Kansainväliset tutkijat vaativat lisää avoimuutta tekoälytutkimukseen

Ryhmä kansainvälisiä tutkijoita eri instituutioista, kuten Princess Margaret Cancer Centrestä, Toronton yliopistosta, Stanfordin yliopistosta, Johns Hopkinsista, Harvard School of Public Healthista ja Massachusetts Institute of Technologysta, vaatii lisää avoimuutta tekoälytutkimukseen. Tämän kutsun tärkein voima on vapauttaa tärkeitä löydöksiä, jotka voivat auttaa nopeuttamaan syövän hoitoa tutkimuksen perusteella. 

Artikkeli, jossa tiedemiehet kehottivat tieteellisiä lehtiä nostamaan standardiaan laskennallisten tutkijoiden avoimuuden suhteen, julkaistiin vuonna luonto 14. lokakuuta 2020. Ryhmä kannatti myös sitä, että heidän kollegoidensa tulisi julkaista koodia, mallia ja laskentaympäristöjä julkaisuissa. 

Lehden otsikko oli "Läpinäkyvyys ja toistettavuus tekoälyssä" 

Tekoälytutkimuksen yksityiskohdat julkaistaan

Dr. Benjamin Haibe-Kains on vanhempi tutkija Princess Margaret Cancer Centerissä ja julkaisun ensimmäinen kirjoittaja. 

"Tieteen edistyminen riippuu tutkijoiden kyvystä tarkastaa tutkimuksen tuloksia ja toistaa päälöydös, josta oppia", tohtori Haibe-Kains sanoo. "Mutta laskennallisessa tutkimuksessa se ei ole vielä laajalle levinnyt kriteeri, että tekoälytutkimuksen yksityiskohdat ovat täysin saatavilla. Tämä on haitallista edistymisellemme." 

Huolet syntyivät Google Health -tutkimuksen jälkeen, jonka julkaisivat McKinney et al. eräässä suuressa tieteellisessä lehdessä vuonna 2020, jossa väitettiin, että tekoälyjärjestelmä voisi päihittää ihmisradiologit rintasyövän seulonnan kestävyydessä ja nopeudessa. Tutkimus sai paljon huomiota mediassa useissa huippujulkaisuissa. 

Kyvyttömyys toistaa malleja

Yksi tutkimuksen jälkeisistä suurimmista huolenaiheista oli, että siinä ei kuvattu perusteellisesti käytettyjä menetelmiä, koodia ja malleja. Tämä läpinäkyvyyden puute merkitsi sitä, että tutkijat eivät voineet oppia mallin toimintaa, minkä seurauksena mallia eivät voineet käyttää muut laitokset. 

”Paperilla ja teoriassa McKinney et al. opiskelu on kaunista”, tohtori Haibe-Kains sanoo. "Mutta jos emme voi oppia siitä, sillä on vähän tai ei ollenkaan tieteellistä arvoa."

Tri Haibe-Kains nimitettiin yhdessä lääketieteellisen biofysiikan apulaisprofessoriksi Toronton yliopistoon. Hän on myös Vector Institute for Artificial Intelligence -instituutin tytäryhtiö. 

”Tutkijoilla on suurempi kannustin julkaista löydöksensä sen sijaan, että he käyttäisivät aikaa ja resursseja varmistaakseen, että heidän tutkimustaan ​​voidaan toistaa”, tohtori Haibe-Kains jatkaa. ”Lehdet ovat alttiita tekoälyn ’hypetykselle’ ja saattavat laskea sellaisten julkaisujen hyväksymisvaatimuksia, jotka eivät sisällä kaikkia tutkimuksen toistettavuuteen tarvittavia materiaaleja – usein ristiriidassa heidän omien ohjeidensa kanssa.”

Tämä ympäristö tarkoittaa, että tekoälymallien saavuttaminen kliinisissä olosuhteissa voi kestää kauemmin, eivätkä tutkijat voi kopioida malleja tai oppia niistä. 

Tutkijaryhmä ehdotti erilaisia ​​puitteita ja alustoja tämän ongelman korjaamiseksi ja menetelmien jakamisen mahdollistamiseksi. 

"Meillä on suuria toiveita tekoälyn hyödyllisyydestä syöpäpotilaillemme", tohtori Haibe-Kains sanoo. "Löytöjemme jakaminen ja niiden pohjalle rakentaminen - se on todellinen tieteellinen vaikutus."