DeepScribe ၏ တည်ထောင်သူနှင့် CEO Akilesh Bapu - အင်တာဗျူးစီးရီး

Akilesh Bapu သည် Founder & CEO ဖြစ်သည်။ DeepScribeဆရာဝန်-လူနာ စကားပြောဆိုမှုများ၏ တိကျသော၊ လိုက်လျောညီထွေရှိပြီး လုံခြုံသော မှတ်စုများထုတ်ပေးရန် သဘာဝဘာသာစကားလုပ်ဆောင်ခြင်း (NLP) နှင့် အဆင့်မြင့်နက်နဲသောသင်ယူမှုကို အသုံးပြုသည့်၊

သင့်အား AI နှင့် သဘာဝဘာသာစကား လုပ်ဆောင်ခြင်းတို့ကို မိတ်ဆက်ပေးပြီး ဆွဲဆောင်မှုမှာ အဘယ်နည်း။

မှန်ကန်စွာမှတ်မိပါက Iron Man မှ Jarvis သည် သဘာဝဘာသာစကားလုပ်ဆောင်ခြင်းနှင့် AI လောကကို အမှန်တကယ်ဆွဲဆောင်နိုင်သည့် ပထမဆုံးအရာဖြစ်သည်။ အထူးသဖြင့်၊ လူသားတစ်ဦးသည် အလုပ်များကို ဖြတ်ကျော်ရုံသာမက အချို့သောအလုပ်များတွင် မယုံနိုင်လောက်အောင် နက်ရှိုင်းသောအဆင့်သို့ ရောက်သွားကာ ၎င်းအတွက်မဟုတ်လျှင်ပင် ၎င်းတို့မသိနိုင်သော အချက်အလက်အချို့ကို ထုတ်ဖော်ပြသနိုင်သည်ကိုလည်း စွဲမက်ဖွယ်ကောင်းသည်ကို ကျွန်ုပ်တွေ့ရှိခဲ့သည်။ ဒီ AI

“AI သည် အလုပ်အများစုတွင် လူသားများကဲ့သို့ ကောင်းမွန်မည်မဟုတ်သော်လည်း လူသားနှင့် AI တို့ကို ပေါင်းစည်းထားကာ ယင်းပေါင်းစပ်မှုက ကြီးစိုးလိမ့်မည်” ဟူသော အယူအဆဖြစ်သည်။ သဘာဝဘာသာစကားဖြင့် လုပ်ဆောင်ခြင်းသည် ဤလူသား/AI ပေါင်းစပ်မှုဖြစ်ပေါ်လာစေရန် အထိရောက်ဆုံးနည်းလမ်းဖြစ်သည်။

ထိုအချိန်မှစ၍ Siri၊ Google Now၊ Alexa နှင့် အခြားအရာများကို စွဲလမ်းခဲ့သည်။ သူတို့ Jarvis ကဲ့သို့ ချောမွေ့စွာ အလုပ်မလုပ်ခဲ့သော်လည်း၊ Jarvis ကဲ့သို့ ၎င်းတို့ကို အလုပ်ဖြစ်စေရန် ကျွန်တော် အလွန်အမင်း ဆန္ဒရှိခဲ့သည်။ အထူးသဖြင့်၊ သိသာထင်ရှားလာသည်မှာ၊ “Alexa do this,” “Alexa do that” ကဲ့သို့သော command များသည် လက်ရှိနည်းပညာနှင့် လုပ်ဆောင်ရန် အလွန်လွယ်ကူပြီး တိကျပါသည်။ သို့သော် ၎င်းသည် အမှန်တကယ် သင်ယူနိုင်ပြီး နားလည်ရန်၊ စစ်ထုတ်ကာ အခြားစကားပြောဆိုမှုဖလှယ်မှုအတွင်း အရေးကြီးသောအကြောင်းအရာများကို ကောက်ယူနိုင်သည့် Jarvis ကဲ့သို့သော အရာတစ်ခုနှင့် ပတ်သက်လာသောအခါ—ယခင်က အမှန်တကယ်မလုပ်ခဲ့ပါ။ ၎င်းသည် DeepScribe ကို တည်ထောင်ရာတွင် ကျွန်ုပ်၏ အဓိက စေ့ဆော်မှုတစ်ခုနှင့် တိုက်ရိုက်သက်ဆိုင်ပါသည်။ သမားတော်များအတွက် စာရွက်စာတမ်းကိစ္စရပ်ကို ကျွန်ုပ်တို့ဖြေရှင်းနေချိန်တွင်၊ ကျွန်ုပ်တို့သည် ၎င်းကိုလုပ်ဆောင်နေစဉ်အတွင်း ဉာဏ်ရည်လှိုင်းသစ်တစ်ခုအား ကြိုးစားလုပ်ဆောင်နေသည်- ပတ်ဝန်းကျင်ထောက်လှမ်းရေး။ သင်၏နေ့စဉ်ပြောစကားများကို ဖောက်ထွင်းနိုင်ပြီး အသုံးဝင်သောအချက်အလက်များကိုရှာဖွေကာ သင့်အားကူညီရန် ထိုအချက်အလက်များကိုအသုံးပြုသည့် AI။

