Alibaba ၏ သုတေသနလက်တံတွင် ကင်ဆာအပါအဝင် ဝမ်းဗိုက်အခြေအနေ 150 နီးပါးကို ခွဲခြားသိရှိနိုင်သည့် ဥာဏ်ရည်တုပုံစံကို ထည့်သွင်းထားပြီး၊ တရုတ်နည်းပညာအဖွဲ့၏ တိုးချဲ့ဆေးဘက်ဆိုင်ရာ AI ပရိုဂရမ်၏ နောက်ဆုံးအဆင့်ဖြစ်သည့် ကွန်ပြူတာဓာတ်မှန်ရိုက်ခြင်း (CT) စကင်န်ဖတ်ခြင်းဖြင့် သိရသည်။
Damo Radar ဟုခေါ်သော မော်ဒယ်ကို Alibaba ၏ သုတေသနဌာန Damo Academy မှ တီထွင်ခဲ့ပြီး Science ဂျာနယ်တွင် ကြာသပတေးနေ့က ထုတ်ဝေခဲ့သည့် လေ့လာမှုတစ်ခုတွင် ဖော်ပြခဲ့ကြောင်း South China Morning Post က ဖော်ပြခဲ့သည်။ အင်စတီကျုက open-source ဖြန့်ချိမှုကိုသောကြာနေ့တွင်ကြေငြာခဲ့သည်။ ပိတ်ထားသော စီးပွားဖြစ်စနစ်များနှင့်မတူဘဲ ဆေးရုံများနှင့် သုတေသနပညာရှင်များမှ ဒေါင်းလုဒ်လုပ်ခြင်း၊ စစ်ဆေးခြင်းနှင့် လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်နိုင်သည် — မူပိုင်ဆိုင်ရာ ရောဂါရှာဖွေရေးကိရိယာကို လိုင်စင်မပေးသော ဆေးခန်းများတွင် မွေးစားခြင်းကို မြန်ဆန်စေမည့် ဖြန့်ဖြူးမှုပုံစံဖြစ်သည်။ For more context on this story, see our ongoing AI trends.
ဆေးဘက်ဆိုင်ရာပုံရိပ်ဖော်ခြင်းအတွက် ယေဘူယျစံနမူနာ
Damo Radar သည် ဝမ်းဗိုက်အင်္ဂါ 18 ခုကို ဖုံးအုပ်ထားသော ခြားနားမှုကို မြှင့်တင်ထားသော CT စကင်န်များကို ခွဲခြမ်းစိတ်ဖြာကာ ကင်ဆာအကျိတ်များအပါအဝင် ရောဂါမျိုးစုံနှင့် အခြားသော မူမမှန်မှုများကို ရှာဖွေဖော်ထုတ်ရန် ဒီဇိုင်းထုတ်ထားသည့် ရူပါရုံ-ဘာသာစကား မော်ဒယ်တစ်ခုဖြစ်ကြောင်း အင်စတီကျု့မှ ပြောကြားခဲ့သည်။ ၎င်း၏ဖန်တီးသူများသည် ၎င်းအား "ကမ္ဘာ့ပထမဆုံးသော ကျွမ်းကျင်အဆင့် အထွေထွေရောဂါရှာဖွေရေး ပုံရိပ်ဖော်မော်ဒယ်" အဖြစ် ဖော်ပြသည် — ရောဂါတစ်ခုရှာဖွေရန် လေ့ကျင့်ထားသော ကျဉ်းမြောင်းသောကိရိယာထက် မတူညီသောတွေ့ရှိချက်များစွာကို ဖတ်ရှုရန် ရည်ရွယ်သည့် စနစ်တစ်ခုတည်းဖြစ်သည်။
ယေဘူယျဆန်သော ရည်မှန်းချက်သည် ယခုအချိန်အထိ အသုံးပြုထားသည့် ဆေးဘက်ဆိုင်ရာ AI စနစ်အများစုနှင့် လွဲပြီး ၎င်းအား ပုံမှန်အားဖြင့် အကျိတ်အမျိုးအစားတစ်ခုကို ရှာဖွေခြင်းကဲ့သို့သော လုပ်ငန်းတစ်ခုတည်းအတွက် တည်ဆောက်ပြီး တရားဝင်ကြောင်း အတည်ပြုထားသည်။ ဓာတ်ခွဲခန်းပြင်ပတွင် တည်ရှိနေပါက ဓာတ်ခွဲခန်းအပြင်ဘက်တွင် တည်ရှိနေပါက