Kā AI cīnās ar koronavīrusa uzliesmojumu?


Atbilde 1:

Mākslīgais intelekts varētu cīnīties ar nākotnes koronavīrusu

.

Slimību uzliesmojumi, piemēram, koronavīruss, zinātniekiem bieži atklājas pārāk ātri, lai atrastu izārstēt. Bet nākotnē mākslīgais intelekts varētu palīdzēt pētniekiem veikt labāku darbu.

Lai gan iespējams, ka ir par vēlu, lai jaunie tehnoloģijas varētu spēlēt galveno lomu pašreizējā epidēmijā, ir cerība uz nākamajiem uzliesmojumiem. AI labi pārraida daudzus datus, lai atrastu savienojumus, kas ļauj vieglāk noteikt, kādi ārstēšanas veidi varētu darboties vai kādus eksperimentus turpināt.

Jautājums ir par to, ar kuru Big Data nāks klajā, kad tas iegūs tikai niecīgus informācijas fragmentus par tikko parādījušos slimību kā Covid-19, kas pirmo reizi parādījās pagājušā gada beigās Ķīnā un aptuveni divu mēnešu laikā ir slimojusi vairāk nekā 75 000 cilvēku.

Daudzsološs ir fakts, ka pētniekiem dažu nedēļu laikā pēc pirmajiem paziņotajiem gadījumiem izdevās iegūt jaunā vīrusa gēnu sekvenci, jo tas liecina, ka tagad, kad notiek slimības uzliesmojumi, ir pieejami daudz tūlītēji dati.

Endrjū Hopkinss, Oksfordas izpilddirektors, Anglijā bāzētais startup Exscientia Ltd., ir viens no tiem, kas strādā, lai palīdzētu apmācīt mākslīgo intelektu narkotiku atklāšanai. Viņš uzskata, ka, pateicoties AI, nākamās desmitgades laikā no ārstēšanas sākšanas līdz klīniskajai pārbaudei var sākties tikai 18 līdz 24 mēneši.

Exscientia izstrādāja jaunu savienojumu obsesīvi-kompulsīvu traucējumu ārstēšanai, kuru sākotnējā izpētes posmā ir gatavs pārbaudīt mazāk nekā gadu. Saskaņā ar uzņēmuma datiem tas ir apmēram piecas reizes ātrāk nekā vidēji.

Kembridžā bāzētai Healx ir līdzīga pieeja, taču tā izmanto mašīnmācīšanos, lai atrastu jaunus lietojumus esošajām zālēm. Abi uzņēmumi savus algoritmus papildina ar informāciju, kas iegūta no avotiem, piemēram, žurnāliem, biomedicīnas datu bāzēm un klīniskajiem izmēģinājumiem, lai palīdzētu ierosināt jaunu slimību ārstēšanu.

Cilvēka uzraudzība

Abi uzņēmumi izmanto cilvēku pētnieku komandu, lai strādātu kopā ar AI, lai palīdzētu virzīt procesu. Exscientia pieejā, sauktā par Kentaura ķīmiķi, zāļu izstrādātāji palīdz iemācīt algoritmu stratēģijas savienojumu meklēšanai. Healx nodod AI prognozes pētniekiem, kuri analizē rezultātus un izlemj, kā rīkoties.

Neils Tompsons, Healx galvenais zinātnes darbinieks, sacīja, ka šo paņēmienu var izmantot pret tādu uzliesmojumu kā koronavīruss, ja vien tam ir pietiekami daudz datu par jauno slimību. Healx nenodarbojas ar koronavīrusa apkarošanu vai tā tehnoloģijas pielāgošanu slimības uzliesmojumiem, taču tas nebūtu nekāds posms.

"Mēs esam diezgan tuvu," Tompsons sacīja intervijā. “Mums nebūtu daudz jāmaina AI algoritmos, kurus mēs izmantojam. Mēs izskatām zāļu īpašību saskaņošanu ar slimības pazīmēm. ”

Mākslīgā intelekta algoritmi jau sāk izārstēt zāles tām slimībām, par kurām mēs zinām. Masačūsetsas Tehnoloģiju institūta pētnieki ceturtdien sacīja, ka viņi izmantojuši šo metodi, lai identificētu jaudīgu jaunu antibiotiku savienojumu, kas varētu nogalināt virkni traucējošu baktēriju, pat tādas, kuras patlaban ir izturīgas pret citām ārstēšanas metodēm.