သင် ယခင်က UC Berkeley College of Engineering တွင် နက်နဲသောသင်ယူမှုနှင့် NLP ကိုအသုံးပြု၍ သုတေသနအချို့ပြုလုပ်ခဲ့သည်။ မင်းရဲ့ သုတေသနက ဘာလဲ။

Berkeley AI သုတေသနဓာတ်ခွဲခန်းသို့ ပြန်သွားသောအခါတွင်၊ ကျွန်ုပ်တို့သည် PubMed ဆောင်းပါးများကို သီးခြား output parameters များဖြင့် အကျဉ်းချုပ်ဖော်ပြသည့် gene ontology မှတ်သားမှု ပရောဂျက်တစ်ခုကို လုပ်ဆောင်နေပါသည်။

အဆင့်မြင့် ခြုံငုံသုံးသပ်ချက်- CNN သတင်းဆောင်းပါး အကျဉ်းချုပ်ကဲ့သို့ အလုပ်တစ်ခုကို လုပ်ပါ။ ထိုအလုပ်တွင် သင်သည် သတင်းဆောင်းပါးများကို ယူဆောင်ကာ ၎င်းတို့ကို စာကြောင်းအနည်းငယ်ခန့် အကျဉ်းချုပ်ရေးနေပါသည်။ သင့်မျက်နှာသာဖြင့် သင့်တွင် ဒေတာနှင့် ဆောင်းပါးပေါင်း တစ်သန်းကျော်တွင် ဤမော်ဒယ်များကို လေ့ကျင့်ပေးနိုင်စွမ်းရှိသည်။ သို့သော်၊ သင့်တွင် အနှစ်ချုပ်များအတွက် ဖွဲ့စည်းပုံကန့်သတ်ထားသောကြောင့် ပြဿနာနေရာသည် ကြီးမားပါသည်။ ထို့အပြင် အမှန်တကယ် ဆောင်းပါးများနှင့် ပတ်သက်သည့် ဖွဲ့စည်းပုံ မရှိသလောက်ပင်။ လွန်ခဲ့တဲ့ 2.5 နှစ်က ကျွန်တော် ဒီပရောဂျက်ကို စလုပ်တုန်းက တိုးတက်မှု အနည်းငယ်ရှိခဲ့ပေမယ့် ဒါက မဖြေရှင်းနိုင်တဲ့ ပြဿနာတစ်ခု ဖြစ်နေတုန်းပါပဲ။

သို့သော် ကျွန်ုပ်တို့၏ သုတေသနပရောဂျက်တွင်၊ ကျွန်ုပ်တို့သည် ဆောင်းပါးများ၏ ဖွဲ့စည်းပုံအကျဉ်းချုပ်များကို ရေးဆွဲနေပါသည်။ ဤကိစ္စတွင် ဖွဲ့စည်းပုံအကျဉ်းချုပ်သည် အထွက်အကျဉ်းချုပ်၏ ဖွဲ့စည်းပုံကို အတိအကျမသိမှလွဲ၍ ပုံမှန်အကျဉ်းချုပ်နှင့် ဆင်တူသည်။ ကျွန်ုပ်တို့၏ စက်သင်ယူမှုမော်ဒယ်အတွက် ရလဒ်ရွေးချယ်မှုများကို သိသိသာသာ လျှော့ချပေးသည့်အတွက် အထောက်အကူဖြစ်စေပါသည်- စိန်ခေါ်မှုမှာ ဒေတာဆာလောင်နေသော နက်ရှိုင်းသော သင်ယူမှုပုံစံကို လုပ်ဆောင်ရန်နှင့် အသုံးပြုနိုင်သော ရလဒ်များရရှိရန် အမှတ်အသားပြုလေ့ကျင့်မှု မလုံလောက်ခြင်းကြောင့်ဖြစ်သည်။

ဤပရောဂျက်တွင် ကျွန်တော်လုပ်ခဲ့သော အလုပ်၏ အဓိကအချက်မှာ ထည့်သွင်းဒေတာနှင့် ပတ်သက်သည့် အသိပညာကို အသုံးချပြီး ၎င်းကို ပံ့ပိုးရန်အတွက် 2-step annotator ဟုခေါ်သော ကျွန်ုပ်တို့တီထွင်ခဲ့သော နည်းပညာတစ်ခုဖြစ်သည့် ရေတိမ်ပိုင်း ML မော်ဒယ်များ၏ အစုအဝေးကို ဖန်တီးရန်ဖြစ်သည်။ အဆင့် ၂ ဆင့်ပါသော မှတ်ချက်ပေးသူသည် ယခင်အကောင်းဆုံးအဖြစ် တိကျမှု 2x နီးပါး (20 ရာခိုင်နှုန်းနှင့် 54 ရာခိုင်နှုန်း) ဖြင့် စံသတ်မှတ်ထားသည်။

