Naukowcy z USC badają możliwość wykorzystania narzędzi AI do rozmieszczania sprzętu ratowniczego w miejscach o utrudnionym dostępie, aby umożliwić szybsze reagowanie w sytuacjach kryzysowych. W tym samym czasie zespół z CIoT tworzy algorytm do cofania się w przeszłość, a naukowcy z North Carolina State University – perfekcyjnego sysntetycznego egzaminatora…
AI w służbie medycyny i ratownictwa
Naukowcy raz za razem dowodzą, że sztuczna inteligencja stanowi nieocenioną pomoc i szansę postępu w medycynie i branżach ratujących ludzkich życie. Algorytmy można wykorzystać do przewidywania katastrof, opracowywania nowych leków oraz w badaniach i diagnozie chorób. Naukowcy z USC dokładają do tego wachlarza kolejne potencjalne zastosowanie, sugerując, że AI może znacząco pomóc w ratowaniu życia w miejscach z utrudnionym dostępem.
Dla mieszkańców obszarów wiejskich, oddalonych od większych ośrodków miejskich, dużym problemem jest utrudniony dostęp do opieki medycznej w nagłych wypadkach. Przy ograniczonym dostępie do usług opieki zdrowotnej i długim czasie oczekiwania na karetkę, społeczności te stają przed wyzwaniami, które mogą znacząco wpłynąć na ich zdrowie i samopoczucie.
Dlatego naukowcy z Kalifornii badają systemy predykcyjne i decyzyjne oparte o AI. Aby zademonstrować swoją metodę, naukowcy przeanalizowali studium przypadku, obejmujące program pilotażowy z siedzibą w Toronto, który wykorzystuje drony w połączeniu z karetkami pogotowia do reagowania na wezwania dotyczące zdarzeń związanych z zatrzymaniem krążenia.
Czy algorytmy podejmują właściwe decyzje?
Nasze metody mogą zrewolucjonizować sposób, w jaki projektujemy i optymalizujemy systemy w warunkach ograniczonej ilości danych, które wykraczają poza reagowanie w sytuacjach kryzysowych. Mogą nam pomóc w podejmowaniu bardziej świadomych i skutecznych decyzji w wielu dziedzinach, w których dane są ograniczone.
Michael Huang, doktorant w dziale Data Science and Operations w USC Marshall School of Business
W przykładowej sytuacji, w której może pomóc nowy system, osoba postronna dzwoni, aby zgłosić zatrzymanie akcji serca u osoby znajdującej się w jej pobliżu. Ratownicy przyjmujący zgłoszenie, biorący udział w programie pilotażowym w Toronto, mają dwie możliwości: mogą wysłać karetkę pogotowia lub wysłać karetkę i drona z automatycznym defibrylatorem zewnętrznym. Zdolność drona do dotarcia do pacjenta szybciej niż karetka może znacznie zwiększyć jego szanse na przeżycie.
Zespół stanął teraz naprzeciw wyzwaniu, w jaki sposób strategicznie i skutecznie rozmieścić magazyny dronów.
Chcemy strategicznie umieścić je w miejscach, które są zarówno blisko miejsc, w których dochodzi do zatrzymania akcji serca, jak i obszarów, do których trudno dotrzeć karetką.
Vishal Gupta, profesor nadzwyczajny nauk o danych i operacji w USC Marshall
Naukowcy odkryli, że w przypadku zatrzymania akcji serca na obszarach wiejskich, gdzie czas oczekiwania na karetkę pogotowia jest dłuższy niż na obszarach miejskich i gdzie dane są ograniczone, system AI i odpowiednie rozmieszczenie magazynów prowadzi do znacznie skuteczniejszych decyzji dotyczących tego, kiedy wysłać drona.
Tę samą metodologię i systemy można wykorzystać w innych przestrzeniach polityki publicznej, np. w pobliżu rogów zwalniających w celu zmniejszenia liczby ofiar śmiertelnych w ruchu drogowym.
Więcej o badaniach i pracach nad zwiększaniem skuteczności systemu można dowiedzieć się z oficjalnej publikacji naukowej zespołu.
Powrót do przeszłości
AI to nie tylko narzędzie ratowania życia – okazuje się, że może też świetnie posłużyć jako maszyna czasu. Absolwenci Uniwersytetu Technologicznego w Kalifornii wykorzystali spisy ludności, aby znaleźć tożsamość służących zamożnych kobiet z XIX wieku. Wykorzystali generator DALL-E do stworzenia portretów kobiet ze spisów. Jednocześnie, podczas prezentacji pracy na seminariach naukowych, zespół rozpoczął debatę nad możliwościami, ograniczeniami i zagrożeniami wynikającymi z wykorzystania tego typu algorytmów.
To, co się dzieje, gdy aktywnie [nadajesz wymiar] komuś poprzez historię, którą znasz, polega na tym, że możesz zacząć budować inną historię, taką, która zbliża się do pewnego rodzaju wierności tej osobie. W ten sposób generatywna sztuczna inteligencja umożliwia artystom robienie czegoś przeciwnego do tego, co zrobił Galton: gromadzenie szczegółów zamiast ich uśredniania – w celu przywrócenia godności i człowieczeństwa portretowi.
Jessica Helfand
AI w roli bardzo precyzyjnego egzaminatora
Ostatnia nowość pochodzi z North Carolina State University, gdzie naukowcy opracowali model QUADL, zdolny do analizy tekstów instruktażowych i generowania na ich podstawie pytań egzaminacyjnych nie do odróżnienia od pytań napisanych ludzką ręką.
Ludzie są dobrzy w opracowywaniu kursów, ale w wywiadach z instruktorami i programistami materiałów szkoleniowych odkryliśmy, że często mają trudności z tworzeniem pytań, które są skuteczne w ocenie postępów uczniów w zakresie celów uczenia się na tych kursach. Nasze badanie sugeruje, że QUADL może być użytecznym narzędziem dla instruktorów i twórców kursów.
dr Machi Shimmei
QUADL jest częścią większego pakietu technologii sztucznej inteligencji, nad którym pracuje zespół. Wszystkie przygotowywane rozwiązania mają na celu ułatwienie rozwoju edukacyjnych materiałów szkoleniowych.
Technologie te zajmują się wszystkim, od generowania pytań – co jest rolą QUADL – po funkcje zapewniania jakości używane do oceny skuteczności każdego elementu oprogramowania szkoleniowego w pomaganiu uczniom w nauce.
Noboru Matsuda, profesor nadzwyczajny informatyki na North Carolina State University
Czy AI przejmie kiedyś pałeczkę w edukacji i samo będzie edukować ludzi? Raczej nie, będzie natomiast pełnić rolę idealnego partnera dla nauczycieli, którzy będą mogli skupić się na innych zadaniach.
