لزوم تدوین چارچوب‌های اخلاقی برای هوش مصنوعی!

به گزارش مجله خبری نگار/رسا،پروفسور محمد حنیف دانشمند جهان اسلام است که پروژه‌های تحقیقاتی، چون پردازش تصاویر باستانی با AI و تحلیل تصاویر پزشکی با هوش مصنوعی را راهبری کرده است. وی دوره کارشناسی را در رشته مهندسی رایانه در سال ۲۰۰۶ در دانشگاه کامستس در اسلام‌آباد گذرانده، دوره ارشد را در زمینه پردازش سیگنال با بورسی از دولت فنلاند در این کشور طی کرده و سپس یک بورس از استرالیا دریافت کرد و در رشته مهندسی رایانه و روباتیک از دانشگاه نشنال استرالیا دکترا گرفته است.

وی ۶ سال در این کشور بوده و به عنوان همکار پژوهشی در دانشگاه نشنال و ملبورن فعالیت می‌کردم. سپس فلوشیپ‌ای. آر. سی.‌ام (کنسرسیوم تحقیقاتی ریاضیات و انفورماتیک) دریافت کرده است، فلوشیپی که اتحادیه اروپا ارائه می‌دهد و او به عنوان محقق پسادکتری در شورای تحقیقات ملی ایتالیا و بنیاد علم و فناوری یونان (FORTH) انتخاب شده است.

خبرنگار مهر در گفت‌وگویی با پروفسور محمد حنیف به بررسی فعالیت‌های پژوهشی او در حوزه هوش مصنوعی، به‌ویژه در زمینه سلامت و کشاورزی، پرداخت. او در این گفت‌و‌گو درباره تجربه‌های علمی خود، کاربرد‌های گسترده هوش مصنوعی در پزشکی و چالش‌های اخلاقی این فناوری سخن گفت و به برخی پروژه‌های در دست اجرای خود اشاره کرد که می‌تواند نقش مهمی در بهبود خدمات درمانی و تشخیص سریع‌تر بیماری‌ها داشته باشد.

از پردازش تصاویر باستانی تا پژوهش‌های هوش مصنوعی

پروفسور محمد حنیف در ابتدای این گفت‌و‌گو با خبرنگار مهر، درباره فعالیت‌های پژوهشی و علمی خود در زمان دریافت فلوشیپ‌ای. آر. سی.‌ام گفت: در آن دوره روی تصحیح و ترمیم مدارک باستانی با استفاده از پردازش تصاویر نامتراکم کار می‌کردم. پس از پایان دوره پسادکتری به عنوان دانشیار در مؤسسه غلام اسحاق‌خان مشغول به فعالیت شدم و پژوهش‌های خود را در حوزه پردازش تصویر و یادگیری ماشین ادامه دادم. بخش مهمی از تحقیقاتم به توسعه روش‌هایی اختصاص داشته که بتوانند داده‌های پیچیده تصویری را به شکلی قابل تحلیل برای الگوریتم‌های یادگیری عمیق تبدیل کنند.

حنیف در ادامه درباره موضوع رساله دکتری خود توضیح داد: تمرکز اصلی رساله‌ام بر تجزیه و بازیابی تصاویر نامتراکم بوده است. در این حوزه تلاش می‌شود داده‌ها به گونه‌ای سازمان‌دهی شوند که با روش‌های پردازش تصویر و الگو‌های یادگیری عمیق به‌راحتی قابل تحلیل باشند. برای دستیابی به این هدف باید ساختار داده‌ها به شکلی طراحی شود که اطلاعات مهم در آن حفظ شود و الگوریتم‌ها بتوانند الگو‌های مورد نظر را با دقت بیشتری استخراج کنند.