ဘေးချင်းကပ်လျက်၊ ဤပရောဂျက်နှင့် DeepScribe သည် လုံးဝကွဲပြားနေသော်လည်း ၎င်းတို့သည် အကန့်အသတ်ရှိသောဒေတာအတွဲတစ်ခုပေါ်တွင် ရလဒ်များတိုးတက်စေရန် 2-step မှတ်ချက်နည်းလမ်းကိုအသုံးပြုပုံနှင့် အလွန်တူပါသည်။

DeepScribe ကို စတင်ခြင်း၏ နောက်ကွယ်မှ လှုံ့ဆော်မှုကား အဘယ်နည်း။

အားလုံးက ကင်ဆာရောဂါ အထူးကု ဆရာဝန် ဖြစ်တဲ့ အဖေ နဲ့ စတင်ခဲ့တာ။ အီလက်ထရွန်းနစ်ကျန်းမာရေး မှတ်တမ်းစနစ်များသည် ကျန်းမာရေးစောင့်ရှောက်မှုကို မလွှဲပြောင်းမီတွင် သမားတော်များသည် အရာများကို စာရွက်ပေါ်တွင် ချရေးပြီး မှတ်စုတွင် အချိန်အနည်းငယ်သာ သုံးစွဲကြသည်။ သို့သော်လည်း EHR များသည် 2009 ခုနှစ် HITECH အက်ဥပဒေ၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် စတင်ရေပန်းစားလာသောအခါတွင်၊ ကျွန်ုပ်၏အဖေသည် ကွန်ပျူတာတွင် အချိန်ပို၍ကုန်ဆုံးသည်ကို သတိပြုမိလာသည်။ နောက်မှ သူအိမ်ပြန်ရောက်တော့မယ်။ သီတင်းကျွတ်ပိတ်ရက်တွေမှာ သူ ရေးတဲ့ ဆိုဖာပေါ်မှာ ထိုင်နေလိမ့်မယ်။ ကျောင်းကလာခေါ်တာ ဒါမှမဟုတ် ဘတ်စကက်ဘောလေ့ကျင့်တာလိုမျိုး ရိုးရှင်းတဲ့အရာတွေက ညနေခင်းအချိန်အများစုကို မှတ်တမ်းပြုစုဖို့ အချိန်ကုန်နေတာကြောင့် အတိတ်ကအရာတွေဖြစ်လာတယ်။

နီရဲတဲ့ကလေးတစ်ယောက် ကြီးပြင်းလာချိန်မှာတော့ ဝဘ်ကိုရှာဖွေပြီး သူ့ကိုစမ်းကြည့်ခြင်းအားဖြင့် သူ့အတွက် အဖြေရှာဖို့ ကြိုးစားသွားမှာပါ။ ဝမ်းနည်းစရာမှာ၊ အချိန်ကြာမြင့်စွာ မှတ်တမ်းပြုစုခြင်းမှ သူ့ကို ကယ်တင်ရန် လုံလောက်သော မည်သည့်အရာကမျှ ကောင်းမွန်စွာ မလုပ်ဆောင်နိုင်ခဲ့ပါ။

2017 နွေရာသီသို့ နှစ်အတော်ကြာ အမြန်ရှေ့ဆက်လိုက်ပါ—ကျွန်ုပ်သည် စာရွက်စာတမ်းအကျဉ်းချုပ်တွင် ပရောဂျက်များကို လုပ်ဆောင်နေသည့် Berkeley AI Research Lab တွင် သုတေသီတစ်ဦးဖြစ်သည်။ နွေရာသီတစ်ရက်မှာ အိမ်ပြန်ရောက်တဲ့အခါ အဖေက မှတ်တမ်းမှတ်ရာတွေ အများကြီးကို အချိန်ကုန်နေသေးတာကို သတိထားမိတယ်။ “စာရွက်စာတမ်းလောကတွင် ဘာအသစ်များရှိသေးလဲ” လို့မေးပါတယ်။ Alexa သည် နေရာတိုင်းတွင်ရှိပြီး၊ Google Assistant သည် အလွန်ကောင်းမွန်နေပြီဖြစ်သည်။ ပြောပြပါ၊ ဆေးလောကရဲ့ နောက်ဆုံးပေါ်အရာက ဘာလဲ" သူ့အဖြေက "ဘာမှမပြောင်းလဲဘူး" တဲ့။ သူပဲလို့ထင်ခဲ့ပေမဲ့ သူ့လုပ်ဖော်ကိုင်ဖက်တော်တော်များများကို သွားပြီး စစ်တမ်းကောက်ကြည့်တဲ့အခါ ကင်ဆာကုသမှုမှာ နောက်ဆုံးထွက်ရှိထားတဲ့အရာ ဒါမှမဟုတ် သူတို့လူနာတွေကြုံတွေ့နေရတဲ့ ပြဿနာအသစ်မဟုတ်ပေမယ့် အဲဒါက စာရွက်စာတမ်းတွေပါ။ “စာရွက်စာတမ်းတွေကို ဘယ်လိုရှင်းရမလဲ။ စာရွက်စာတမ်းကိစ္စအတွက် အချိန်ကုန်အောင် ဘယ်လိုလုပ်မလဲ။ ငါ့အချိန်တွေ အများကြီးယူနေတယ်။"

