Czy w Polsce powstanie Globalny Ośrodek Diagnostyki Trudnych Przypadków Medycznych (GODTPM)?

W tytule postawiłem trochę prowokujące pytanie. Moim marzeniem jest stworzenie Czy w Polsce Globalnego Ośrodka Diagnostyki Trudnych Przypadków Medycznych

(Global Center for the Diagnosis of Difficult Medical Cases)

W tym roku minęło 40 lat mojej pracy zawodowej jako lekarza.

  • W tym roku mija 40 lat od ukończenia przeze mnie Wojskowej Akademii Medycznej w Łodzi (pozdrawiam kolegów z XX Kursu Wydziału Lekarskiego – VI 1983 r.) i rozpoczęcia mojej pracy zawodowej jako lekarz.
  • https://www.dr-mamczur.pl/blog/2014/co-moze-wiedziec-lekarz-o-wizualizacji-w-biznesie/
  • Od 12 lat prowadzę blog „Trudne przypadki medyczne” i zajmuję się diagnozowaniem pacjentów z nietypowymi objawami.

https://www.dr-mamczur.pl/blog/

  • Moja diagnostyka tych chorych opiera się na przełamaniu dotychczasowego stereotypu myślenia. Powszechnie uważa się, że jest ona zarezerwowana tylko dla szpitalnych ośrodków klinicznych i ośrodków chorób rzadkich. Stereotyp – jak Klinika z filmu „Dr House”.
  • W mojej koncepcji przyjąłem, że w całym procesie najważniejszy jest koordynujący diagnostykę lekarz. Musi on mieć doświadczenie zawodowe i jest wspierany przez nowe technologie informatyczne (w tym AI). Reszta procesu opiera na outsourcingu usług diagnostycznych. Dzięki temu – mam do swojej dyspozycji (w ramach odpłacanych przez pacjenta) usług laboratoryjnych, procedur diagnostycznych oraz konsultacje przez najlepszych specjalistów na całym świecie. Problemem jest jedynie finansowanie tego modelu. Na razie zależy to od pacjenta skąd pozyska środki na dalszą diagnostykę. Wspierają go rodzina, fundacje zrzeszające pacjentów, częściowo korzysta z badań zlecanych w ramach NFZ.
  • Czyli wg zasady : Nie trzeba kupować krowy, aby napić się mleka!! 🙂

 

Globalny Ośrodek Diagnostyki TPM

Ilu chorych na świecie jest „trudnym przypadkiem medycznym?

  • Ile chorób jest niezdiagnozowanych lub źle rozpoznanych?
  • Ile jest chorób nieuleczalnych? tego „nie wie nikt” (jak w piosence–Bogusława Meca „Naprawdę jaka jesteś” ) J
  • Szacuję, że mogą to być miliony!!
  • „Źródło: Puls Medycyny https://pulsmedycyny.pl/who-26-mln-pacjentow-umiera-rocznie-z-powodu-bledow-w-opiece-zdrowotnej-970458
  • „Jak oszacowali eksperci WHO, w samych tylko krajach o niskim i średnim dochodzie na mieszkańca na skutek 134 milionów różnego rodzaju błędów i zaniedbań w opiece zdrowotnej (błędna diagnoza, zakażenia szpitalne, błędy medyczne) rocznie umiera 2,6 miliona osób. Większości tych zgonów można byłoby uniknąć.”
  • Globalny Ośrodek Diagnostyki
    Trudnych Przypadków Medycznych jest pomysłem na moim zdaniem potrzebny (może nawet dochodowy) światowy start-up medyczny

(czy stanie się „Jednorożcem? – Nie wiem. Jeśli każdy ze 136 mln pacjentów, których dotknął problem diagnostyczny zapłaciłby tylko 10 dolarów, aby móc się zdiagnozować, to byłaby to suma 1,36 mld $.)

  • Czy nie boję się, że ktoś wykorzysta ten pomysł?
  • Nie – bo jeśli nawet ktoś inny go zrealizuje, to i tak będę zwycięzcą, bo spełni

MOJE MARZENIA 🙂

GDMMiA – porzucić projekt, czy dołączyć sztuczną inteligencję?