Viena no visām šīm tehnoloģijām ir klīniskā pārbaude. Pat zāles, kuras jau ir drošas lietošanai vienas kaites izārstēšanai, ir jāpārbauda vēlreiz, pirms tās izraksta citai. Lai pierādītu, ka tie ir droši un efektīvi daudziem cilvēkiem, var paiet gadi, pirms viņi dodas uz regulatoriem pārskatīšanai.

Lai AI balstītie zāļu izstrādātāji būtu efektīvi, viņiem būtu jāplāno savlaicīgi, atlasot vīrusa genomu, kas nākotnē varētu radīt problēmas, un mērķtiecīgi to izvēloties, kad to darīt ir maz.

Paldies.


Atbilde 2:

Spēle jau ir iesākta!

Ja ne koronavīruss, tad vismaz superbugs. MIT un Hārvardas pētnieki izmantoja AI, lai identificētu jaunu antibiotiku, kas spēj nogalināt daudzas pret zālēm izturīgas baktērijas. Viņi apmācīja mašīnmācīšanās algoritmu, lai analizētu ķīmiskos savienojumus, kas spēj cīnīties ar infekcijām, izmantojot mehānismus, kas atšķiras no esošo zāļu mehānismiem.

Viņi apmācīja savu modeli uz 2500 molekulām, lai identificētu savienojumu (viņi to sauca par Halicīnu), lai pārbaudītu baktērijas, kas ņemtas no pacientiem un laboratorijās audzētām baktērijām. “Halicīns” varētu iznīcināt daudzas pret zālēm izturīgas baktērijas, ieskaitot

mycobactirium tuberculosis, Clostridium difficile

un

acinetobacter baumannii.

Halicīns izārstēja divas peles, kas inficētas ar

A.baumannii.

Starp citu, daudzi ASV karavīri Irākā un Afganistānā inficējās ar to pašu kļūdu. Pēc ziņojuma teiktā, Halicīna ziede, kas uzklāta uz šo divu peļu ādas, pilnībā izārstēja tās tikai 24 stundu laikā.

Jutīgo datoru modeļu izmantošana narkotiku atklāšanai nav nekas jauns, bet līdz šim labākie panākumi ir vērojami Halicin gadījumā.

Pēc pētnieku viedokļa viņu prognozēšanas modelis var darīt to, kas tradicionāli eksperimentālajām metodēm būs pārmērīgi dārgs.

Šie Halicin panākumi nāk izšķirošajā cilvēces vēstures posmā. Tiek prognozēts, ka līdz 2050. gadam visā pasaulē nāves gadījumi, kas saistīti ar zālēm izturīgām baktērijām, var sasniegt 10 miljonus.

Nepieciešams turpināt darbu, lai halicīns būtu lietojams cilvēkiem. Lai arī viņu algoritms ir paredzēts baktērijām, tas var būt “jaunināms” arī cīņai pret vīrusu.


Atbilde 3:

Iedomājieties, ka slimnīcā Ķīnā ir 1000 gadījumu ar līdzīgiem simptomiem. Ko slimnīca dara? Kaut arī visa informācija par simptomiem un diagnozi ir dokumentēta un pieejama elektroniski, veselības departaments spēj veikt nepieciešamos un atbilstošos pasākumus.

AI ir superīgs un ātrs, lai noteiktu modeļus, līdzības ātrai noteikšanai. Viens piemērs kā

Google meklēšana to spēj

atklāt iespējamās slimības visā pasaulē. Tikai ar vienkāršiem meklēšanas modeļiem AI faktiski var atklāt iespējamos draudus un epidēmijas, kas visā pasaulē varētu izplūst lielos apmēros.

Atgriežoties pie Koronas vīrusa, kad Ķīna ir dokumentējusi slimības simptomus, to diagnosticējusi, tā dalās ar šo informāciju visām citām iespējamām valdības organizācijām, kuras var ātri uzstādīt termiskos detektorus, kas var skenēt cilvēkus ar šiem simptomiem un klasificēt viņus kā iespējami inficētus vai nesējus vai imūna. Tā kā vīrusi ātri mutē, tiem ir tendence mainīt izskatu, simptomi var mainīties un tos ir grūti diagnosticēt. Bet ar AI palīdzību Ķīna var palīdzēt valdībām ar cilvēkiem, kuri ir pārcēlušies no Ķīnas, it īpaši Uhaņas, un pēc tam starptautiski pārvietoti pa pilsētām. AI var analizēt šo informāciju, lai atklātu jaunumus no tām pilsētām un slimnīcām, lai saliktu puzles gabalus.

