα προχωράει στον επόμενο φάκελο ασθενούς ή θα αλλάζει την γνωμάτευση. Ή ο γιατρός θα χρησιμοποιεί το σύστημα σαν μια δεύτερη γνώμη. Σκεφτείτε το, σαν τον αυτόματο πιλότο στο αεροπλάνο: στα εύκολα το καθοδήγει ο αυτόματος αλλά ελέγχει ο κυβερνήτης, ενώ την προσγείωση/απογείωση κάνει πάντοτε ο ίδιος ο κυβερνήτης. Ένα, λοιπόν, από τα αντικείμενα έρευνας της ομάδας μου είναι: ο ψηφιακός βοηθός ακτινολόγου.

Δηλαδή, είστε συμπερασματικά έτοιμοι;

Για να διδάξουμε τους αλγορίθμους μηχανικής μάθησης χρησιμοποιούμε επίβλεψη. Δημιουργούμε βάσεις δεδομένων με εικόνες και αντίστοιχες ιατρικές διαγνώσεις και γνωματεύσεις. Όσο περισσότερα τέτοια παραδείγματα έχουμε τόσο καλύτερα. Αλλά στην ιατρική, παραδείγματα πολλά δεν υπάρχουν, παίρνει χρόνο η συλλογή και χρειάζεται προσοχή η διατήρηση της ιδιωτικότητας του ασθενούς. Το πιο δύσκολο είναι ότι μπορεί να μην έχουμε πολλά παραδείγματα από σπάνιες ασθένειες και περιστατικά. Η έρευνα της ομάδας μου επικεντρώνεται στηνεύρεση νέας θεωρίας για την μηχανική μάθηση όπου με ελάχιστη επίβλεψη και παραδείγματα να έχουμε καλά αποτελέσματα. 

Ένα παράδειγμα;

Εάν δείξουμε σε ένα μικρό παιδάκι ένα πράσινο αυτοκίνητο (και του πούμε ότι αυτό είναι αυτοκίνητο), μετά, από μόνο του καταλαβαίνει και αναγνωρίζει ότι ένα αντικείμενο με ρόδες, παράθυρα, ακόμα και αλλού χρώματος και μάρκας, είναι αυτοκίνητο. Με τις τεχνικές που έχουμε τώρα στην διάθεση μας για να φτάσουμε στο επίπεδο ακρίβειας μάθησης ενός μικρού παιδιού πρέπει η βάση δεδομένων να έχει φωτογραφίες από όλα τα αυτοκίνητα, όλες τις μάρκες, όλα τα χρώματα, όλες τις οπτικές γωνίες κλπ. και το καλύτερο από όλα πρέπει να συμπεριλάβουμε και φωτογραφίες (που δεν δείχνουν αυτοκίνητα) αλλά οτιδήποτε άλλο υπάρχει στον κόσμο. Καταλαβαίνετε πόσα δεδομένα χρειάζεται αυτό! Και εάν μεθαύριο θέλουμε να φτιάξουμε ένα σύστημα, π.χ. που να αναγνωρίζει φορτηγάκια ή μοτοσυκλέτες πάλι, ‘φτου’ κι απ’ την αρχή. Εννοείται ότι τα μικρά παιδάκια θέλουν ένα ή δύο μόνον παραδείγματα κι εάν τα ρωτήσουμε γιατί ένα αντικείμενο είναι μοτοσυκλέτα ή αυτοκίνητο, δείχνουν τα χαρακτηριστικά του, παράθυρα, ρόδες κ.λ.π. Οι αλγόριθμοι μάθησης που έχουμε σήμερα και θέλουν πολλά δεδομένα και δεν μπορεί να εξηγήσουν γιατί και πως παίρνουν τις αποφάσεις. Αυτό πρέπει να αλλάξει και αυτό κάνουμε με οικονομική υποστήριξη της Canon Medical και της Βασιλικής Ακαδημίας Μηχανικής στον τομέα υγείας.

