Nul
Identifikation af cat billeder er en no-brainer for AI, men med anvendelse af machine learning til sundhedsydelser er en delikat sag for at træffe valg om, hvad der vil hjælpe en person, kontra hvad det er blot interessant forskning.
Denne omstændighed er, udtrykt i forhold til kunstig intelligens, der træffes af en Waltham, Masse-baserede selskab kaldet NeuroMetrix, som sælger en ny gadget til at afhjælpe kroniske smerter.
CEO Shai Gozani, M. D., Ph.d., er begejstret AI, men ikke religiøse, faktisk, han har en sans for humor om den seneste tids genopblussen i popularitet af neurale netværk.
“Jeg gjorde datalogi i midten af 80’erne på Berkeley, og AI var stor,” Gozani erindres under et interview i sidste uge med ZDNet. “Og så gik jeg til medical school, og to eller tre år siden, AI pludselig blev stor igen, og jeg sagde til mig selv, Hey, det er de samme ting, som jeg har hørt om på det kursus jeg gik til dengang, mellem dem, Bruce Springsteen koncerter!”
Også: AI start Mennesker.ai får $30 millioner fra Andreessen Horowitz, for at frigøre arbejdspladsen slid
I alle alvor, NeuroMetrix, som sælger en enhed kaldet “Undertrykke” er at finde værdien i machine learning anvendes på store datasæt af den enkeltes smerte. Det næste skridt kan være at anvende dyb læring former for beregning, såsom styrkelse læring, for yderligere at øge produktets funktioner. (Dæmpe Web-site har en masse andre afhandlinger fra den virksomhed, der kan downloades.)
NeuroMetrix blev børsnoteret på Nasdaq i januar sidste år. Selv om dens bestand har mistet omkring en fjerdedel af sin værdi siden BØRSINTRODUKTIONEN, aktier har næsten fordoblet siden December nedture.
Det Dæmpe produkt, der sælger til $299 for den netop udgivet anden udgave, og $249 for en ældre, noget kraftigere model, er der en manchet, der er fremstillet af en kombination af spandex, nylon og polyuretan, at man bærer rundt på en kalv. (Der er ingen neopren eller latex i manchetten, virksomheden lægger vægt på.) Manchetten er sikret via velcro på enderne, og via nogle gel-puder på indersiden, der er lidt lim. Inde i manchetten er elektroder, der udsender små elektriske strømme til huden, på rækkefølgen af hundrede milli-ampere, for brøkdele af et sekund, på et tidspunkt. Er der pulser, er der administreres enten automatisk eller ved manuel markering fra en tilhørende smartphone app.
NeuroMetrix CEO Shai Gozani, venstre, og chief commercial officer Frank McGillin, på firmaets stand på Consumer Electronics Show i Las Vegas, tidligere i denne måned.
Tiernan Ray til ZDNet
Målet er at behandle kroniske smerter ved at sende lys elektriske strømme gennem huden. Smerter i dette tilfælde kan omfatte ting såsom lavere rygsmerter. Princippet om de elektriske impulser er, hvad der kaldes “Transkutan elektrisk nerve stimulation,” eller TIERE. Det Dæmpe produkt bruger en særlig variant, som kaldes “fast-site højfrekvent TENS,” eller “hfTENS,” hvor stimulation anvendes i et område, i dette tilfælde den kalv, uanset hvor smerten er. Impulserne rejse op nerver, til det centrale nervesystem i hjernen til at påvirke, hvad ejendommen på kroppen har smerter.
Også: Analytics start EDO driller forbrugernes adfærd fra TV-annoncer med machine learning
For tre år, produktet har været på markedet, har det været alle om at finde ud af, hvordan det produkt, der hjælper, og hvordan folk bruger det, siger Gozani, fordi data, endda mere end de algoritmer, der er nøglen.
“Det rette sted at starte er de data,” siger han. “Hvis det ikke er relevant, det er en øvelse i tomhed.”
Halvfjerds tusind personer har bidraget med data punkter, som er blevet samlet i NeuroMetrix ‘ s cloud computing facilitet, Gozani siger, i løbet af måneder, og i nogle tilfælde år for brug. Det er de “rigeste kroniske smerter data sat i verden,” siger han.
“Hvad er egentlig vigtigst for machine learning er, hvor mange forskellige mennesker, har du, hvor mange kroniske smertepatienter, fordi hver enkelt er unik,” siger han.
Data er indsamlet i to steder, fra selve enheden og fra den companion app. Enheden kan registrere ting, såsom en persons gangart, deres stil at gå, som kan være særligt vigtigt, Gozani siger, på grund af deformiteter i bevægelse, kan være forstadier til ting, såsom et fald, især i ældre personer.
App ‘ en lader en person træder demografiske data, såsom alder og højde, og registrere, hvor og hvornår de føler smerte, og ledsagende fænomener som stemning.
Også: AI start InsideSales spørger, om en maskine kan lære at sælge
Med henblik på udarbejdelsen af data over tid er at samle basislinjer, der kan afgøre, om en person, hvor meget og hvor ofte udsender pulser. Denne fremgangsmåde ikke kræver komplicerede neurale netværk, Gozani siger. Simpel lineær regression kan og har opnået en masse, siger han, fordi de relationer, der bygges på de data, der er ikke så komplicerede, at de kræver dyb læring.