Ceru tas palīdzēs!


Atbilde 4:

Jaunākā izteiksmē, ja mums ir dati par vairākiem pacientiem, tad mēs varam identificēt un atrast modeļus par korona pozitīviem pacientiem. Pēc tam mēs varam pārbaudīt jaunu pacientu, lai prognozētu, vai šis pacients varētu būt inficēts, ņemot vērā viņu modeli. Lai to atdalītu, var izmantot klasiskās mašīnmācības vai dziļās mācīšanās metodes.

Vispārīgāk runājot, mums jābūt ļoti piesardzīgiem un jāsadarbojas ar cilvēkiem no medicīnas jomas, lai analizētu modeli, lai vispārinātu, kas patiesībā notiek, kādas ir vīrusa izraisītās izmaiņas un mehānismi ķermenī, lai labāk izprastu modeli.


Atbilde 5:

Slimību uzliesmojumi, piemēram, koronavīruss, zinātniekiem bieži atklājas pārāk ātri, lai atrastu izārstēt. Bet nākotnē mākslīgais intelekts varētu palīdzēt pētniekiem veikt labāku darbu.

Lai gan iespējams, ka ir par vēlu, lai jaunajai tehnoloģijai būtu liela loma pašreizējā epidēmijā, ir cerība uz nākamajiem uzliesmojumiem. AI labi pārraida daudzus datus, lai atrastu savienojumus, kas ļauj vieglāk noteikt, kādi ārstēšanas veidi varētu darboties vai kādus eksperimentus turpināt.

Jautājums ir par to, ar kuru Big Data nāks klajā, kad tas iegūs tikai niecīgus informācijas fragmentus par tikko parādījušos slimību kā Covid-19, kas pirmo reizi parādījās pagājušā gada nogalē Ķīnā un aptuveni divu mēnešu laikā ir slimojusi vairāk nekā 75 000 cilvēku.

Daudzsološs ir fakts, ka pētniekiem dažu nedēļu laikā pēc pirmajiem paziņotajiem gadījumiem izdevās iegūt jaunā vīrusa gēnu sekvenci, jo tas liecina, ka tagad, kad notiek slimības uzliesmojumi, ir pieejami daudz tūlītēji dati.

Endrjū Hopkinss, Oksfordas izpilddirektors, Anglijā bāzētais startup Exscientia Ltd., ir viens no tiem, kas strādā, lai palīdzētu apmācīt mākslīgo intelektu narkotiku atklāšanai. Viņš uzskata, ka, pateicoties AI, nākamās desmitgades laikā no ārstēšanas sākšanas līdz klīniskajai pārbaudei var sākties tikai 18 līdz 24 mēneši.

Exscientia izstrādāja jaunu savienojumu obsesīvi-kompulsīvu traucējumu ārstēšanai, kuru sākotnējā izpētes posmā ir gatavs pārbaudīt mazāk nekā gadu. Saskaņā ar uzņēmuma datiem tas ir apmēram piecas reizes ātrāk nekā vidēji.

Kembridžā bāzētai Healx ir līdzīga pieeja, taču tā izmanto mašīnmācīšanos, lai atrastu jaunus lietojumus esošajām zālēm. Abi uzņēmumi savus algoritmus papildina ar informāciju, kas iegūta no avotiem, piemēram, žurnāliem, biomedicīnas datu bāzēm un klīniskajiem izmēģinājumiem, lai palīdzētu ierosināt jaunu slimību ārstēšanu.

Cilvēka uzraudzība

Abi uzņēmumi izmanto cilvēku pētnieku komandu, lai strādātu kopā ar AI, lai palīdzētu virzīt procesu. Exscientia pieejā, sauktā par Kentaura ķīmiķi, zāļu izstrādātāji palīdz iemācīt algoritmu stratēģijas savienojumu meklēšanai. Healx nodod AI prognozes pētniekiem, kuri analizē rezultātus un izlemj, kā rīkoties.

Neils Tompsons, Healx galvenais zinātnes darbinieks, sacīja, ka šo paņēmienu var izmantot pret tādu uzliesmojumu kā koronavīruss, ja vien tam ir pietiekami daudz datu par jauno slimību. Healx neveic koronavīrusa apkarošanu vai tā tehnoloģijas pielāgošanu slimības uzliesmojumiem, taču tas nebūtu nekāds posms.

