Sztuczna inteligencja może być naszym sprzymierzeńcem w walce z pandemią. Nie powinniśmy jednak spodziewać się cudów. Musimy też być ostrożni, żeby narzędzia kontroli społecznej oparte na SI nie zostały z nami na dłużej
Sztuczna inteligencja to technologia ogólnego zastosowania (general purpose technology), dlatego nie powinno nas dziwić, że również w przypadku pandemii COVID-19 jej potencjał nie ogranicza się do jednego pola.
Wielu specjalistów od SI pracuje dziś nad jej wykorzystaniem do śledzenia rozwoju zarazy i przewidywania przyszłych scenariuszy. Inni chcą ją wykorzystać w diagnostyce i prognozowaniu ryzyka umieralności. Z kolei w farmakologii SI ma pomóc w znalezieniu leku na koronawirusa oraz stworzeniu szczepionki przeciw niemu. Wreszcie SI to także dobre narzędzie do kontroli populacji dotkniętej epidemią.
Jak ten potencjał wypada w praktyce? Postanowił to sprawdzić prof. Wim Naudé z Politechniki w Akwizgranie, ekonomista badający wpływ sztucznej inteligencji na gospodarkę.
Najlepsza w śledzeniu
Zdaniem badacza największe możliwości w walce z pandemią SI ma dziś w obszarze nadzoru społecznego. Wynika to zarówno z zaawansowania narzędzi używanych w tym celu, jak i z braku konieczności prowadzenia badań nad ich zastosowaniem, jak dzieje się to w przypadku SI w medycynie.
Badacz podkreśla jednak, przywołując niedawne przestrogi Yuvala Noaha Harariego, że niedopracowanie zasad dotyczących wykorzystania narzędzi śledzących społeczeństwo może mieć dalekosiężne negatywne skutki. Istnieje bowiem ryzyko, że władza będzie chciała używać SI do monitorowania zachowań obywateli już po ustaniu pandemii. Jeśli zabraknie tutaj precyzyjnych regulacji, społeczeństwo może utracić zaufanie do rządzących, a wtedy nie będzie skłonne przestrzegać jego zaleceń np. przy okazji kolejnej epidemii.
Raz za dużo, raz za mało
Niestety, w innych obszarach związanych z COVID-19 sztuczna inteligencja przynosi na razie znacznie mniej skuteczne rozwiązania. Jeśli chodzi o modelowanie rozwoju epidemii, to dotychczas SI nie okazała się bardzo przydatna: większość predykcji wciąż opiera się na sprawdzonych modelach epidemiologicznych SIR. Wszystko z powodu paradoksu, twierdzi Naudé. Otóż problemem jest to, że z jednej strony brakuje nam danych, z drugiej zaś mamy ich zbyt wiele.
Chodzi o to, że wciąż nie dysponujemy rzetelnymi informacjami na temat rozwoju bieżącej epidemii, natomiast historyczne dane dotyczą innych chorób (np. wirusa Zika), w których infekcje przebiegają inaczej niż w przypadku COVID-19. Z kolei treści z sieci społecznościowych, które mogłyby pomóc odkryć znaczące trendy, są zbyt zaszumione (np. fake newsami), co utrudnia ich wykorzystanie.
Zbyt wcześnie na wdrożenia
Najwięcej prac nad SI w związku pandemią prowadzi się obecnie w obszarze diagnostyki. SI może się przydać choćby w pomocy radiologom przy wykrywaniu chorób wywołanych przez koronawirusa na podstawie zdjęć RTG oraz tomografii komputerowej. Jak jednak podkreśla Naudé, sami badacze nie uważają tego rozwiązania za wystarczająco przetestowane, by móc je bez ryzyka wprowadzić do użytku. Nie da się go też zastosować w diagnostyce na wczesnym etapie rozwoju choroby.
Potencjał SI widać również w badaniach nad lekami na koronawirusa, szczególnie w zakresie szybszego testowania już istniejących środków. Jednak tutaj także nie należy się spodziewać rychłego sukcesu, ponieważ nowe wykorzystanie leku wiąże się z koniecznością przeprowadzenia licznych testów i badań, które raczej nie skończą się w najbliższym czasie. Wypada jednak podkreślić, że w tym przypadku nie jest to przykład nieskuteczności SI, ale rezultat procedur obowiązujących w farmakologii.
Możliwości SI w walce z pandemią trudno więc dziś jednoznacznie oceniać. Z pewnością w ciągu najbliższych miesięcy czy lat wiele rozwiązań zostanie zweryfikowanych i w przyszłości jej zastosowanie w przeciwdziałaniu epidemiom będzie bardziej skuteczne. Tym bardziej nie spodziewajmy się dziś cudów po SI. Będziemy wtedy mniej rozczarowani jej niedostatkami, zaś bardziej docenimy sukcesy.