 

 

Αυτό για να επιτευχθεί απαιτεί και συνεργασία άλλων φορέων;

Φυσικά, πολλών φορέων, κι όχι μόνον για να βρούμε δεδομένα αλλά και για να φτιάξουμε τα συστήματα λογισμικών που θα χρησιμοποιούν για να γνωμοδοτούν οι ειδικοί επί των εικόνων. Στην Σκωτία ξεκινήσαμε μια μεγάλη ερευνητική προσπάθεια της κλίμακας των 20 εκατομμυρίων ευρώ για να βάλουμε την τεχνητή νοημοσύνη στο κρατικό σύστημα υγείας της Σκωτίας. Εταιρείες ιατρικές μικρού και μεγάλου κεφαλαίου, ακαδημαϊκοί, κ.ά. θα μπορεί να δοκιμάζουν λύσεις στον τομέα τους, μέσα από ένα ασφαλές σύστημα σε εικόνες ασθενών της Σκωτίας.

Που δεν παραβιάζει το ηθικό πλαίσιο της ιδιωτικότητας;

Στο σύστημα που αναφέρω παραπάνω,κάθε συναλλαγή δεδομένων γίνεται υπό αυστηρή επίβλεψη του φορέα προστασίας δεδομένων του συστήματος υγείας. Θα ήθελα όμως να επισημάνω ότι σύμφωνα με μια πρόσφατη έρευνα γνώμης τις Ipsos Mori για λογαριασμό της Βασιλικής Ακαδημίας (Royal Society), οι ασθενείς θεωρούν την χρήση τεχνητής νοημοσύνης σε θέματα υγείας ως υψηλού κοινωνικού οφέλους με χαμηλό ρίσκο.

Ότι περιγράφετε έχει και σε άλλα πεδία εφαρμογή;

Σαφέστατα.Ένας τομέας με γρήγορη άνοδο είναι η ψηφιακή γεωργία και οι ανάγκες ανάλυσης εικόνας τόσο στην βελτίωση φυτών και τη δημιουργία νέων ποικιλιών όσο και στην καλλιέργεια.Το εργαστήριο μου ήταν το πρώτο παγκοσμίως που κατασκεύασε φθηνές αυτόματες κάμερες και δωρεάν λογισμικό για την ανάλυση εικόνων για γεωπόνους και εκτροφείς. Μαζεύουμε εικόνες από φυτά από όλο τον κόσμο, διοργανώνουμε διαγωνισμούς όπου επιστήμονες αγωνίζονται να φτιάξουν τον καλύτερο αλγόριθμο μέτρησης φύλλων φυτών ή αναγνώρισης ζιζανίων. Χρειάζονται αυτά για να διαβαθμίσουμε τις νέες ποικιλίες αυτόματα και μα ακρίβεια ή την κατασκευή ρομπότ που «σκοτώνουν» μόνο ζιζάνια. Διατηρούμε και μια ιστοσελίδα όπου ο κάθε πολίτης μπορεί να δει εικόνες και να βοηθήσει στην καταμέτρηση φύλλων και βιομάζας φυτών. Συνεργαζόμαστε με ομάδες επιστημόνων και αγροτών από όλων τον κόσμο: στην Αιθιοπία για να φτιάξουμε ένα πιο ανθεκτικό, στην ξηρασία, ρεβίθι, και πρόσφατα με μια ομάδα εξαιρετικών ερευνητών στην Ελλάδα για την βελτίωση του κερασιού.

 

 

Και η επόμενη μέρα;