این دانشمند حوزه رایانه و هوش مصنوعی جهان اسلام ادامه داد: روش‌های یادگیری عمیق معمولاً به حجم بسیار زیادی از داده نیاز دارند و هنگامی که با کلان‌داده‌ها سروکار داریم، هزینه‌های محاسباتی به شکل قابل توجهی افزایش پیدا می‌کند. همین موضوع یکی از چالش‌های مهم در استفاده گسترده از الگوریتم‌های یادگیری عمیق محسوب می‌شود، زیرا پردازش داده‌های بسیار بزرگ به زیرساخت‌های رایانه‌ای قدرتمند و هزینه‌های قابل توجه نیاز دارد.

او اضافه کرد: در بازنمایی پراکنده تلاش می‌شود به مدل‌های یادگیری عمیق کمک شود تا حتی از مجموعه‌های کوچک‌تر داده نیز به‌خوبی یاد بگیرند. در این روش داده‌ها به گونه‌ای بازنمایی می‌شوند که عناصر اصلی اطلاعات حفظ شود یا مجموعه‌های بزرگ داده به قطعات کوچک‌تر تبدیل شوند. در چنین شرایطی الگویی که از مجموعه‌ای کوچک‌تر از داده‌ها به دست می‌آید می‌تواند تقریباً همان میزان اطلاعات را ارائه دهد که الگو‌های استخراج‌شده از مجموعه‌های بسیار بزرگ‌تر فراهم می‌کنند.

تحقیق بر روی بر استفاده از هوش مصنوعی در بهداشت و درمان

وی همچنین یادآور شد: تحقیقات اخیرم بیشتر بر استفاده از هوش مصنوعی در حوزه بهداشت و درمان و نیز کشاورزی دقیق متمرکز شده است. طرح‌های متعددی در دست اجرا داریم که هدف آنها حل مسائل حوزه سلامت با دقت و سرعت بیشتر است. در کنار این پروژه‌ها تلاش می‌کنیم ابزار‌های مبتنی بر یادگیری عمیق را برای حل مسائل مختلف در بخش کشاورزی نیز توسعه دهیم تا بهره‌وری در این حوزه افزایش یابد.

چرا حوزه سلامت بیشترین بهره را از هوش مصنوعی می‌برد؟

پروفسور حنیف در ادامه این گفت‌و‌گو درباره تحقیقات فعلی خود در زمینه هوش مصنوعی در حوزه سلامت توضیح داد: اگر به کاربرد‌های امروز این فناوری نگاه کنیم، متوجه می‌شویم که بهداشت و درمان و کشاورزی از مهم‌ترین حوزه‌هایی هستند که بیشترین استفاده را از هوش مصنوعی دارند. یکی از دلایل این موضوع آن است که حوزه سلامت داده‌های فراوان و متنوعی در اختیار پژوهشگران قرار می‌دهد که برای آموزش مدل‌های یادگیری عمیق بسیار ارزشمند هستند.

وی افزود: حوزه سلامت در گذشته نیز بدون استفاده از هوش مصنوعی فعالیت می‌کرد، اما اکنون به مرحله‌ای رسیده‌ایم که پیشرفت بسیاری از بخش‌های آن بدون کمک این فناوری دشوار شده است. هوش مصنوعی می‌تواند سرعت تحلیل داده‌ها را افزایش دهد و به پزشکان کمک کند تا تصمیم‌های دقیق‌تری در روند تشخیص و درمان بیماری‌ها اتخاذ کنند.

این دانشمند حوزه رایانه و هوش مصنوعی جهان اسلام درباره یکی از تحقیقات اخیر خود گفت: این پژوهش در زمینه «تحلیل تصاویر پزشکی» انجام می‌شود. امروزه تصاویر متنوعی از بیماران در قالب‌هایی مانند ایکس‌ری،‌ام‌آرآی، اف‌ام‌آرآی و سی‌تی‌اسکن تولید می‌شود که هر یک اطلاعات ارزشمندی درباره وضعیت بدن انسان ارائه می‌دهند. با افزایش جمعیت و گسترش بیماری‌ها حجم این تصاویر به طور مداوم در حال افزایش است.

