Menurut laporan “Financial Times” Inggris, sekelompok ilmuwan terkemuka dan ahli statistik medis memperingatkan pada hari Jumat bahwa useran teknologi kecerdasan buatan di beberapa bidang biomedis akan menyebabkan beberapa ketidakakuratan dalam kesimpulan.
“Banyak kesimpulan penelitian dari analisis data besar menggunakan teknologi pembelajaran engine tidak dapat dipercaya.” Genevera Allen, profesor dari Baylor College of Medicine di Rice University di Amerika Serikat, di American Association for the Advancement of Science. Pertemuan tahunan memperingatkan.
Pembelajaran engine telah digunakan untuk mempelajari hubungan antara data ilmiah dan medis dan fenomena tertentu, seperti hubungan antara gen dan penyakit. Dalam pengobatan presisi, peneliti mencari pasien dengan DNA serupa untuk menargetkan gen khusus pengobatan.
“Banyak teknologi untuk peramalan,” kata Allen. “Tapi saya tidak pernah mengembalikan kesimpulan ‘Saya tidak tahu’ atau ‘Saya tidak menemukan apa-apa’ karena tidak dipertimbangkan dalam proses desain.”
Dia tidak bersedia menunjukkan kasus tertentu, tetapi mengatakan bahwa kesimpulan dari pembelajaran engine pada data kanker adalah contoh yang baik. “Ada banyak kasus yang tidak bisa terulang kembali,” kata Allen. “Cluster yang ditemukan dalam satu penelitian sangat berbeda dari yang ditemukan dalam penelitian lain. Mengapa ini terjadi? Karena sebagian besar teknologi pembelajaran engine saat ini mengatakan: ‘ Saya menemukan grup. ‘Tetapi kadang-kadang, jika lebih bermanfaat, dapat dikatakan: ‘Saya pikir beberapa dari mereka benar-benar dibagi menjadi beberapa kelompok, tetapi saya tidak yakin tentang yang lain.’”
Setelah pembelajaran engine menemukan hubungan khusus antara gen pasien dan karakteristik penyakit, peneliti manusia dapat memberikan penjelasan ilmiah yang masuk akal untuk temuan yang sesuai. Tetapi ini tidak berarti bahwa temuan ini benar.
Allen berkata: “Anda selalu dapat menemukan alasan untuk menjelaskan mengapa gen tertentu dikelompokkan bersama.”
Ilmuwan komputer baru-baru ini mulai menyadari masalah ini, yang dapat mengarahkan peneliti medis ke jalan yang salah dan membuang-buang sumber daya untuk mengkonfirmasi hasil yang tidak dapat diulang.
Allen dan rekan-rekannya bekerja untuk meningkatkan teknik statistik dan teknik pembelajaran engine sehingga kecerdasan buatan dapat mengkritik analisis data mereka sendiri dan menunjukkan seberapa besar kemungkinan beberapa temuan itu nyata, tidak segera relevan.
“Ada ide untuk secara khusus mengganggu data dan melihat apakah hasilnya akan tetap sama,” katanya.
Sumber gambar: Savvy
Referensi/sumber
https://www.ft.com/content/e7bc0fd2-3149-11e9-8744-e7016697f225 http://news.mydrivers.com/1/615/615131.htm