ဓာတ်ခွဲခန်းအတွင်း AI ဖြန့်ကျက်ခြင်း၏ စီးပွားရေးကို ပြောင်းလဲနိုင်သည်၊ ရည်ရွယ်ချက်တစ်ခုတည်းသုံးကိရိယာတစ်ဒါဇင်ကို ပေါင်းစပ်ချုပ်လုပ်ခြင်းသည် လက်တွေ့မကျကြောင်း သက်သေပြနိုင်သည့် ကွဲပြားသော လက်တွေ့တွေ့ရှိချက် 146 ခုကို ဖြန့်ကျက်သည့် မော်ဒယ်တစ်ခုတည်းက ပြောင်းလဲနိုင်သည်။
မော်ဒယ်ကို CT စကင်န်ဖတ်ခြင်းတွင် လေ့ကျင့်သင်ကြားထားခြင်းဖြစ်ပြီး ဓါတ်ပုံတစ်ပုံပေါ်တွင် ပေါ်လာသည့်အရာများကို ဖော်ပြရန်အတွက် ဘာသာစကားဆရာဝန်များနှင့် ချိတ်ဆက်ပေးသည့်စနစ်အား သင်ကြားပြသပေးသည့် ချဉ်းကပ်မှုတစ်ခုဖြစ်သည့် CT စကင်န်များကို လေ့ကျင့်သင်ကြားခဲ့ပါသည်။ သုတေသနအဖွဲ့သည် လေ့ကျင့်ရေးနည်းလမ်းကို နောက်ဆုံးတွင် အခြားဆေးဘက်ဆိုင်ရာပုံရိပ်ဖော်ခြင်းအမျိုးအစားများသို့ တိုးချဲ့နိုင်သည်ဟု Post ၏အဆိုအရ သိရသည်။
အလုပ်လုပ်နေသော ဓာတ်မှန်ဗေဒ ပညာရှင်များအား စမ်းသပ်စစ်ဆေးခြင်း။
ခေါင်းစီးနံပါတ်များသည် လက်တွေ့ကမ္ဘာစစ်စာမေးပွဲပေါင်း ၄၀,၀၀၀ နီးပါးအပေါ် အကဲဖြတ်ခြင်းမှ ဆင်းသက်လာခြင်းဖြစ်သည်။ လက်တွေ့တွေ့ရှိချက် 146 ခုတွင် Damo Radar သည် 0.913 မျဉ်းကွေး (AUC) အောက်တွင် ပျမ်းမျှဧရိယာကို ရရှိခဲ့ပြီး 1.0 သည် ပြီးပြည့်စုံသောတိကျမှုကို ကိုယ်စားပြုသည့် ရောဂါရှာဖွေရေးဆိုင်ရာ ကိန်းဂဏန်းဆိုင်ရာ တိုင်းတာမှုတစ်ခုဖြစ်ကြောင်း လေ့လာမှုက ဖော်ပြခဲ့သည်။
လူသားစာဖတ်သူများနှင့် နှိုင်းယှဥ်ကြည့်လျှင် အသေချာဆုံးဖြစ်သည်။ ဆေးရုံများစွာမှ ဓာတ်မှန်ဗေဒပညာရှင် ၂၆ ဦးပါဝင်သည့် လေ့လာမှုတစ်ခုတွင် မော်ဒယ်၏ ပျမ်းမျှတိကျမှုသည် ပါဝင်သူ ၂၃ ဦးထက် ကျော်လွန်ခဲ့ကြောင်း သုတေသနပြုချက်အရ သိရသည်။ ဓာတ်မှန်ဗေဒပညာရှင်များသည် မော်ဒယ်၏အကူအညီဖြင့် လုပ်ဆောင်သောအခါတွင် ၎င်းတို့သည် လွဲချော်သောရောဂါရှာဖွေမှုများကို 10 ရာခိုင်နှုန်းအထိ တားဆီးနိုင်စွမ်းကို မြှင့်တင်ပေးပြီး ဖြစ်ရပ်တစ်ခုအတွက် လိုအပ်သည့်အချိန်ကို 30 ရာခိုင်နှုန်းထက် ပိုလျှော့ချနိုင်ခဲ့ကြောင်း Damo Academy မှ ပြောကြားခဲ့သည်။