Ostatnio dużo rozmawiałem na temat GDMMiA z córka Joanną i młodym informatykiem MR (ale co ciekawe – rozpoczął teraz dodatkowe studia na wydziale lekarskim). Ponieważ moje zapytanie do Microsoft o możliwość zrealizowania na moje zlecenie i własne finansowanie projektu GDMMiA nie doczekało się odpowiedzi (po co walczyć z Google czy Microsoft – wolałem ich zatrudnić 🙂 ), zacząłem się zastanawiać, czy GDMMiA ma w ogóle sens? Czy nie tracę czasu i swojej energii na prace nad tym projektem? Czy może już Google i Microsoft nad tym pracują? Inaczej mówiąc: Czy nie robię dużo dobrej, nikomu niepotrzebnej roboty :). W tym wpisie posłużę się pierwszymi (raczej nieudolnymi rysunkami), ale to od nich zaczęła się w 2011 roku idea projektu GDMMiA.

Z metodologii prowadzenia projektów Prince najważniejszą rzeczą jakiej się nauczyłem jest to, że nie ważne ile czasu i pieniędzy się zainwestowało w dane przedsięwzięcie, jeśli analiza na jednym z kamieni milowych wykaże, że projekt nie rokuje sukcesu – to należy go bezwzględnie zakończyć, aby pozbyć się “kamienia młyńskiego u szyi, który pociągnie nas na dno.

Ideą projektu było stworzenie narzędzia, które pozwoli ludziom na całym świecie realizować ich marzenia i rozwiązywać problemy życiowe i biznesowe dzięki dostępowi do najlepszej, ciągłej wiedzy (nie tylko informacji) pokazującej, jak w mądry sposób pokonać przeciwności świata. Docelowo może powstać pokolenie ekspertów w każdej dziedzinie. Oczywiście w realizacji planu trzeba to wesprzeć pieniędzmi, umiejętnościami i talentami ludzi lub maszyn.

 

Nie trzeba będzie być bogatym, aby mieć wiedzę dzisiaj zastrzeżona dla wąskiej, najzamożniejszej grupy miliarderów. Wystarczy zapytać np. Google z silnikiem GDMMiA, a dostanie się jedno, ale najlepsze rozwiązanie.  Dzięki przejrzystości algorytmu, będzie można zobaczyć, jakie opcje można było jeszcze rozważyć, i być może wybrać własne, inne  rozwiązanie.  GDMMiA wyjdzie też poza Internet i sięgnie po Big Data. (taki piaty wymiar rzeczywistości). Jesli połaczy sie z rozszerzeniem zmysłów człowieka (np. sensory znajdujące się na plecach pozwalają rozumieć mowę).

Najwygodniej dla człowieka byłoby, gdyby problem rozwiązał ktoś inny, bez żadnego nakładu pracy i pieniędzy. Takie rzeczy już były w historii “Każdemu według jego potrzeb”.

Chce mieć do, mówię o tym Złotej Rybce – jutro mam już nowy dom. Bez kredytu i innych zmartwień. Na razie to utopia. Ale kto wie, co będzie robiła Sztuczna Inteligencja dla pozbawionych pracy ludzi?

 

Jeśli nie Złota Rybka, to może sztuczna inteligencja rozwiąże za nas wszystkie problemy? Ze sztuczną inteligencją wiążą się jednak różne problemy. Po pierwsze jeszcze nie jest na tyle rozwinięta, aby rozwiązywać złożone zadania w każdej dziedzinie. Nadal się uczy (aloe uczy się bardzo szybko). Po drugie dochodzimy do takiego poziomu, że tracimy kontrole nad procesami, które odbywają się poza kontrolą człowieka (już za nią nie nadążamy). Sieci neuronowe wytwarzaj własne schematy (nie są to już znane nam typowe algorytmy). Mamy więc sytuację tzw. “czarnej skrzynki”  (Coś się tam dzieje, daje wynik, ale nikt nie wie dlaczego). Brak kontroli nad procesem decyzyjnym może skutkować poważnymi konsekwencjami prawnymi. Jeśli coś nie zadziała (np. umrze człowiek podłączony do aparatury (chipa) sztucznej inteligencji, to kto pójdzie do więzienia – algorytm, lekarz, który podłaczył maszyne i wykonał jej instrukcje, robot, który sam wykonał cała prace, inzynier, który zaprojektował wejściowy interfejs i koncepcje sieci neuronowej, ale nie wie co się dzieje wewnątrz procesów “pudełka” (“czarna dziura)”.