စာရွက်စာတမ်းတွေကို ဖြေရှင်းဖို့ ကြိုးစားတဲ့ ကုမ္ပဏီအများအပြား ပေါ်ထွက်လာတာကိုလည်း သတိပြုမိပါတယ်။ သို့သော် ၎င်းတို့သည် စျေးကြီးလွန်းသည် (တစ်လလျှင် ဒေါ်လာတစ်ထောင်) သို့မဟုတ် ၎င်းတို့သည် နည်းပညာအရ အလွန်နည်းပါးလွန်းသည်။ ထိုအချိန်က သမားတော်များသည် ရွေးချယ်ခွင့် အလွန်နည်းပါးသည်။ အဲဒီအခါမှာ ကျွန်တော်တို့ဟာ ဥာဏ်ရည်ဥာဏ်သွေးရှိတဲ့ ဆေးဘက်ဆိုင်ရာ စာရေးဆရာတစ်ဦးကို ဖန်တီးနိုင်ခဲ့ရင် သမားတော်တွေရဲ့ လူနာတွေကို အကျဉ်းချုံးပြီး လိုက်လျောညီထွေဖြစ်စေမယ့် နည်းပညာတစ်ခုကို ဖန်တီးနိုင်ခဲ့ရင် လူတိုင်းအတွက် အဆင်ပြေစေမယ့် ကုန်ကျစရိတ်နဲ့ ပေးဆောင်နိုင်စေမယ့် အခွင့်အလမ်းကို ဖွင့်ပေးလိုက်တဲ့အခါ၊ ဆေးဝါးကုသခြင်းမှ ပျော်ရွှင်မှု။

DeepScribe ကို သင်စတင်စဉ်က သင်သည် 22 နှစ်သာရှိသေးသည်။ စွန့်ဦးတီထွင်သူတစ်ယောက်အနေနဲ့ မင်းရဲ့ခရီးကို ဖော်ပြနိုင်မလား။

ကျွန်တော့်ရဲ့ ပထမဆုံး စွန့်ဦးတီထွင်မှုနဲ့ ထိတွေ့မှုက အထက်တန်းကျောင်းကို ပြန်တက်ခဲ့တယ်။ JavaScript အခြေခံကို သိတဲ့ သူငယ်ချင်းတစ်ယောက်နဲ့ ကျွန်တော်ဟာ သင်ယူမှုမသန်စွမ်းတဲ့ ကလေးတွေအတွက် စင်တာတစ်ခုရဲ့ ဒါရိုက်တာနဲ့ တွေ့ဆုံတဲ့အခါ စတင်ခဲ့ပါတယ်။ dyslexic ကလေးများနှင့်အတူ အရိုးရှင်းဆုံး ကိရိယာများ မည်ကဲ့သို့ ဝေးကွာသွားနိုင်သည်ကို သူတို့က ပြောပြသည်။ ကျွန်ုပ်တို့သည် dyslexia reader Chrome extension ကို အတူတကွ ဟက်ခ်လုပ်ခြင်းကို အဆုံးသတ်ခဲ့သည်။ ၎င်းသည် အမှန်တကယ်ပင် အရိုးများချည်းဖြစ်သည်—၎င်းသည် dyslexic လူများဖတ်ရလွယ်ကူစေရန် သိပ္ပံနည်းကျလမ်းညွှန်ချက်များကို ပြည့်မီစေရန် ဖောင့်ကိုရိုးရှင်းစွာချိန်ညှိထားသည်။ သဘောတရားသည် ရိုးရှင်းသော်လည်း လအနည်းငယ်အတွင်း အသုံးပြုသူ 5000 ကျော်ကို ရရှိလာခဲ့သည်။ အခြေခံနည်းပညာက လူတွေအပေါ် လေးလေးနက်နက် သက်ရောက်မှုရှိနိုင်တာကြောင့် ကျွန်တော် လန့်သွားတယ်။

Berkeley မှာ၊ အဓိကအားဖြင့် သူတို့ရဲ့ ကျယ်ပြန့်တဲ့ အတန်းအစားတွေနဲ့ အတတ်နိုင်ဆုံး စွန့်ဦးတီထွင်မှုလောကကို ဆက်လေ့လာခဲ့တယ်။ ကျွန်ုပ်၏အကြိုက်ဆုံးများမှာ-