သုတေသနတွင် Zhejiang University နှင့် ချိတ်ဆက်ထားသော ဆေးရုံအပါအဝင် Alibaba နှင့် အတူ အဖွဲ့အစည်းအများအပြား ပါဝင်ခဲ့သည်။ ရွေးချယ်မှုအရှိဆုံး သိပ္ပံဂျာနယ်များထဲမှ တစ်ခုဖြစ်သည့် Science in Publication သည် ရောင်းချသူ-ကမကထပြုသော စံနှုန်းများ မကြာခဏ ချို့တဲ့နေသည့် ပြင်ပစစ်ဆေးမှုအဆင့်ကို ပေးသည် — လက်တွေ့ကမ္ဘာ၏ စွမ်းဆောင်ရည်သည် ဆေးရုံမှ အမှန်တကယ်မြင်ရသော စကင်န်များ၊ စက်ကိရိယာများနှင့် လူနာဦးရေပေါ်တွင် အမြဲမူတည်နေသော်လည်း၊
ဘာကြောင့် Open-Sourcing အရေးကြီးတာလဲ။
အလေးများကို ပွင့်ပွင့်လင်းလင်းထုတ်ခြင်းသည် ဆေးဘက်ဆိုင်ရာ အထိခိုက်မခံသော နည်းပညာအတွက် ထင်ရှားသော ရွေးချယ်မှုတစ်ခုဖြစ်သည်။ သီးသန့်ရောင်းချသူများသည် ပုံမှန်အားဖြင့် စည်းမျဉ်းစည်းကမ်းနှင့် ဘေးကင်းမှုကို ကိုးကား၍ ဆေးဘက်ဆိုင်ရာမော်ဒယ်များကို ပိတ်ထားသည်။ Open release သည် လွတ်လပ်သော သုတေသီများအား ချို့ယွင်းမှုမုဒ်များကို စုံစမ်းစစ်ဆေးရန်၊ ဆေးရုံများသည် လူနာဒေတာကို ပြင်ပရောင်းချသူထံ မပို့ဆောင်ဘဲ ၎င်းတို့၏ကိုယ်ပိုင်အခြေခံအဆောက်အအုံပေါ်တွင် မော်ဒယ်ကို လုပ်ဆောင်နိုင်စေကာ သေးငယ်သော အထောက်အကူပစ္စည်းများကို အခြားဆေးရုံစနစ်ကြီးများအတွက် သီးသန့်ထားရှိသော စွမ်းဆောင်ရည်များကို အသုံးပြုခွင့်ပေးသည်။
Alibaba သည် မော်ဒယ်ကိုအသုံးပြုပုံအပေါ် ထိန်းချုပ်မှုနည်းကြောင်းကိုလည်း ဆိုလိုသည်။ ပွင့်လင်းစွာရရှိနိုင်မှုမှာ လက်တွေ့အတည်ပြုချက်မဟုတ်ပါ- တရားစီရင်ပိုင်ခွင့်တစ်ခုစီရှိ စည်းကမ်းထိန်းသိမ်းရေးမှူးများသည် လူနာများပေါ်တွင် မော်ဒယ်ကို မည်သို့အသုံးချနိုင်သည်ဆိုသည်ကို ဆုံးဖြတ်ဆဲဖြစ်ပြီး ဆေးရုံများသည် ၎င်းကို ၎င်းတို့၏ကိုယ်ပိုင်စက်ပစ္စည်းများနှင့် လူဦးရေပေါ်တွင် အတည်ပြုရန် လိုအပ်မည်ဖြစ်သည်။
သတိပြုရန်အချက်တစ်ခုမှာ South China Morning Post သည် Alibaba မှပိုင်ဆိုင်သည်ဟူသည့်အချက်ကို ၎င်း၏ကိုယ်ပိုင်အစီရင်ခံစာတွင်ဖော်ပြထားသည်။ သိပ္ပံတွင် အရင်းခံလေ့လာမှုကို ထုတ်ဝေခြင်းသည် သုတေသနကိုယ်တိုင်၏ သီးခြားအတည်ပြုချက်ကို ပေးစွမ်းသော်လည်း သောကြာနေ့၏ ကြေငြာချက်ဘောင်သည် ကုမ္ပဏီဘက်မှ မလွှဲမရှောင်သာ ထွက်ပေါ်လာသည်။
Alibaba ၏ ပိုမိုကျယ်ပြန့်သော ဆေးဘက်ဆိုင်ရာ AI Push