"Mēs esam diezgan tuvu," Tompsons sacīja intervijā. “Mums nebūtu daudz jāmaina AI algoritmos, kurus mēs izmantojam. Mēs izskatām zāļu īpašību saskaņošanu ar slimības pazīmēm. ”

Mākslīgā intelekta algoritmi jau sāk izārstēt zāles tām slimībām, par kurām mēs zinām. Masačūsetsas Tehnoloģiju institūta pētnieki ceturtdien sacīja, ka viņi izmantojuši šo metodi, lai identificētu jaudīgu jaunu antibiotiku savienojumu, kas varētu nogalināt virkni traucējošu baktēriju, pat tādas, kuras patlaban ir izturīgas pret citām ārstēšanas metodēm.

Viena no visām šīm tehnoloģijām ir klīniskā pārbaude. Pat zāles, kuras jau ir drošas lietošanai vienas kaites izārstēšanai, ir jāpārbauda vēlreiz, pirms tās izraksta citai. Lai pierādītu, ka tie ir droši un efektīvi daudziem cilvēkiem, var paiet gadi, pirms viņi dodas uz regulatoriem pārskatīšanai.

Lai AI balstītie zāļu izstrādātāji būtu efektīvi, viņiem būtu jāplāno savlaicīgi, atlasot vīrusa genomu, kas nākotnē varētu radīt problēmas, un mērķtiecīgi to izvēloties, kad to darīt ir maz.

Vēl viens šķērslis ir kvalificēta personāla atrašana.

“Ir grūti atrast cilvēkus, kuri varētu darboties AI un bioloģijas krustojumā, un lieliem uzņēmumiem ir grūti pieņemt ātrus lēmumus par tādu tehnoloģiju kā šī,” sacīja Irina Haivas, riska kapitāla firmas Atomico partnere un bijušā ķirurga, kas sēž Healx valde. "Nepietiek būt ar AI inženieri, jums ir jāsaprot un jāiedziļinās bioloģijas lietojumos."


Atbilde 6:

Kad pirmo reizi parādās noslēpumaina slimība, valdībām un sabiedrības veselības aizsardzības iestādēm ir grūti ātri savākt informāciju un koordinēt reakciju. Bet jaunā mākslīgā intelekta tehnoloģija var automātiski izzust, izmantojot ziņu ziņojumus un tiešsaistes saturu visā pasaulē, palīdzot speciālistiem identificēt iespējamos traucējumus, kas izraisa potenciālu epidēmiju vai vēl ļaunāku. Citiem vārdiem sakot, mūsu jaunie AI priekšnieki var palīdzēt mums izkļūt no nākamās mēra.

Šie jaunie

AI

spējas ir pilnā sparā ar neseno koronavīrusa uzliesmojumu, ko identificējis Kanādas uzņēmums BlueDat, kas ir viena no vairākām organizācijām, kuras izmanto datus sabiedrības veselības risku novērtēšanai. ASV slimību kontroles un profilakses centri (CDC) un Pasaules Veselības organizācija (PVO) ir publiskojuši oficiālus paziņojumus, ka aģentūra apgalvo, ka tā veic "automātisku infekcijas slimību uzraudzību". Tagad janvāra beigās elpošanas vīruss, kas saistīts ar Uhaņas pilsētu Ķīnā, jau ir zaudējis vairāk nekā 100 cilvēku dzīvības. Gadījumi ir radušies daudzās citās valstīs, ieskaitot ASV, un CDC brīdina amerikāņus izvairīties no nevajadzīgiem ceļojumiem uz Ķīnu.


Atbilde 7:

Kad sāk parādīties dīvaina kaite, valdībām un vispārējām labklājības iestādēm var būt grūti ātri uzkrāt datus un atvieglot reakciju. Jebkurā gadījumā jaunu, cilvēka radītu spriešanas jauninājumu, protams, var iegūt, izmantojot ziņu ziņojumus un tiešsaistes materiālus no visas pasaules, palīdzot speciālistiem uztvert neatbilstības, kas varētu izraisīt potenciālu mēri vai, vēl jo vairāk nožēlojami, pandēmiju. Dienas beigās mūsu jaunie AI pārziņi patiešām var mums palīdzēt pārciest šādu slimību.