Można też posłużyć się algorytmem rozwiązywania problemów – co jest bardziej zrozumiałe dla człowieka i pozwala mieć kontrolę nad decyzjami.

Algorytmy stworzone tylko przez ludzi można gromadzić i katalogować oraz wyszukiwać i rozwijać np. w GDMMiA.

Można też mieć kontrolę nad rozwiązaniami problemów przez sztuczna inteligencję podporządkowując ostateczne decyzje człowiekowi np. poprzez sprzężenie SI z GDMMiA

Czy to fantazja – NIE. To już się dzieje!

Google wprowadza wyszukiwanie algorytmów tekstowych na stronach www. To nie są tylko linki do stron, to jest już inteligentnie wybrana najlepsza (wg Google) treść w danym języku logiczna treść i to w formie pisanego w edytorze tekstowym algorytmu. Niedługo będzie prawdopodobnie to w wersji międzynarodowej dzięki Tłumaczowi Google i jego SI rozpoznawania języka naturalnego. Zadamy pytanie po polsku, a otrzymamy przetłumaczony najlepszy algorytm na świecie, jaki jest aktualnie dostępny w Internecie (a co z bazami danych poza zasięgiem Google – Big Data? – myślę, że to tylko kwestia czasu!). Na rycinie widać, jak działa takie wyszukiwanie. Osobne okno z wybranym algorytmem i nie jest o reklama. W ogóle tego nie zauważamy, ale Google już nami kieruje. Algorytm “Jak ugotować jajko”

Inny algorytm – jak zmienić tapetę na mac. Z 79400000 wybrano jeden najlepszy algorytm, jeśli chcemy zmienić język wyszukiwania – jest taka opcja. Niedługo pewnie będzie od razu też z tłumaczeniem na wybrany język.

Przy tworzeniu algorytmów Globalnej  Mapy Myśli (GDMMiA) można sięgnąć do zapisanych w książkach, czy stronach www zasobów wiedzy. Jak zautomatyzować ten proces?. Może wykorzystać do tego celu sztuczną inteligencję w postaci np. Generatora tekstu GPT-3 OpenAI  (został on wykorzystany m.in. w philsopherai.do analizy tekstu) .

Firma Elona Muska to właśnie OpenAI. GPT to skrót od skrót od Generative Pre-trained Transformer, co oznacza generatywny przetrenowany transformator.

 

https://openai.com/

Jeśli będziemy mieli wersje tekstową odpowiedzi na zapytanie, to albo dostaniemy logiczny opis algorytmu (jak  wyżej pokazanym artykule na temat zmiany koła w samochodzie w programie Philosopher) albo wypunktowanie kolejności działań w formie pisemnego algorytmu. Analiza tekstu pozwala już wyłapać związki logiczne w treści pisanej, a następnie stworzyć logiczny ciąg informacji w postaci algorytmu. Algorytm można wówczas dołączać do GDMMiA dzięki uczeniu maszynowemu. GDMMiA może też być “pożywką” dla programu typu Philosopher). 

A co by było, gdyby Google potrafiło wyszukiwać graficzne algorytmy znajdujące się na stronach www, konwertować je do języka pisanego w edytorze tekstu i wyświetlać bardzo złożone algorytmy w formie opisowej podczas wyszukiwania w przeglądarce. Jednym słowem przejść z epoki wyszukiwania informacji w epokę dostarczania wiedzy.

A gdyby do tego celu wykorzystać sieci neuronowe + rozpoznawanie obrazu (uczenie maszynowe, głębokie uczenie) +  narzędzie oparte na opisywaniu obrazów Microsoft Azure oparte na Open AI  (technologia GPT3)   i to wszystko włączyć do przeglądarki Google.

