No existe una sola tecnología en el vacío. El Kinect de Microsoft pudo haber sufrido una diapositiva innoble en la oscuridad luego de su problemática vinculación con la Xbox One. Pero sus principios subyacentes, la tecnología y la investigación que se desarrolló para desarrollarla ahora tienen un papel mucho más importante que medir a su borracho. “Solo baila” actuación.

Esta salvando vidas.

Hablando en el AI Summit en Londres, el Profesor Christopher Bishop (Director de Laboratorio de Microsoft Research) de Microsoft y Antonio Criminisi, investigador principal de InnerEye Assistive AI for Cancer, discutieron cómo se está desarrollando la principal tecnología de juegos de root, junto con los principios de aprendizaje automático. utilizado para ayudar a diagnosticar cánceres.

Convertir las horas en segundos

InnerEye Assistive AI for Cancer es un proyecto de investigación habilitado por Microsoft que utiliza análisis de imágenes y herramientas para reducir drásticamente la cantidad de tiempo que lleva identificar y diagnosticar células cancerosas en un paciente..

Una de las aplicaciones clave de la tecnología es examinar los datos producidos a partir de una tomografía computarizada (TC). Las tomografías computarizadas se ven exactamente a través del tejido corporal y la materia ósea, lo que da como resultado imágenes que ofrecen muchas capas diferentes o cortes de imágenes en todo el cuerpo del paciente. Juntos, crean una imagen completa del funcionamiento interno de un paciente, pero la identificación de cada órgano a través de cada capa minuciosamente diferente, y la posibilidad de identificar anomalías dentro de esos datos, puede llevar incluso al oncólogo más capacitado muchas horas. Usan tecnología de modelado 3D para resaltar e identificar órganos sanos, separándolos de cualquier aberración, pero deben crear esa imagen píxel por píxel, o voxel por voxel, antes de decidir un plan de tratamiento.

Pero lo que a un oncólogo le lleva horas hacer manualmente, InnerEye puede lograrlo (con un poco de ayuda humana) en solo 30 segundos. Como tal, se le puede dar mucho más tiempo al plan de tratamiento para cada paciente individual, con datos sólidos (en el caso de la radioterapia) sobre qué áreas sanas del cuerpo deben evitar los golpes..

“Para entrenar el software, tenemos cientos de imágenes de tomografías computarizadas de pacientes, todas anónimas y con consentimiento.”, explica criminisi.

“Provienen de diferentes regiones del mundo, no solo del Reino Unido, lo que es importante para captar la variabilidad en la etnicidad, la forma del cuerpo y el estado de la enfermedad. Cada oncólogo confirma que cada imagen tiene, por ejemplo, signos de cáncer de próstata, y la refinamos a través de la segmentación.”

Sin embargo, el rendimiento de InnerEye no está exento de comentarios de un médico. De hecho, ha mejorado por ello. Si bien InnerEye es increíblemente capaz de identificar diferentes zonas corporales, su margen de error no es perfecto. Un oncólogo puede ajustar el informe resultante y los datos que se envían a la nube pueden utilizarse para refinar los algoritmos de InnerEye en cualquier lugar del mundo, en cualquier práctica, en cualquier lugar del mundo..

“No es un 'aprendizaje de refuerzo', es un tipo diferente de aprendizaje automático llamado 'aprendizaje supervisado',” dijo Criminisi. Es un tipo de aprendizaje más tradicional, ya que se refina a través de los comentarios profesionales, en este caso de un médico..

“Nunca vamos a reemplazar a los médicos.,” dice criminisi. “Pero esta es una herramienta para ayudarles a hacer su trabajo de manera más eficiente y efectiva..”

Del juego a la medicina.

Para cualquier paciente que esté interesado en los juegos, puede que se sorprenda al escuchar las raíces del software que se está utilizando en su viaje hacia la recuperación..

