Sztuczna inteligencja w weterynarii

Wpływ Internetu na rozwój SI

Jednym z kluczowych momentów dla rozwoju dziedziny SI było pojawienie się Internetu i związany z nim skokowy przyrost danych.

Szczególnie rozwój tzw. Internetu 2.0 na początku lat dwutysięcznych stał się jednym z kół zamachowych gwałtownego rozwoju uczenia maszynowego. Z jednej strony możliwości obliczeniowe komputerów stały się wystarczające do tego, aby wcześniejsze pomysły ze sfery czysto koncepcyjnej przekształcić w konkretne rozwiązania, a z drugiej strony ilość danych pozostawianych w różnych sieciach społecznościowych umożliwiała trening modeli w niespotykanej dotąd skali.

Firmy z Doliny Krzemowej, takie jak Facebook, Microsoft czy Google, zaczęły inwestować miliony dolarów we własne rozwiązania z zakresu SI, a w szczególności w uczenie maszynowe. Pierwszymi algorytmami wywodzącymi się z dziedziny SI i zastosowanymi na masową skalę stały się silniki rekomendacyjne. Są to, obecnie w zasadzie spotykane w każdym serwisie, algorytmy rekomendujące następny produkt, nowego znajomego czy reklamę, w którą ich zdaniem powinniśmy kliknąć. Zyski z nimi związane sprawiły, że laboratoria uczenia maszynowego zostały zasilone jeszcze większym strumieniem pieniędzy.

SI w medycynie

Bardzo szybko zdano sobie sprawę, że kolejną dziedziną związaną z dużą ilością danych jest medycyna – historia leczenia, wyniki badań laboratoryjnych, dokumentacja medyczna, wreszcie wyniki badań obrazowych stanowią w rzeczywistości źródło potencjalnych danych, których możemy użyć do treningu modelu wspierającego lekarzy w ich pracy. W okolicach roku 2016 liczne modele do klasyfikacji i rozpoznawania obiektów na danych graficznych stały się w swoich dziedzinach bardziej skuteczne niż ludzie. Wtedy też zaczęło się upowszechniać podejście do uczenia maszynowego, nazywane obecnie uczeniem głębokim. Polega ono na tym, że sieć neuronowa, która jest poddawana treningowi, ma wiele warstw ukrytych, co pozwala przy jej pomocy modelować coraz bardziej złożone...