เป็นเวลาประมาณหนึ่งล้านปีแล้วที่เผ่าพันธุ์มนุษย์อยู่บนเส้นโค้งของนวัตกรรม ส่วนโค้งขึ้นที่ก้าวหน้าตั้งแต่การควบคุมไฟ การประดิษฐ์แท่นพิมพ์แบบกลไกที่สามารถเคลื่อนย้ายได้ ไปจนถึงการสร้างระบบปัญญาประดิษฐ์ (AI) ที่สามารถเอาชนะมนุษยชาติได้มากที่สุด ผู้เล่นเกมที่ประสบความสำเร็จ ทุกวันนี้ ระบบ AI กำลังโค้งงอนวัตกรรมของมนุษย์ให้สูงขึ้นไปอีก เร่งความเร็วของความก้าวหน้า และนำความ
ก้าวหน้าครั้งสำคัญเข้ามาใกล้ เช่น การยุติการก่อการร้าย
หรือการรักษาโรคมะเร็งแท้จริงแล้ว นักวิจัยบางคนเชื่อว่าการรักษามะเร็ง โดยใช้ AI นั้นอยู่ห่างออกไปไม่ถึงทศวรรษ อย่างไรก็ตาม แม้จะมีการเร่งความเร็วของ AI การเดินทางสู่โลกที่ปราศจากมะเร็งจะยังคงเกิดขึ้นซ้ำๆ โดยสร้างขึ้นจากขั้นตอนเล็กๆ เช่นเดียวกับนวัตกรรมในอดีตที่นำไปสู่เทคโนโลยีที่ล้ำสมัยในปัจจุบัน
AI นำเสนอความก้าวหน้าในการวินิจฉัยโรคมะเร็งอยู่แล้ว แต่เทคโนโลยีดังกล่าวจะต้องผ่านการทำซ้ำหลายครั้ง เพื่อแก้ปัญหาเล็กๆ น้อยๆ มากมายก่อนที่จะเผชิญกับความท้าทายขั้นสูงสุด กระบวนการนี้จะนำเสนอโอกาสมากมายสำหรับผู้ให้บริการเทคโนโลยี AI ในการมีส่วนร่วมกับความท้าทายที่ยิ่งใหญ่
ที่เกี่ยวข้อง: ทำไม ‘ล้มเหลวเร็ว’ ถึงหายนะเมื่อพูดถึงปัญญาประดิษฐ์
แต่การที่จะมีส่วนร่วมในความพยายามนี้ ผู้ให้บริการเทคโนโลยีจำเป็นต้องเข้าใจลำดับของนวัตกรรมที่นำเราไปสู่จุดที่เราอยู่ในปัจจุบันและไปสู่จุดที่เราจะมาถึงในที่สุดในอนาคต มาดูลำดับเวลาของนวัตกรรม AI ที่เลือกซึ่งอาจจบลงด้วยการพิชิตมะเร็ง:
พ.ศ. 2495 (ค.ศ. 1952) — มาร์วิน มินสกี้เปิดตัวStochastic Neural Analog Reinforcement Calculator (SNARC) ซึ่งเป็นเครื่องเรียนรู้โครงข่ายประสาทเทียมแบบเชื่อมต่อเครื่องแรก และอาจเป็นเครื่องเรียนรู้ด้วยตนเองเครื่องแรก
พ.ศ. 2518 (ค.ศ. 1975) — อัลกอริทึม Backpropagationได้รับการพัฒนาขึ้นเพื่อแก้ปัญหาความท้าทายด้วยเครื่องคอมพิวเตอร์ ทำให้สามารถฝึกอบรมโครงข่ายประสาทเทียมหลายชั้น และนำไปสู่การใช้งานโครงข่ายประสาทเทียมอย่างแพร่หลายในทศวรรษที่ 1980
ประมาณปี 2000 — การใช้นิพจน์ ” การเรียนรู้เชิงลึก ” เป็นครั้งแรกเพื่ออธิบายประเภทของการเรียนรู้ของเครื่องที่สร้างเครือข่ายที่สามารถเรียนรู้จากข้อมูลที่ไม่มีโครงสร้างในรูปแบบที่ไม่มีผู้ดูแล
พ.ศ. 2554-2555 — โครงข่ายประสาทเทียมแบบ Convolutional AlexNetได้รับความแม่นยำในระดับที่ไม่เคยมีมาก่อนในการจดจำภาพ ซึ่งปูทางให้การเรียนรู้เชิงลึกเข้าสู่กระแสหลัก