1. Newton Lecture Series—InDinero မှ Jessica Mah သို့မဟုတ် VMWare မှ Diane Greene ကဲ့သို့သော လူများသည် Cal alums များဖြစ်သော Berkeley တွင် ၎င်းတို့၏အချိန်များနှင့် ၎င်းတို့၏ကိုယ်ပိုင်ကုမ္ပဏီများကို စတင်ပုံအကြောင်း အလွန်ဆက်စပ်မှုရှိသည်
2. Challenge Lab—ကျွန်ုပ်၏ပူးတွဲတည်ထောင်သူ Matt Ko ကို ဤသင်တန်းမှတဆင့် အမှန်တကယ် တွေ့ဆုံခဲ့ပါသည်။ ကျွန်ုပ်တို့သည် အဖွဲ့များဖွဲ့ကာ ထုတ်ကုန်တစ်ခုဖန်တီးရန် စာသင်ရှည်ခရီးကို ဖြတ်သန်းခဲ့ပြီး အကြံဉာဏ်တစ်ခုရရှိရန် အစောပိုင်းအဆင့်များတွင် လိုအပ်သည်များကို လမ်းညွှန်ပေးခဲ့ပါသည်။
3. Lean Launchpad—၃ ခုထဲက ကျွန်တော်အကြိုက်ဆုံး၊ ဤသည်မှာ စိတ်ကူးတစ်ခုယူရန်၊ ဖောက်သည် အင်တာဗျူးပေါင်း 100 ကျော်ကို အတည်ပြုရန်၊ ငွေကြေးပုံစံတစ်ခုတည်ဆောက်ရန်နှင့် အခြားအရာများပြုလုပ်ရန် Steve Blank (အသိအမှတ်ပြုခံရသော ဘီလျံနာနှင့် ပိန်ကြုံသောစတင်လှုပ်ရှားမှုနောက်ကွယ်ရှိပုဂ္ဂိုလ်) မှ ခက်ခဲကြမ်းတမ်းပြီး ပြင်းထန်သောလုပ်ငန်းစဉ်တစ်ခုဖြစ်သည်။ ဤသည်မှာ ဆလိုက် 1 သို့မဟုတ် 2 တွင် ရပ်တန့်ပြီး ကင်ရန်အတွက်သာ ကျွန်ုပ်တို့၏ "စတင်ခြင်း" ကို စတင်ဖွင့်လှစ်သည့် အတန်းအမျိုးအစားဖြစ်သည်။ မခက်ခဲပါက၊ ကျွန်ုပ်တို့သည် တစ်ပတ်လျှင် ဖောက်သည် ၁၀ ဦးကိုလည်း အင်တာဗျူးရန် မျှော်လင့်ထားသည်။ ထိုအချိန်က ကျွန်ုပ်တို့၏ စိတ်ကူးမှာ စျေးကြီးသော ယခင်အနုပညာရှာဖွေမှုတစ်ခုနှင့် ဆင်တူသည့် ရလဒ်များပေးမည့် မူပိုင်ခွင့်ရှာဖွေမှုကို ဖန်တီးရန်ဖြစ်ပြီး တစ်ပတ်လျှင် လုပ်ငန်းဖောက်သည် 10 ဦးထံ ပေးပို့မည်ဟု ဆိုလိုသည်။ လျင်မြန်စွာ တွေးတောကြံဆတတ်ဖို့ သင်ပေးတဲ့အတွက် အရမ်းကောင်းပါတယ်။

DeepScribe ဟုခေါ်သော ရင်းနှီးမြှုပ်နှံသူအုပ်စုသည် ၎င်းတို့၏ နွေရာသီအလုပ်သင်များကို ငြင်းပယ်ကာ နွေရာသီတွင် ၎င်းတို့၏ ကုမ္ပဏီကို တည်ဆောက်မည့် ကျောင်းသားများအတွက် ချက်လက်မှတ်များ ရေးသားနေချိန်တွင် စတင်ခဲ့သည်။ ကျွန်ုပ်တို့သည် Delphi (မူပိုင်ခွင့်ရှာဖွေရေးအင်ဂျင်) ကို ပိတ်လိုက်ခြင်းဖြစ်ပြီး Matt နှင့် ကျွန်ုပ်သည် ဆေးဘက်ဆိုင်ရာစာရွက်စာတမ်းများအကြောင်း အဆက်မပြတ်ပြောနေခဲ့ပြီး ၎င်းကိုရိုက်ချက်ပေးရန်အတွက် အကောင်းဆုံးအချိန်ဖြစ်သောကြောင့် အရာအားလုံးသည် နေရာကျသွားသည်။