Šīs jaunās AI spējas ir pilnībā demonstrētas ar notiekošo koronavīrusa uzliesmojumu, ko tieši savlaicīgi izcēla Kanādas firma ar nosaukumu BlueDot, kas ir viena no dažādām organizācijām, kas izmanto informāciju, lai novērtētu vispārējo labsajūtas risku. Organizācija, kas apgalvo, ka tā veic "robotizētu neatvairāmu slimību novērošanu", pastāstīja saviem klientiem par jaunā veida koronavīrusu līdz decembra beigām, dienas pirms abiem ASV Slimību kontroles un profilakses centriem (CDC) un Pasaules Veselības organizācijai (PVO). ) nosūtīja oficiālu paziņojumu, kā paziņoja Wired. Pašlaik tuvojoties janvāra beigām, elpceļu infekcija, kas savienota ar Uhaņas pilsētu Ķīnā, tikko ir nogalinājusi vairāk nekā 100 cilvēku. Gadījumi ir izveidojušies arī dažās dažādās valstīs, ieskaitot Amerikas Savienotās Valstis, un CDC brīdina amerikāņus saglabāt stratēģisku attālumu no nevajadzīgiem ceļojumiem uz Ķīnu.

Kamran Khan, neatvairāmo slimību ārsts un BlueDot autors un izpilddirektors, sanāksmē paskaidroja, kā organizācijas sākotnējā uzaicinājuma sistēmā tiek izmantota cilvēka radīta apziņa, ieskaitot normālu valodas pārvaldīšanu un AI, lai sekotu vairāk nekā 100 neatvairāmas infekcijas, sadalot aptuveni 100 000 rakstu 65 dialekti konsekventi. Šī informācija ļauj organizācijai saprast, kad pateikt saviem klientiem par neatvairāmas slimības iespējamo tuvumu un izplatību.

Cita informācija, līdzīga pētnieku grafiku datiem un lidojuma veidiem, var palīdzēt organizācijai sniegt papildu norādes par to, kā, iespējams, izplatīsies slimība. Piemēram, nesen BlueDot speciālisti paredzēja dažādas Āzijas pilsētu kopienas, kurās koronavīruss parādīsies pēc tā parādīšanās Ķīnas teritorijā.

BlueDot modeļa (kura pārliecinošos rezultātus šādā veidā pārbauda speciālisti) pamatā ir doma iegūt datus sociālās apdrošināšanas darbiniekiem tik ātri, cik varētu atļaut, cerot, ka viņi varēs analizēt - un, ja nepieciešams, atvienoties - sabojāt un iespējams, ka tie ir infekciozi.

"Oficiālie dati ne vienmēr ir labvēlīgi," Khan sacīja Recode. "Atšķirība starp vienu izpētes gadījuma gadījumu un uzliesmojumu ir atkarīga no tā, vai jūsu speciālists primārajā dienestā uztver, ka pastāv kāda konkrēta slimība. Tā varētu būt atšķirība, lai uzliesmojumu noturētu no reālas situācijas."

Kāns iekļāva, ka viņa ietvarā var izmantot arī ļoti daudz citu informāciju - piemēram, datus par teritorijas atmosfēru, temperatūru vai pat tuvumā esošiem pieradinātiem dzīvniekiem -, lai paredzētu, vai kāds, kas ir inficēts ar kādu slimību, iespējams, izraisīs uzliesmojumu apkārt. tur. Viņš atklāj, ka 2016. gadā BlueDot bija iespēja paredzēt Zika infekcijas klātbūtni Floridā pusgadu pirms tā patiešām parādījās tur.

Arī postu pārbaudes organizācija Metabiota pārliecinājās, ka Taizemē, Dienvidkorejā, Japānā un Taivānā ir visaugstākās briesmas, ja infekcija varētu parādīties septiņas dienas pirms gadījumu atklāšanas šajās valstīs, kaut arī cerot iegūt informāciju par lidojumiem. Metabiota kā BlueDot izmanto parasto valodu apstrādi, lai novērtētu tiešsaistes ziņojumus par iespējamo slimību, un tas papildus tiek šķelts, veidojot līdzīgu jauninājumu tīmekļa dzīves informācijai.