มกราคม 2017 — นักวิจัยที่มหาวิทยาลัยสแตนฟอร์ดพัฒนาเทคโนโลยีการเรียนรู้เชิงลึกที่สามารถระบุไฝและรอยโรคของผิวหนังที่เป็นมะเร็งด้วยสายตาด้วยความแม่นยำในระดับเดียวกับแพทย์ผิวหนัง
กุมภาพันธ์ 2017 — Microsoft ก่อตั้งHealthcare NexTซึ่งเป็นความคิดริเริ่มที่ออกแบบมาเพื่อประยุกต์ใช้ AI และเทคโนโลยีแมชชีนเลิร์นนิงกับปัญหาด้านสุขภาพ รวมถึงการรักษาโรคมะเร็ง
มีนาคม 2017 — เทคโนโลยีการเรียนรู้เชิงลึกGoogleNetของ Google ตรวจพบเนื้องอกมะเร็งด้วยความแม่นยำสูงกว่าแพทย์ที่เป็นมนุษย์
ตุลาคม 2017 – Intel เปิดตัวซิลิคอนตัวแรกสำหรับ ชิป
Nervana Neural Network Processor (NNP) ซึ่งสามารถเร่งงานการเรียนรู้เชิงลึก รวมถึงการวินิจฉัยโรคมะเร็ง
ประมาณปี 2021 ถึงประมาณปี 2026 — Microsoft คาดว่าจะเปิดตัวคอมพิวเตอร์ที่ขับเคลื่อนด้วย AI ซึ่งทำงานภายในร่างกายมนุษย์เพื่อตรวจจับและตั้งโปรแกรมเซลล์มะเร็งใหม่ซึ่งทำให้เซลล์เหล่านั้นไม่เป็นอันตราย
ดังที่ลำดับเวลานี้แสดงให้เห็น ก้าวของนวัตกรรมในการเรียนรู้เชิงลึกและการวิจัยโรคมะเร็งที่ใช้ AI กำลังเร่งตัวขึ้น อย่างไรก็ตาม ความก้าวหน้าในขั้นตอนนี้ยังคงเป็นขั้นตอนที่ค่อนข้างเล็กซึ่งนำไปสู่เป้าหมายสูงสุดในอนาคต
ที่เกี่ยวข้อง: 10 เทรนด์ปัญญาประดิษฐ์ที่น่าจับตามองในปี 2561
สถานการณ์นี้สะท้อนถึงสภาพที่เป็นอยู่ของนวัตกรรม AI ซึ่งเกี่ยวข้องกับการใช้เครื่องมือรู้คิดเฉพาะงานเดี่ยวเพื่อทำงานธรรมดาและซ้ำๆ ที่ท้าทายสำหรับผู้คน เช่น การตรวจสอบภาพจำนวนมากของตัวอย่างเนื้อเยื่อเพื่อตรวจหาสัญญาณของรอยโรคที่เป็นมะเร็ง
เทคโนโลยีเหล่านี้เรียกรวมกันว่าปัญญาประดิษฐ์แคบ (ANI) เทคโนโลยี AI ที่ประสบความสำเร็จมากที่สุดในปัจจุบันกำลังใช้ประโยชน์จากเครื่องมือเหล่านี้เพื่อวัตถุประสงค์เฉพาะที่หลากหลาย ตั้งแต่เทคโนโลยีการจดจำวัตถุที่ขับเคลื่อนกล้องวิดีโอ DeepLens ของ Amazonไปจนถึงอัลกอริธึมการจดจำใบหน้าที่ควบคุม การพิสูจน์ตัวตน Face IDบน iPhone X ของ Apple
โซลูชันเหล่านี้เรียกว่าการแปลง AI แบบ “ครั้งเดียว” (1x) พวกเขาเป็นตัวแทนของเครื่องมือในทางปฏิบัติที่ตอบสนองความต้องการในทันทีในขณะที่ส่งเสริมวัตถุประสงค์เชิงกลยุทธ์
การเปลี่ยนแปลง 1x ดังกล่าวกำลังมีบทบาทสำคัญในการพัฒนา AI ธุรกิจที่ผสานรวมนวัตกรรม AI 1x เข้ากับการดำเนินงานได้สำเร็จ คาดว่าจะขยายกำลังคนได้ 10% และมีรายได้เพิ่มขึ้น 38% ในช่วง 5 ปีข้างหน้า ตามรายงานของAccenture
credit: sellwatchshop.com kaginsamericana.com NeworleansCocktailBlog.com coachfactoryoutletswebsite.com lmc2web.com thegillssell.com jumpsuitsandteleporters.com WagnerBlog.com moshiachblog.com
