ما الذي يمكن أن تتعلمه الذكاء الاصطناعي من الطب؟ نظريات مبتكرة وعمليات تعلم آلي موثوقة

في السنوات الأخيرة، شهدنا تحقيق تطورات كبيرة في تطبيقات الذكاء الاصطناعي، خاصةً في مجال تعلم الآلة (Machine Learning) الذي أصبح يُستخدم في الطب بشكل واسع. ومع ذلك، لا تزال هناك بعض الشكوك حول موثوقية هذه الأنظمة، مما يجعل من الصعب وضع أسس منهجية ومعرفية لها.

قد أُقيمت مقارنات بين الطب وتعلم الآلة، حيث تم اقتراح أنه يجب تطوير المعايير المنهجية والمعرفية لتعلم الآلة بناءً على المعايير المستخدمة في الترجمة السريرية. هنا، نكتشف أن هناك تشابهاً إبداعياً بين عملية الترجمة السريرية وتطوير أنظمة تعلم الآلة.

من خلال الاستناد إلى أعمال عالمة الفيزياء الاجتماعية هيس (Hesse)، قمنا بتحديد الطبيعة المميزة لهذا التشابه ووصفنا كيفية تطبيق المعايير الإنسانية والعلمية في كل من المجالين. تظهر الأبحاث أن المعايير المعرفية والمنهجية المستخدمة في الترجمة السريرية يجب أن تؤخذ بعين الاعتبار عند بناء أنظمة تعلم الآلة، ما يعزز موثوقيتها ولها أثر كبير على تطور هذه الأنظمة.

بشكل خاص، نحن نرى كيف أن فهم المعايير المستخدمة في الترجمة السريرية من منظور موثوقية الأنظمة (Reliabilism) يمكن أن يساهم في صياغة جديدة من موثوقية تعلم الآلة، والذي يختلف عن المفاهيم الحالية، لكنه متناسب معها أيضًا في فلسفة الذكاء الاصطناعي.