“Está utilizando la misma tecnología que se desarrolló por primera vez para jugar con Xbox.,” explica criminisi.

“Lo que estamos haciendo usa Random Forest, un algoritmo de aprendizaje automático muy especial, que hace mucho años salió del laboratorio de Cambridge de Microsoft y llevó a la invención de Kinect..

“Esa tecnología estaba mirando a un usuario, no a un paciente, desde afuera hacia adentro, y era capaz de reconocer movimientos. Así que pensamos, vamos a darle la vuelta a su cabeza, y lo usamos en imágenes donde miras a un paciente desde adentro hacia afuera. Es la misma tecnología que evoluciona con el tiempo..”

No es solo la historia de la tecnología de escaneo en Kinect lo que vincula las ambiciones de la inteligencia artificial de Microsoft con los juegos, sino también el hardware del chip subyacente que realiza las tareas informáticas. Su arquitectura de silicio de matriz de puerta programable de campo (FPGA) se basa en el trabajo realizado en las GPU de juegos.

“Una CPU es un procesador bastante genérico.,” explica obispo.

“Tiene la ventaja de ser muy flexible y programable en software, pero la arquitectura real es fija. Luego hay una arquitectura más especializada, como unidades de procesamiento gráfico o GPU. Están diseñados para gráficos rápidos, principalmente para la industria de los juegos. Pero resulta que son muy adecuados para un tipo muy específico de aprendizaje automático llamado "red neuronal profunda", que realmente es lo que sustenta toda la emoción en torno a la inteligencia artificial..

“Las GPU son una arquitectura fija muy específica, realmente muy buena para hacer muchas de las mismas cosas en paralelo. Pero les falta flexibilidad. Un FPGA es un poco diferente, puedes considerarlo como un conjunto de puertas LEGO que se pueden configurar en el software para que sean una arquitectura muy específica. No será tan eficiente como un chip diseñado para un propósito en un algoritmo específico, pero puede configurarlo rápidamente para que funcione en cualquiera de una serie de algoritmos diferentes, o si aparece un nuevo algoritmo.

“Esto es lo que está impulsando la revolución de la IA, junto con una enorme cantidad de investigación sobre nuevas técnicas de aprendizaje automático. La flexibilidad significa que, cuando aparece un algoritmo nuevo y mejorado, podemos simplemente reconfigurar esa supercomputadora FPGA para lidiar con ella. Ya no necesitamos desarrollar un nuevo chip a medida.. ”

Progreso vs privacidad

Como ejemplo, Bishop afirma que los chips FPGA podrían usarse para traducir la totalidad de la novela épica 'Guerra y paz' ​​del ruso al inglés en el tiempo que le tomaría recogerla de su estantería..

“Imagine un futuro en el que implementemos esta herramienta en hospitales, como ya lo estamos haciendo.,” dice criminisi.

“Cuando un oncólogo corrige algunos errores, o toma decisiones estilísticas, esos datos regresan a Microsoft Cloud, Azure, y los usamos para volver a entrenar el algoritmo. Hay aprendizaje continuo. Al día siguiente, cuando el médico vuelve a su cirugía, el rendimiento ha mejorado. Ahí es donde queremos ir a continuación..”

Pero llegar a esta emocionante etapa siguiente en el diagnóstico diario presentará desafíos eliminados del silicio, admite Criminisi.

“Una cosa es hablar sobre la tecnología, la otra es hablar sobre los obstáculos legales y los obstáculos a la privacidad. Habilitar un mecanismo en el que pueda realizar un aprendizaje continuo, será desde un punto de vista de gobierno mucho más complicado que incluso lo que estamos haciendo en este momento..”

Puede que no sea una resurrección para Kinect, pero al prevenir una muerte potencialmente prematura en los pacientes, tal vez la tecnología, a través de esta evolución, finalmente haya encontrado su verdadera vocación..

  • ¿Podría renacer el Kinect de Microsoft como un controlador de realidad virtual??