DeepScribe ဖြင့်၊ သမားတော်များအတွက် ထုတ်ကုန်တစ်ခုတည်ဆောက်ရာတွင် အရေးကြီးဆုံးအချက်များထဲမှတစ်ခုမှာ သုံးစွဲသူ၏တုံ့ပြန်ချက်နှင့်ပတ်သက်ပြီး ထုတ်ကုန်ကို ထပ်ခါတလဲလဲပြုလုပ်ခြင်းနှင့် ပြုပြင်မွမ်းမံခြင်းဖြစ်သောကြောင့် Lean Launchpad မှ အသစ်ထွက်လာခြင်းမှာ ကံကောင်းပါသည်။ ဆေးဘက်ဆိုင်ရာလုပ်ငန်းနှင့် သမိုင်းဝင်ပြဿနာတစ်ခုမှာ ဆော့ဖ်ဝဲသည် ဒီဇိုင်းစက်ဝိုင်းတွင် သမားတော်များ မရှိသလောက်နည်းပါးသောကြောင့်၊ အသုံးပြုသူအတွက် အကောင်းဆုံးမွမ်းမံထားသည့် ဆော့ဖ်ဝဲကို ဖြစ်ပေါ်စေသည်။

DeepScribe သည် Berkeley တွင်ကျွန်ုပ်၏နောက်ဆုံးနှစ်နှင့်တစ်ချိန်တည်းဖြစ်ပျက်နေသောကြောင့်၎င်းသည်လေးလံသောဟန်ချက်ညီမှုတစ်ခုဖြစ်သည်။ ဝတ်စုံနဲ့ အတန်းလိုက်ပြမယ် ဒါမှ ဖောက်သည် ဒီမိုအတွက် အချိန်မီလိုက်နိုင်မယ်။ ကျွန်ုပ်သည် အတန်းနှင့်မသက်ဆိုင်ဘဲ DeepScribe အတွက် 100 ရာခိုင်နှုန်းနှင့် EE အဆောက်အဦများနှင့် ပါမောက္ခများအားလုံးကို အသုံးပြုပါသည်။ ကျွန်ုပ်၏ သုတေသန လမ်းညွှန်ဆရာနှင့် တွေ့ဆုံမှုများသည် DeepScribe ဖောက်ထွက်သည့် အစည်းအဝေးများပင် ဖြစ်သွားသည်။

နောက်ကြောင်းပြန်ကြည့်လိုက်ရင်၊ ငါ့ခရီးနဲ့ ပတ်သက်ပြီး တစ်ချက်ပြောင်းရမယ်ဆိုရင် DeepScribe မှာ ငါ့အချိန်ရဲ့ 150 ရာခိုင်နှုန်းကို အသုံးချနိုင်ဖို့ ကောလိပ်ကျောင်းကို ခေတ္တရပ်ထားရလိမ့်မယ်။

DeepScribe ကိုအသုံးပြုခြင်း၏ အကျိုးကျေးဇူးများသည် ရိုးရာအသံဖြင့် သတ်ပုံဖြတ်ခြင်း သို့မဟုတ် မှတ်စုများပင် ပြုလုပ်ခြင်းထက် သာလွန်ကောင်းမွန်သော နည်းလမ်းများနှင့် နှိုင်းယှဉ်ပါက ဆေးပညာရှင်တစ်ဦးအတွက် သင်ဖော်ပြနိုင်ပါသလား။

DeepScribe ကိုအသုံးပြုခြင်းသည် တကယ့်လူသားစာရေးဆရာတစ်ဦးအသုံးပြုခြင်းနှင့် အလွန်ဆင်တူသည်ဟု ဆိုလိုသည်။ သင့်လူနာအား သဘာဝကျကျ ပြောဆိုသည့်အခါ၊ DeepScribe သည် သင့်မှတ်စုများထဲတွင် ပါလေ့ရှိသည့် ဆေးဘက်ဆိုင်ရာ ဆက်စပ်မိန့်ခွန်းကို သင်ကိုယ်တိုင်အသုံးပြုသည့် တူညီသော ဆေးဘက်ဆိုင်ရာဘာသာစကားကို အသုံးပြု၍ သင့်အတွက် ထည့်သွင်းပေးမည် ဖြစ်သည်။ မင်းရဲ့ အီလက်ထရွန်းနစ် ကျန်းမာရေးမှတ်တမ်းစနစ်မှာ စာရွက်စာတမ်းတွေ ကူညီပေးလိုသလို လေ့ကျင့်ပေးနိုင်တဲ့ AI စွမ်းအင်သုံး ဆေးဘက်ဆိုင်ရာ ဝန်ထမ်းတွေရဲ့ အဖွဲ့ဝင်အသစ်အဖြစ် ငါတို့က တွေးကြည့်ချင်ပါတယ်။ အသံဖြင့် သတ်ပုံသွင်းခြင်း ဝန်ဆောင်မှုကို အသုံးပြုခြင်းနှင့် လွန်စွာ ကွာခြားသည် မှာ ၎င်းသည် ပြန်သွား၍ မှတ်တမ်းတင်ခြင်း၏ အဆင့်တစ်ခုလုံးကို ဖယ်ရှားပေးပါသည်။ ပုံမှန်သတ်ပုံသတ်နည်းဝန်ဆောင်မှုများသည် စာရွက်စာတမ်းများ၏ 10 မိနစ်ကို 7-8 မိနစ်အဖြစ်သို့ပြောင်းသော်လည်း DeepScribe က ၎င်းကို စက္ကန့်အနည်းငယ်အဖြစ် ပြောင်းလဲပေးပါသည်။ ကျွန်ုပ်တို့၏သမားတော်များသည် လူနာမည်မျှမြင်သည်ပေါ်မူတည်၍ တစ်နေ့လျှင် အချိန် 1.5 မှ 3 နာရီအထိ သက်သာကြောင်း အစီရင်ခံပါသည်။