Brug af AI har udviklet sig over tid. Når Dæmpe først kom ud, var det designet til at anvende noget som en “bedste gæt” på, hvor meget stimulation til at anvende, Gozani siger.
“Halvfjerds tusinde patienter senere, kan vi sige, at du har denne profil, der matcher disse fællestræk: Du er sådan og sådan højde, sige, du er en mand, du har smerter i benene, men ikke i din skulder, etc.” Som et resultat af mønstre, udlede om en sådan befolkning, enheden har været i stand til at udvikle mere præcise anbefalede doser.
Om en person til den voksende baseline af smerte og pleje er “den vigtigste ting,” Gozani siger. “Hvis du gør det rigtigt, kan du give folk en masse mere gavn lige ud af boksen.”
Værdien af at studere patient data er fremhævet af en peer-reviewed rapport, der blev offentliggjort i denne måned, der beskriver en randomiseret kontrol retssag gennemført af NeuroMetrix i samarbejde med Harvard Medical School, den første nogensinde RCT af hfTENS.
Det Dæmpe manchetten på skærmen med sin makker, smartphone app, og den stribe af elektroder, der gør det til at fungere, på selskabets CES-standen.
Tiernan Ray til ZDNet
Anvendelse af machine learning til at Dæmpe vil fortsætte med at udvikle sig, siger Gozani. Selskabet er aktivt forsker dybt forskellige metoder til at lære at se, hvordan de kan forbedre Dæmpe ‘ s capabilites. For eksempel, vejret kan være en vigtig faktor i smerte, som den forstås tusinder af år siden af Hippokrates, Gozani noter.
“[Barometriske] tryk, for eksempel, kan blive en faktor i nogle folks smerte,” bemærker han. Virksomheden allerede samler vejr data i sine cloud-operationer, og har brugt nogle “overvåget indlæring” for at se, hvordan patienter klynge af vejret i deres geografiske område. Det næste skridt kunne være at bruge dybt at lære at udføre intelligent analyse om, hvordan vejret skal påvirke forvaltning af pulser på et individuelt grundlag.
“Hvis vi holder øje med vejret for dig, kan vi måske være i stand til at vide, at vi skal øge en dosis til dig i dag, fordi vejret kommer til at være dårligt,” siger han, “og der kommer til at bidrage til, at din have et højere niveau af smerte.” Den slags intelligent algoritme er en højere dimensionelle problem end de basislinjer, som lineær regression er anvendt, og så kan det være et naturligt sted, hvor dybere netværk er nyttige, han muserne.
Også: IBM, Apple og Facebook repræsenterer nye tilt mod forretning for ærværdige AI konference
Den tanke fører naturligt til den potentielle “reinforcement learning”, en gren af machine learning, hvor computeren træffer afgørelse om, hvilke af de forskellige handlinger til at tage i betragtning af den skiftende natur af en situation og en baseret på en belønning funktion, der er knyttet til succesfulde resultater. Gozani siger, at virksomheden er “meget interesseret” i styrkelse læring.
Skal læse
“AI er meget, meget dum, “siger Google’ s AI leder CNETBaidu skaber Kunlun silicium til AISamlet Google AI division et klart signal om, at AI ‘ s fremtidige TechRepublic
“Brugeren har til at træffe beslutninger,” om administration af pulser, bemærker han, “og et spørgsmål er: Kan noget som reinforcement learning, hjælper dem at træffe disse beslutninger på en bedre måde?”
Styrkelse læring kan være indbygget i enheden, som han siger, så ved at iagttage det faktum, at brugeren bare har lavet en afgørelse, og afgørelsen gjort tingene bedre, noget, der er lært om valg. “Vi er ved at indsamle disse data, der allerede på patienter, men vi er endnu ikke lære dig, brugeren, i real-tid,” siger han, “der ville være næste skridt.”
Med forstærkning af læring, eller for dyb læring, eller for at en sådan tilgang, “AI er et værktøj,” Gozani siger. “Vi forsøger at få kunder til et godt resultat, der er pointen. Og hvis vi kan få dem der hurtigere med nogle værktøjer, så er det af interesse for os.”
Tidligere og relaterede dækning:
Hvad er AI? Alt, hvad du behøver at vide
En executive guide til kunstig intelligens, fra machine learning og generelt AI til neurale netværk.
Hvad er dyb læring? Alt, hvad du behøver at vide
Den lowdown på en dyb læring: fra hvordan det relaterer til det bredere felt af machine learning igennem til, hvordan du kommer i gang med det.
Hvad er machine learning? Alt, hvad du behøver at vide
Denne vejledning forklarer, hvad machine learning er, hvordan det er relateret til kunstig intelligens, hvordan det fungerer, og hvorfor det er vigtigt.
Hvad er cloud computing? Alt, hvad du behøver at vide om
En introduktion til cloud computing-lige fra det grundlæggende op til IaaS og PaaS, hybrid, offentlige og private cloud.
Relaterede Emner:
Big Data Analytics
Digital Transformation
CXO
Tingenes Internet
Innovation
Virksomhedens Software
0