Damo Radar သည် အလီဘာဘာ၏ ရောဂါရှာဖွေရေး ပုံရိပ်ဖော်ခြင်းသို့ ပထမဆုံး ခြေလှမ်းမဟုတ်ပါ။ Damo Academy သည် ပန်ကရိယ၊ အစာအိမ်နှင့် အူမကြီးကင်ဆာများအပြင် သွေးကြောဆိုင်ရာခွဲစိတ်မှုများကို ဆရာဝန်များသိရှိနိုင်စေရန် AI စစ်ဆေးမှုကိရိယာများကို မကြာသေးမီနှစ်များအတွင်း တီထွင်ဖန်တီးခဲ့ကြောင်း Post ၏ဖော်ပြချက်အရ သိရသည်။ ဧပြီလတွင် ဌာနခွဲသည် CT စကင်န်တွင် အစောပိုင်းအဆင့် အူမကြီးကင်ဆာကို ရှာဖွေရာတွင် ဓာတ်မှန်ရိုက်ဆရာဝန်များထက် ပိုမိုအကဲဆတ်သည်ဟု ကုမ္ပဏီမှ ပြောကြားသည့် Guangdong General Hospital အပါအဝင် အဖွဲ့အစည်းများနှင့် ပူးပေါင်းတီထွင်ထားသည့် Coca ဟုခေါ်သော မော်ဒယ်ကို ထုတ်ပြန်ခဲ့သည်။
ရောဂါတစ်ခုတည်းစစ်ဆေးသူများမှ ယေဘုယျစံနမူနာဆီသို့ တိုးတက်မှုသည် ပိုမိုကျယ်ပြန့်သောအလောင်းအစားကို ထင်ဟပ်စေသည်- တွဲထားသောပုံများနှင့် အစီရင်ခံစာများတွင် လေ့ကျင့်ထားသော ကြီးမားသောအမြင်အာရုံဘာသာစကားမော်ဒယ်များသည် လောလောဆယ်ရှားပါးသောအထူးကုအချိန်လိုအပ်သည့် ပုံစံ-မှတ်သားခြင်းအလုပ်ကို စုပ်ယူနိုင်သည်။ ကျန်းမာရေးစနစ်များစွာတွင် ဓာတ်ရောင်ခြည်သင့်မှု ပြတ်တောက်မှုမှာ ပြင်းထန်ပြီး စစ်ဆေးမှုပရိုဂရမ်များသည် အထူးကုများ တူညီစွာဖတ်ရှုနိုင်သည်ထက် တူညီသောအာရုံစူးစိုက်မှုထက် အဆပေါင်းများစွာ ပိုမိုများပြားသော စကင်န်များကို ထုတ်ပေးပါသည်။
##ဘာတွေဆက်ဖြစ်မလဲ။
Open-source ဖြန့်ချိမှုသည် စတင်ခြင်းမဟုတ်ဘဲ ဖြန့်ကျက်မှုတစ်ခုဖြစ်သည်။ မော်ဒယ်ကိုထည့်သွင်းစဉ်းစားသည့်ဆေးရုံများသည် ၎င်းတို့၏ကိုယ်ပိုင်စကင်န်များတွင် ဒေသဆိုင်ရာအတည်ပြုချက်လိုအပ်မည်ဖြစ်ပြီး ဆေးခန်းအသုံးပြုမှုသည် နိုင်ငံအလိုက် စည်းမျဉ်းစည်းကမ်းပြန်လည်သုံးသပ်မှုအပေါ် မူတည်မည်ဖြစ်သည်။ သို့သော် ယခုသီတင်းပတ်တွင် ထုတ်ပြန်ခဲ့သည့် အထောက်အထားများ - လက်တွေ့ကမ္ဘာစစ် စာမေးပွဲပေါင်း 40,000 နီးပါး၊ အလုပ်လုပ်နေသော ဓာတ်မှန်ဗေဒဆရာများနှင့် ထိပ်တိုက်နှိုင်းယှဉ်ပြီး AI အကူအညီဖြင့် စာဖတ်ချိန်ကို 30 ရာခိုင်နှုန်း လျှော့ချခြင်းဖြင့် Damo Radar သည် သတင်းထုတ်ပြန်ချက်အဖြစ် စတင်ထွက်ရှိထားသော မော်ဒယ်အများစုထက် ပိုမိုခိုင်မာသော အခြေခံအုတ်မြစ်ကို ပေးပါသည်။ ယေဘုယျဆန်သော ဆေးဘက်ဆိုင်ရာ ပုံရိပ်ဖော်မော်ဒယ်များသည် စံဆေးရုံကိရိယာများ ဖြစ်လာသည်ဖြစ်စေ သို့မဟုတ် သုတေသနမှတ်တိုင်များ ကျန်ရှိနေသည်ဖြစ်စေ နေ့စဉ်လက်တွေ့အလေ့အကျင့်၏ ပိုဆိုးသောပတ်ဝန်းကျင်တွင် ၎င်းတို့လုပ်ဆောင်ပုံအပေါ် မူတည်ပါသည်။
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