Κάποια στιγμή θα έχουμε τον απόλυτο αυτόματο (μαγνητικό) τομογράφο. Φανταστείτε κάτι σαν τηλεφωνικό θάλαμο όπου μπαίνεις μέσα και αυτόματα γίνεται μια γνωμάτευση. Θα αλλάξει ριζικά την ζωή μας. Αλλά πρέπει να φροντίσουμε να διατηρήσουμε την έρευνα σταθερή και σε επίπεδο ακαδημίας αλλά και σε βιομηχανικό επίπεδο για να το καταφέρουμε. Δεν είναι εύκολος ο δρόμος. Χρειάζεται νέο αίμα, νέα παιδιά, παιδιά που θέλουν να σπουδάσουν μαθηματικά, φυσική, να γίνουν μηχανικοί κλπ. Στην Ελλάδα, η πανεπιστημιακή παιδεία έχει περάσει δύσκολες μέρες λόγω κρίσης. Εξακολουθεί όμως, χάρις εξαιρετικών συναδέλφων που κάνουν αγώνα, να διατηρείται  σε ανταγωνιστικό επίπεδο. Εάν όμως δεν δώσουμε πόρους στην παιδεία, στην έρευνα και την καινοτομία εντός κι εκτός πανεπιστημίων, θα χάσουμε ξανά το τρένο μιας επανάστασης.

Είναι ξεκάθαρο αυτό που λέτε, ωστόσο τι προτείνετε;

Ας γίνει η Ελλάδα πόλος έλξεων επενδύσεων και ενδιαφέροντος σε θέματα υγείας και τεχνητής νοημοσύνης. Να πει ορίστε τα δεδομένα.Αλλά ό,τι προϊόν φτιαχτεί το θέλουμε δωρεάν για 50 χρόνια και τα δεδομένα δεν πρέπει να φύγουν από την Ελλάδα. Εκμετάλλευση σχετικών ευρεσιτεχνιών δωρεάν για τους Έλληνες. Είναι εύκολο;Όχι, θέλει υποδομή και οργάνωση αλλά φανταστείτε τα οφέλη; Άμεσα όλοι οι κολοσσοί θα κάνουν επενδύσεις στην Ελλάδα και μακροχρόνια καλύτερη και φθηνότερη υγεία για όλους τους Έλληνες.Έχουμε ήδη εμπειρία σε παρόμοιες λύσεις εκτός Ελλάδος (για παράδειγμα το έργο που ανέφερα παραπάνω), αλλά μπορούμε να το κάνουμε και στην Ελλάδα.

ΙΝFO:

Ο καθηγητής Τεχνητής Νοημοσύνης και Υπολογιστικής Όρασης στο Πανεπιστήμιο του Εδιμβούργου στην Σκωτία (University of Edinburgh) Σωτήρης Τσαυτάρης (http://tsaftaris.com/), είναι απόφοιτος του ΑΠΘ και Διδάκτορας του Πανεπιστημίου Northwestern των ΗΠΑ (Σικάγο, Northwestern  University). Έχει υπηρετήσει ως καθηγητής σε ακαδημαϊκά ιδρύματα, όπως το Πανεπιστήμιο Northwestern, και το Ίδρυμα Υψηλών Σπουδών της Λούκα (Ιταλία, IMTAlti Studi Lucca) καθώς και σε ρόλους συμβούλου επιχειρήσεων. Πρόσφατα,η Canon Medical και η Βασιλική Ακαδημία Μηχανικής (Royal Academy of Engineering), επένδυσαν για την δημιουργία επώνυμης πανεπιστημιακής έδρας στην εφαρμογή της τεχνητής νοημοσύνης σε θέματα υγείας.Έχει συγγράψει περισσότερες από 150 ακαδημαϊκές δημοσιεύσεις ενώ η έρευνα του έχει τακτικές αναφορές από τον ηλεκτρονικό και έντυπο τύπο. Είναι βασικός υποστηρικτής της ανοιχτής έρευνας και δίνει συχνά κεντρικές διαλέξεις σε διεθνή συνέδρια. Έχει διατελέσει κριτής για προτάσεις έρευνας προσκεκλημένος από ιδρύματα των ΗΠΑ, Ηνωμένου Βασιλείου, Ολλανδίας, Γερμανίας, Καναδά και Ε.Ε. (ERC). Διδάσκει το αντικείμενο της τεχνητής νοημοσύνης όχι μόνον σε πανεπιστημιακό επίπεδο αλλά δίνοντας και σεμινάρια σε όλον τον κόσμο και ειδικά σε αναπτυσσόμενες χώρες όπως η Αιθιοπία.

Άννα Γριμάνη