بزرگنمايي:

نسیم گیلان - ایسنا /پژوهش جدید «مدرسه پزشکی هاروارد» نشان‌ می‌دهد یک مدل هوش مصنوعی منبع باز با بهترین مدل‌ هوش مصنوعی منبع بسته در تشخیص پزشکی هم‌تراز شده است و این پیشرفت می‌تواند هم به سود بیماران و هم به سود پزشکان باشد.
هوش مصنوعی می‌تواند پزشکی را به روش‌های بی‌شماری متحول کند که از جمله آنها کار کردن به عنوان یک سیستم کمک‌تشخیصی قابل اعتماد برای پزشکان پرمشغله است.
به نقل از میراژ نیوز، مدل‌های اختصاصی هوش مصنوعی موسوم به «مدل‌های منبع بسته» طی دو سال گذشته در حل کردن مسائل پزشکی که به سختی قابل حل شدن هستند و به استدلال بالینی پیچیده نیاز دارند، عالی عمل کرده‌اند. قابل ذکر است که این مدل‌های منبع بسته، عملکرد بهتری را نسبت به «مدل‌های منبع باز» نشان داده‌اند، زیرا کد منبع آنها در دسترس عموم است و هر کسی می‌تواند آنها را تغییر دهد و اصلاح کند.
بررسی پژوهشگران «مدرسه پزشکی هاروارد»(Harvard Medical School) نشان می‌دهد که یک مدل هوش مصنوعی منبع باز چالش‌برانگیز به نام «Llama 3.1 405B» هم‌تراز با مدل منبع بسته پیشرو «GPT-4» شرکت «اوپن‌ای‌آی»(OpenAI) عمل می‌کند. پژوهشگران در این پروژه، عملکرد هر دو مدل را روی 92 مساله مبهم پزشکی در سناریوهای چالش‌برانگیز تشخیص بالینی مقایسه کردند.
یافته‌های این پژوهش نشان می‌دهند که مدل‌های هوش مصنوعی منبع باز بسیار رقابتی شده‌اند و می‌توانند جایگزین ارزشمندی برای مدل‌های اختصاصی پزشکی باشند.
«آرجون مانرای»(Arjun Manrai)، پژوهشگر ارشد این پروژه گفت: بر اساس اطلاعات ما، این اولین بار است که یک مدل هوش مصنوعی منبع باز با عملکرد GPT-4 در چنین موارد چالش‌برانگیز ارزیابی‌شده توسط پزشکان مطابقت دارد. واقعا خیره‌کننده است که مدل‌های «لاما»(Llama) خیلی سریع با مدل‌های اختصاصی پیشرو هم‌تراز شده‌اند. بیماران، ارائه‌دهندگان مراقبت‌های بهداشتی و بیمارستان‌ها از این رقابت سود خواهند برد.
هوش مصنوعی منبع باز و هوش مصنوعی منبع بسته از چندین جنبه مهم متفاوت هستند. مدل‌های منبع باز را می‌توان دانلود کرد، آنها را روی رایانه‌های خصوصی بیمارستان به مرحله اجرا درآورد و داده‌های بیمار را در خانه نگه داشت. در مقابل، مدل‌های منبع بسته روی سرورهای بیرونی کار می‌کنند و کاربران را به انتقال داده‌های خصوصی به سرورهای بیرونی ملزم می‌سازند.
این پژوهش در مجله «JAMA Health Forum» به چاپ رسید.