تحلیل داده‌های ژنتیکی و دی‌ان‌ای با AI

وی ادامه داد: تحلیل چنین حجم بزرگی از تصاویر در زمان محدود و با دقت بالا برای انسان بسیار دشوار است. به همین دلیل از هوش مصنوعی برای پردازش و تحلیل تصاویر پزشکی استفاده می‌شود تا بتوان اطلاعات مهم را سریع‌تر و دقیق‌تر استخراج کرد. یکی دیگر از حوزه‌های مهم در این زمینه تحلیل داده‌های ژنتیکی و دی‌ان‌ای است که برای کشف دارو‌ها و بررسی بیماری‌ها اهمیت زیادی دارد.

آنالیز ادرار در ۳۲ میلی‌ثانیه با کمک هوش مصنوعی

پروفسور حنیف در ادامه به یکی از پروژه‌های مهم خود اشاره کرد و گفت: یکی از طرح‌هایی که در حال توسعه آن هستیم، ساخت دستگاه آنالیز ادرار مبتنی بر هوش مصنوعی است. آزمایش ادرار یکی از مهم‌ترین آزمایش‌های پزشکی در بیمارستان‌ها محسوب می‌شود و پزشکان از نتایج آن برای بررسی وضعیت اندام‌های مختلف بدن استفاده می‌کنند.

وی افزود: انجام این آزمایش به صورت دستی در آزمایشگاه معمولاً زمان زیادی می‌برد و در برخی موارد ممکن است با خطا‌های انسانی نیز همراه باشد. هدف این پروژه توسعه دستگاهی است که بتواند نمونه ادرار را به صورت خودکار و بدون دخالت انسان تحلیل کند و نتایج آن را با سرعت بسیار بالا در اختیار پزشک قرار دهد. این دستگاه قادر خواهد بود نمونه ادرار را در مدت ۳۲ میلی‌ثانیه بررسی کرده و تمامی اطلاعات مورد نیاز پزشک را استخراج کند. مدل طراحی‌شده می‌تواند به طور خودکار ذرات و سلول‌های موجود در ادرار را شناسایی کرده و گزارش دقیقی از وضعیت نمونه ارائه دهد.

این دانشمند حوزه رایانه و هوش مصنوعی جهان اسلام تأکید کرد: استفاده از چنین سامانه‌هایی می‌تواند علاوه بر افزایش سرعت انجام آزمایش‌ها، دقت نتایج را نیز افزایش دهد. این فناوری در نهایت به پزشکان کمک می‌کند تا تصمیم‌های درمانی خود را بر اساس اطلاعات دقیق‌تر و در زمان کوتاه‌تری اتخاذ کنند.

تشخیص فوری مشکلات قلبی با تحلیل هوشمند نوار قلب

پروفسور حنیف در ادامه به پروژه دیگری اشاره کرد و گفت: این پروژه مربوط به تفسیر خودکار نوار قلب است. نوار قلب یکی از شاخص‌های مهم برای بررسی عملکرد قلب به شمار می‌رود و پزشکان از طریق آن می‌توانند بسیاری از اختلالات قلبی را تشخیص دهند. در بسیاری از مواقع در بخش اورژانس پرستاران از بیماران نوار قلب می‌گیرند و سپس این نوار برای بررسی به متخصص قلب ارجاع داده می‌شود. در شرایطی که متخصص قلب در بیمارستان حضور نداشته باشد یا بررسی نوار زمان ببرد، ممکن است بیمار در وضعیت بحرانی با خطر جدی روبه‌رو شود.