DeepScribe သည် iPhone၊ Apple Watch၊ ဘရောက်ဆာ (တယ်လီဆေးဝါးအတွက်) သို့မဟုတ် ဟာ့ဒ်ဝဲစက်ပစ္စည်းမှ လုပ်ဆောင်နိုင်သော စက်ပစ္စည်းဖြစ်သည်။

DeepScribe သည် ရှုပ်ထွေးသော ဆေးဘက်ဆိုင်ရာ အသုံးအနှုန်းများကြောင့် ကြုံတွေ့ရနိုင်သည့် စကားများကို အသိအမှတ်ပြုခြင်း သို့မဟုတ် NLP စိန်ခေါ်မှုအချို့က အဘယ်နည်း။

လူကြိုက်များသောအမြင်နှင့်ဆန့်ကျင်ဘက်၊ ရှုပ်ထွေးသောဆေးဘက်ဆိုင်ရာအသုံးအနှုန်းများသည် အမှန်တကယ်တွင် DeepScribe အတွက် အလွယ်ကူဆုံးအပိုင်းဖြစ်သည်။ DeepScribe အတွက် အခက်ဆုံးအပိုင်းမှာ လူနာသည် သမားတော်အား ပေးစွမ်းနိုင်သော ထူးခြားသော ဆက်စပ်ဖော်ပြချက်များကို ကောက်ယူရန်ဖြစ်သည်။ ပုံမှန်စကားပြောဆိုမှုမှ ဝေးကွာလေလေ၊ ကျွန်ုပ်တို့သည် AI ကို မှားလေလေဖြစ်သည်။ သို့သော် ကျွန်ုပ်တို့သည် စကားပြောဆိုမှုဆိုင်ရာ အချက်အလက်များကို ပိုမိုစုဆောင်းလာသည်နှင့်အမျှ ၎င်းသည် နေ့စဉ်နှင့်အမျှ သိသိသာသာ တိုးတက်လာသည်ကို ကျွန်ုပ်တို့ တွေ့မြင်ရပါသည်။

DeepScribe နှင့် အသုံးပြုသည့် အခြားသော စက်သင်ယူမှုနည်းပညာများကား အဘယ်နည်း။

စကားပြောအသိအမှတ်ပြုမှုနှင့် NLP ၏ကြီးမားသောထီးများသည် DeepScribe တွင်ကျွန်ုပ်တို့လုပ်ဆောင်နေသောစက်သင်ယူမှုအများစုကိုဖုံးအုပ်ထားသည်။

DeepScribe ကို အသုံးပြုနေသော ဆေးရုံများ၊ အကျိုးအမြတ်မယူသော သို့မဟုတ် ပညာရေးဆိုင်ရာ အဖွဲ့အစည်းအချို့ကို သင် အမည်ပေးနိုင်ပါသည်။

DeepScribe သည် UC Berkeley Health Center နှင့် ရှေ့ပြေးအစီအစဉ်တစ်ခုမှ စတင်ခဲ့သည်။ Hartford ကျန်းမာရေးစောင့်ရှောက်မှု၊ Texas ဆေးဘက်ဆိုင်ရာစင်တာနှင့် Cedar Valley ဆေးဘက်ဆိုင်ရာ အထူးကုဆရာဝန်များသည် DeepScribe နှင့် လုပ်ဆောင်နေသော ကြီးမားသောစနစ်လက်တစ်ဆုပ်စာဖြစ်သည်။

သို့သော်၊ DeepScribe အသုံးပြုသူများ၏ ပိုများသောရာခိုင်နှုန်းမှာ အလက်စကာမှ ဖလော်ရီဒါအထိ ကိုယ်ပိုင်အလေ့အကျင့် 50 ဖြစ်သည်။ ကျွန်ုပ်တို့၏ လူကြိုက်အများဆုံး အထူးပြုဘာသာရပ်များမှာ မူလတန်းစောင့်ရှောက်မှု၊ အရိုးကုသနည်း၊ အစာအိမ်နှင့် အူလမ်းကြောင်းဆိုင်ရာ ကုသနည်း၊ နှလုံးရောဂါဗေဒ၊ စိတ်ရောဂါနှင့် ကင်ဆာရောဂါဗေဒတို့ဖြစ်ပြီး၊ ကျွန်ုပ်တို့သည် အခြားအထူးပြုလက်တစ်ဆုပ်စာကို ပံ့ပိုးပေးပါသည်။