What’s that? Microsoft’s latest breakthrough, now in Azure AI, describes images as well as people do

NEW DELHI Image Captioning – na tym filmie pokazano możliwość zastosowania Captcha w wyszukiwaniu obrazu w Google.

Niestety mój konsultant informatyczny MR (serdeczne podziękowania za szczerość) obawia się, że takie rozwiązanie jest bardzo trudne, lub wręcz nie możliwe obecnie do wykonania.

Nic tak mnie nie motywuje do pracy jak słowo NIEMOŻLIWE lub To się nie uda :). Jeśli nie Tak to JAK? 🙂

Globalna Dynamiczna Mapa Myśli i Algorytmów razem ze Sztuczna Inteligencją mogłaby w oparciu o tę wiedzę dołączyć narzędzie do tworzenia rozwiązań nowych problemów, które dotychczas nie mają swojego rozwiązania w sieci www i Big data.

GDMMiA – jak zautomatyzować tworzenie algorytmów z map myśli?

Globalna Dynamiczna Mapa Myśli i Algorytmów (GDMMiA) , to dwa połączone ze sobą pod względem logicznym zbiory danych.Algorytmy powinny być tworzone na podstawie map myśli i analiz danych. Mapa Myśli jest narzędziem Analitycznym do rozwiązywania problemów (zebranie informacji, ich hierarchizacja, kategoryzacja, praca koncepcyjna i projektowa), natomiast z pracy analityka powstają algorytmy, które też możemy katalogować w zbiory opierając się na szablonach map myśli. Algorytmy są narzędziem Wykonawczym.  Dynamiczny charakter mapom nadaje ich ciągła, rygorystyczna  aktualizacja (np. przy wykorzystaniu AI).

Problemem jest jak przełożyć informacje liczbowe-tekstowe i graficzne analiz i map myśli na algorytmy. Jakich narzędzi użyć. Zastanawiam się obecnie nad takimi rozwiązaniami. Na razie liczę na społeczność internautów (ludzi) i sztuczną inteligencję.

-> Wpis GDMMiA a Sieci Neuronowe

Kolejnym wyzwaniem jest jak dodawać kolejne mapy myśli i algorytmy, aby zapewnić ich niepowtarzalność. Jak zabezpieczyć się przed wieloznacznością słów, różnic językowych, kulturowych i nie dopuścić do dublowania się rozwiązań, tak jak to ma miejsce w książkach. Dodawanie algorytmu od razu powinno weryfikować, czy w bazie danych nie ma już takiego rozwiązania.

Ideą pomysłu jest – jedna procedura – jeden algorytm. Nie można dopuścić do namnażania się zbędnych informacji. Pomysłów rozwiązania tego samego problemu może być wiele, ale algorytm powinien opisywać tylko jedno rozwiązanie dla jednego pomysłu.

Jak aktualizować algorytmy w miarę zmieniającego się stanu faktycznego?

Poprzez sztuczna inteligencję oraz platformę zamawiania i sprzedaży  gotowych rozwiązań problemów (ludzie zamawiają ekspertyzę – płacą – ekspert dodaje “cegiełkę mapy myśli i algorytm” – sprzedaje zamawiającemu i innym internautom wg ceny “hurtowej”)

 

Czy można zautomatyzować przenoszenie treści z map myśli do algorytmów blokowych np. w programach

Takim narzędziem pozwalającym tworzyć mapy myśli i równocześnie algorytmy blokowe jest Microsoft Visio (Microsoft Visio Viwer – bezpłatnie wyświetlanie diagramów blokowych) – do tworzenia diagramów (algorytmów blokowych) oraz do dzielenia się nimi z innymi (czyli może być przydatne w GDMMiA) VISIO

Czyli jest szansa, że mapa stworzona w VISIO będzie mogła być skonwertowana do algorytmu a z niego do planu działania.  Rozpoczęcie budowy GDMMiA w ramach odrębnych korporacji – można w z czasem połączyć w GDMMiA!!