Metabiota informācijas zinātnes izpilddirektors Impress Gallivans paskaidro, ka tiešsaistes posmi un diskusijas var arī liecināt, ka pastāv pandēmijas draudi. Arī Metabiota apgalvo, ka tā var novērtēt kaites izplatības briesmas, kas izraisa sociālus un politiskus pārtraukumus, ņemot vērā tādus datus kā kaites pazīmes, mirstības līmenis un ārstēšanas pieejamība. Piemēram, šī raksta izplatīšanas laikā Metabiota novērtēja jaunā koronavīrusa bīstamību, kas rada atklātu nemieru, kā “augstu” ASV un Ķīnā, tomēr tā novērtēja šo risku pērtiķu baku infekcijai Kongo Demokrātiskajā Republikā ( kur ir uzskaitīti šīs infekcijas gadījumi) kā “vidēju”.

Ir grūti precīzi saprast, cik precīza var būt šī reitingu sistēma vai pati skatuve, tomēr Gallivans saka, ka organizācija sadarbojas ar ASV zināšanu tīklu un Aizsardzības departamentu jautājumos, kas identificēti ar koronavīrusu. Šis ir Metabiota darbs ar In-Q-Tel, bezpeļņas piedzīvojumu firmu, kas saistīta ar Centrālo izlūkošanas pārvaldi. Tomēr valdības biroji nav galvenie šo ietvaru potenciālie klienti. Metabiota papildus publisko savu nodibinājumu pārapdrošināšanas organizācijām - pārapdrošināšana pamatā ir apdrošināšanas aģentūru aizsardzība -, kurām būtu jārisina monetārie draudi, kas saistīti ar slimības latento spēju izplatību.

Lai kā arī būtu, datorizēta spriešana var nenoliedzami būt vērtīgāka nekā vienkārši uzturēt slimību pārnēsāšanas ekspertus un iestādes izglītībā, jo parādās infekcija. Speciālisti ir izgatavojuši uz AI balstītus modeļus, kas var pakāpeniski paredzēt Zika infekcijas epizodes, kas var izglītot, kā speciālisti reaģē uz iespējamām ārkārtas situācijām. Cilvēka radīto apziņu var arī izmantot, lai pārvaldītu, kā vispārējās labklājības iestādes izkliedē aktīvus ārkārtas situācijā. Tā rezultātā AI ir vēl viena pirmā aizsardzības līnija pret slimībām.

Vēl visaptverošāk, AI jau tagad palīdz pārbaudīt jaunus medikamentus, rīkoties ar retāk sastopamām infekcijām un noteikt ļaundabīgu augļa veidošanos krūtīs. Cilvēka radītā inteliģence tika pat izmantota, lai atšķirtu rāpojošos rāpojošos rāpojumus, kas izplatīja Čagasu - nopietnu un iedomājami nāvējošu kaiti, kas ir sabojājusi paredzamos 8 miljonus cilvēku Meksikā un Centrālajā un Dienvidamerikā. Turklāt aizvien palielinās entuziasms izmantot informāciju, kas nav labklājība, piemēram, dzīvesveida dāvanas tīmeklī, lai palīdzētu labklājības politikas veidotājiem un medikamentu organizācijām izprast labklājības ārkārtas situāciju plašumu. Piemēram, AI, kas var mīlēt tiešsaistes dzīvi, iepazīstina ar nelegālajiem narkotiskajiem darījumiem un uztur vispārējās labklājības iestādes izglītībā par šo kontrolēto vielu izplatību.

Šie ietvari, ieskaitot Metabiota un BlueDot, ir tikai līdzvērtīgi vērtējamajai informācijai. Turklāt AI - lielākoties - ir problēma ar slīpumu, kas var atspoguļot gan ietvara arhitektus, gan informāciju, par kuru tā ir sagatavota. Arī AI, kas tiek izmantots medicīniskajos pakalpojumos, nekādā veidā, formā vai formā nav drošs šai problēmai.

Viss, ņemot vērā šīs progresijas, runā par pakāpeniski ideālistisku skatu uz to, ko AI var darīt. Parasti AI robotu atjauninājumi, kas filtrē milzīgus informācijas apjomus, nav tik labi. Apsveriet likumu prasību, izmantojot sejas atpazīšanas datu bāzes, kuru pamatā ir tīmeklī iegūti attēli. Vai arī, no otras puses, direktoru piesaistīšana, kuri tagad varētu izmantot AI, lai paredzētu, kā jūs turpināsit slīpēt, ņemot vērā jūsu dzīves vietas internetā. AI iespēja apkarot mežonīgo savdabību piedāvā situāciju, kurā mēs varam justies nedaudz neērti, ja ne caur un jautrs. Varbūt šī inovācija - ja vien tā tiek izveidota un atbilstoši izmantota - patiešām varētu palīdzēt ietaupīt dažas dzīvības.