DeepScribe သည် မကြာသေးမီက COVID-19 ကိုကူညီရန် ပရိုဂရမ်တစ်ခုကို စတင်ခဲ့သည်။ ဒီပရိုဂရမ်ကနေ ကျွန်တော်တို့ကို လမ်းပြပေးနိုင်မလား။

COVID-19 သည် ကျွန်ုပ်တို့၏ ဆရာဝန်များကို အပြင်းအထန် ထိခိုက်ခဲ့သည်။ အလေ့အကျင့်များသည် ၎င်းတို့၏လူနာဝန်ဆောင်မှု၏ 30-40 ရာခိုင်နှုန်းကိုသာမြင်ရပြီး ကျမ်းပြုဆရာ၀န်ထမ်းများကို ဖြတ်တောက်ခံရကာ ဝန်ဆောင်မှုပေးသူများသည် ၎င်းတို့၏လူနာအားလုံးကို telemedicine သို့ လျှင်မြန်စွာပြောင်းခိုင်းနေရသည်။ ဤအရာအားလုံးသည် ဝန်ဆောင်မှုပေးသူများအတွက် စာရေးစာရေးအလုပ်များဆီသို့ ဦးတည်သွားစေသည်—DeepScribe မှ ကျွန်ုပ်တို့သည် ဤကပ်ရောဂါရပ်သွားစေရန်အတွက် သမားတော်များသည် ၎င်းတို့၏လူနာများကို ပြုစုစောင့်ရှောက်ရန်အတွက် ၎င်းတို့၏အာရုံစိုက်မှုနှင့် အချိန်၏ 100 ရာခိုင်နှုန်းကို မြှုပ်နှံထားရမည်ဟု အခိုင်အမာယုံကြည်ပါသည်။

ဤအကြောင်းရင်းကိုကူညီရန်၊ ကျွန်ုပ်တို့သည် ဤကပ်ရောဂါကိုတိုက်ဖျက်နေသော ကျန်းမာရေးစောင့်ရှောက်မှုကျွမ်းကျင်သူများအတွက် အခမဲ့ telemedicine ဖြေရှင်းချက်တစ်ခုကို စတင်လိုက်သည့်အတွက် ဂုဏ်ယူပါသည်။ ကျွန်ုပ်တို့၏ telemedicine ဖြေရှင်းချက်သည် ကျွန်ုပ်တို့၏ ပလက်ဖောင်းပေါ်တွင် ပြုလုပ်ထားသော တွေ့ကြုံမှုများအတွက် ဆေးခန်းဆိုင်ရာ စာရွက်စာတမ်းများ လိုအပ်မှုကို ဖယ်ရှားပေးမည့် ကျွန်ုပ်တို့၏ AI-စွမ်းအားရှိသော ဆေးဘက်ဆိုင်ရာ ကျမ်းရေးဖြေရှင်းချက်နှင့် အပြည့်အဝ ပေါင်းစပ်ထားသည်။

ကျွန်ုပ်တို့သည် ကပ်ရောဂါကာလအတွင်း ကျွန်ုပ်တို့၏စာရေးဆရာဝန်ဆောင်မှုကိုလည်း အခမဲ့ပေးဆောင်နေပါသည်။ ဆိုလိုသည်မှာ မည်သည့်သမားတော်မဆို ၎င်းတို့၏စာရွက်စာတမ်းများကို ကိုင်တွယ်ရန် ကျမ်းရေးဆရာထံ အခမဲ့ဝင်ရောက်ခွင့်ရရှိနိုင်သည်ဟု ဆိုလိုသည်။ ထိုသို့လုပ်ဆောင်ခြင်းဖြင့် သမားတော်များသည် ၎င်းတို့၏လူနာများအပေါ် အာရုံစူးစိုက်မှုပိုမိုအာရုံစိုက်နိုင်ကာ စာရွက်စာတမ်းကိစ္စများကို အချိန်နည်းစွာ တွေးတောနိုင်မည်ဖြစ်ပြီး COVID-19 ဖြစ်ပွားမှုကို မြန်ဆန်စွာရပ်တန့်သွားစေရန် ကျွန်ုပ်တို့၏မျှော်လင့်ချက်ဖြစ်သည်။

ကောင်းမွန်တဲ့ အင်တာဗျူးအတွက် ကျေးဇူးတင်ပါတယ်၊ DeepScribe နဲ့ မင်းရဲ့စီးပွားရေးလုပ်ငန်းခရီးအကြောင်း လေ့လာရတာ တကယ်ကို နှစ်သက်မိပါတယ်။ ပိုမိုလေ့လာလိုသူ မည်သူမဆို လာရောက်လေ့လာနိုင်ပါသည်။ DeepScribe.