 

źródło https://www.microsoft.com/pl-PL/microsoft-365/p/visio-standard-2019/cfq7ttc0k7cf?activetab=pivot:overviewtab

 

Więcej funkcji

  • Diagramming icon

    Wykresy oparte na danych

    Automatycznie generuj wykresy organizacyjne ze źródeł danych, takich jak Excel, Exchange lub Azure Active Directory.

    AutoCAD icon

    Obsługa AutoCAD

    Możliwość importowania plików DWG, w tym obsługa rozszerzonego formatu plików.

  • templates glyph icon project

    Elastyczne edytowanie

    Łatwo zmieniaj kształty w istniejących diagramach, zachowując dotychczasowy układ i połączone kształty, co ułatwia zmianę wyglądu diagramu bez utraty efektów wcześniejszej pracy.

    VISIO diagramy

    Visio dla sieci web

    Tworzenie mapy myśli w WORD

     

     

GDMMiA – Internetem wiedzy!

Analizując problem Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) musiałem sobie odpowiedzieć na pytanie, co dla człowieka jest ważniejsze – informacja, czy WIEDZA i Umiejętności rozwiązywania problemów (MĄDROŚĆ)?

Dotychczas korzystamy z Internetu jako źródła informacji. Jest to możliwe dzięki wyszukiwarkom takim jak np Google. Silniki tych narzędzi oparte są na katalogowaniu linków do treści zawartych na konkretnych stronach Internetowych. W miarę rozwoju tych narzędzi otrzymujemy coraz trafniejsze odpowiedzi na nasze zapytania. Niestety 1,5 miliarda stron www – (stan na sierpień 2019) zalewa nas ilością informacji. Toniemy w gąszczu wyszukanych stron. Czasem te istotne dla nas nie są odpowiednio pozycjonowane. Algorytmy wyszukiwania układane są pod kątem komercyjnym. Maja przynieść dochód dostawcom przeglądarek z reklam i zbieraniu danych w celach m.in reklamowych. Oczywiście wyszukiwania muszą zadowalać większość (ale nie wszystkich !) internautów, bo to oni są odbiorą reklam.  Procesy te wspierane są elementami wyszukiwania semantycznego, wyszukiwanie obrazem oraz sztuczną inteligencją i jej algorytmami. Jednak to jest ciągle TYLKO INFORMACJA.

Czym różnią się pojęcia wiedzy i informacji

Wiedza (wg definicja wg encyklopedii PWN) – ” w najogólniejszym sensie rezultat wszelkich możliwych aktów poznania; w węższym znaczeniu — ogół wiarygodnych informacji o rzeczywistości wraz z umiejętnością ich wykorzystywania;

Informacja (informacja naukowa– wg encyklopedii PWN) – “naukozn. zorganizowana działalność związana z gromadzeniem, przetwarzaniem i udostępnianiem wiadomości z różnych dziedzin, szczególnie nauki i techniki”;

Jak widać z tych definicji wiedza wykorzystuje informacje w praktyce. Same informacje nie mają efektu sprawczego. (Co nam przyjdzie po skoczeniu z samolotu z informacji, że istnieje przyciąganie ziemskie oraz o działaniu spadochronu, jeśli nie mamy WIEDZY, że w takiej sytuacji należy pociągnąć za rączkę od spadochronu ( o ile wcześniej wiedzieliśmy, że trzeba go założyć!)

W codziennym życiu najważniejsza jest dla nas WIEDZA I UMIEJĘTNOŚĆ rozwiązania naszych problemów. Informacja jest tylko pożywką do zdobywania wiedzy, ale jej nie zastąpi. Jak mówiło kiedyś stare powiedzenie złoto i brylanty to tylko mąka a dolary są chlebem. Tak samo jest z informacją, która jest jak złoto (domyślamy się ile Facebook dostał za nasze “darmowe” informacje o naszych profilach – afera Cambridge Analytica). Wiedza i Umiejętności są zaś chlebem. Bez chleba umrzemy! Swoją drogą – ile mógłby zażądać Facebook za gotowe algorytmy strategii marketingowych oparte na swoich informacjach?