او ادامه داد: به همین دلیل ابزاری مبتنی بر هوش مصنوعی توسعه داده‌ایم که می‌تواند نوار قلب را دریافت کرده و به صورت بلادرنگ آن را تحلیل کند. این سامانه قادر است نشانه‌های احتمالی حمله قلبی و دیگر مشکلات قلبی را شناسایی کرده و نتایج تحلیل را در مدت زمان کوتاهی ارائه دهد. این ابزار حتی می‌تواند توسط پرستاران نیز مورد استفاده قرار گیرد و در شرایط اضطراری به تشخیص سریع‌تر بیماری کمک کند. استفاده از چنین ابزار‌هایی می‌تواند نقش مهمی در کاهش زمان تشخیص و افزایش شانس نجات بیماران ایفا کند.

چت‌بات پزشکی برای افزایش آگاهی درباره سرطان پستان

پروفسور حنیف در ادامه به پروژه‌ای درباره سرطان پستان اشاره کرد و گفت: این بیماری در بسیاری از کشور‌های آسیایی از جمله پاکستان شیوع قابل توجهی دارد. در پاکستان بسیاری از زنان جوان بین ۳۰ تا ۴۰ سال به این بیماری مبتلا می‌شوند و این موضوع به یکی از نگرانی‌های مهم در حوزه سلامت تبدیل شده است. در بررسی‌های انجام‌شده دو عامل مهم در گسترش این بیماری شناسایی شده است؛ نخست کمبود آگاهی عمومی و دوم عوامل اجتماعی و فرهنگی. بسیاری از زنان به دلیل ملاحظات فرهنگی یا احساس خجالت نمی‌توانند به‌راحتی درباره این بیماری با خانواده یا پزشک خود صحبت کنند.

وی افزود: برای کمک به حل این مشکل در حال توسعه ابزاری مبتنی بر هوش مصنوعی در قالب یک چت‌بات هستیم. این سامانه می‌تواند اطلاعات آموزشی درباره بیماری ارائه دهد و به افزایش آگاهی عمومی درباره علائم، روش‌های تشخیص و مسیر درمان کمک کند. این چت‌بات همچنین می‌تواند مانند یک مشاور اولیه پزشکی عمل کند. بیماران می‌توانند تصاویر و مدارک پزشکی خود مانند ماموگرافی را در سامانه بارگذاری کرده و پرسش‌های خود را مطرح کنند تا درباره مراحل بعدی درمان و مراجعه به پزشک راهنمایی دریافت کنند.

مرز‌های اخلاقی هوش مصنوعی در پزشکی

این دانشمند حوزه رایانه و هوش مصنوعی جهان اسلام در بخش پایانی این گفت‌و‌گو درباره چالش‌های اخلاقی هوش مصنوعی گفت: این فناوری مانند نوعی انرژی جدید است که می‌تواند به بسیاری از حوزه‌ها از جمله امور مالی، صنعت خودروسازی، مهندسی و بهداشت و درمان توان تازه‌ای ببخشد. نسل جوان باید یاد بگیرد چگونه از ابزار‌های هوش مصنوعی در حوزه تخصصی خود استفاده کند. یکی از مهم‌ترین چالش‌های این حوزه مسائل اخلاقی و حقوقی مرتبط با استفاده از فناوری‌های هوشمند است. فناوری همواره در حال پیشرفت است، اما نباید اخلاق انسانی را زیر پا بگذارد.

تصمیم‌گیری نهایی در درمان بیماران باید در اختیار پزشک باشد

او در پایان تأکید کرد: انسان و ارزش‌های انسانی باید در اولویت قرار داشته باشند و فناوری باید در خدمت انسان باقی بماند. در حوزه سلامت نیز هوش مصنوعی باید تنها نقش دستیار پزشک را ایفا کند و نباید جایگزین او شود یا تصمیم نهایی را به جای انسان بگیرد. تصمیم‌گیری نهایی در درمان بیماران باید همواره در اختیار پزشک باشد. پزشک می‌تواند از هوش مصنوعی به عنوان ابزاری برای افزایش دقت تشخیص و تصمیم‌گیری استفاده کند، اما نقش انسان در نظام سلامت قابل جایگزینی نیست و همچنان باید محور اصلی باقی بماند.