Kolejnym stadium rozwoju strategii rozwiązywania problemów będzie poziom MĄDROŚCI każdego człowieka. Według definicji Wikipedii mądrość w najwęższym znaczeniu to umiejętność podejmowania uzasadnionych decyzji, które w dłuższej perspektywie przynoszą pozytywne rezultaty. W innym ujęciu można powiedzieć, że mądrość to umiejętność praktycznego wykorzystywania posiadanej wiedzy i doświadczenia.

 

Prawdopodobnie doszliśmy do kresu możliwości Google jak samodzielnego narzędzia. Potrzebne będzie dostarczanie Wiedzy na żądane zapytania internautów. Wyszukiwarki dostarczą tylko informacji do analizy i tworzenia Map Myśl. Te ostatnie będą źródłem tworzenia algorytmów wykonawczych zaimplementowanej wiedzy. Wszystko zostanie skatalogowane w wielkiej bazie danych.. Czas na nowe narzędzia dostarczające rozwiązań. Znowu przywołam stare (może mało eleganckie) powiedzenie “Z rączej świni konia wyścigowego się nie zrobi!” Czas na zakup RUMAKA!

autor

 

Może GDMMiA jest takim pomysłem, może sztuczna inteligencja wesprze tę ideę, ALBO (!)  AI pójdzie własna drogą – nic nie będziemy musieli umieć  rozwiązywać, to sztuczna inteligencja nas ubezwłasnowolni i zrobi wszystko za nas?

 

Globalna Mapa Algorytmów – schematy

Chciałbym zrealizować projekt Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) – Internetu wiedzy – tworzącego pokolenie ekspertów.

Wszystkie nasze czynności są algorytmami. Inspiracją do tego projektu była moja praca lekarza konsultanta trudnych przypadków medycznych – to jest takich, w których nie udało się dotychczas ustalić rozpoznania. W medycynie możemy szybko działać, dzięki procedurom, które są niczym innym jak algorytmem zalecanym do realizacji.

Wczoraj postanowiłem poprosić przedstawiciela Microsoft Azure o odpowiedź na pytania:

1) Czy Microsoft ma już takie rozwiązanie?
2) Czy zdaniem Microsoft taki projekt jest realny i ma sens biznesowy?
3) Czy Microsoft byłby w stanie przygotować takie narzędzie i jaki byłby jego koszt takiego rozwiązania?

Zamiast pytać się, czy projekt można “zmonetyzować”, powinienem zapytać, ile ktoś mógłby zapłacić za kupno gwarantowanych co do skutku algorytmów? Np. za algorytm:

  1. Jak zapobiec globalnemu ociepleniu?
  2. Jak zarabiać 1 milion dolarów dziennie?  🙂

Okazuje się, że zrozumienie tematu wymaga wielu wyjaśnień (i to najlepiej po angielsku) . W tym miejscu postaram się w schematyczny sposób przekazać ideę projektu.

Ludzie muszą zmagać się z codziennymi problemami i chcą realizować swoje marzenia.(od tego rysunku się zaczęło w 2011 roku- wszystko można narysować- 🙂

Wiele z tych problemów powtarza się i u każdego z nas. Nauczyliśmy się radzić sobie z nimi dzięki własnemu doświadczeniu (wystarczy raz się oparzyć ogniem – a pamięta się to na lata) , mądrości poprzednich pokoleń przekazywanych z ust rodziców dzieciom, nauczycieli uczniom. Z czasem rady zapisywano w książkach, potem na filmach i nagraniach, a ostatnio w Internecie.

Korzystanie z doświadczeń innych pozwala nam na unikanie ich błędów, ale także przyspiesza prawidłową realizację własnych celów. Dlaczego za każdym razem musimy wywarzać otwarte drzwi. Chcesz upiec dobre ciasto – weź gotowy przepis.

Problem z przepisami jest taki, że jest ich wiele i nie są skatalogowane hierarchicznie i pod kątem ich przydatności. Nie zawsze wiemy skąd się wziął pomysł na takie, a nie inne rozwiązanie.

Google pozwala nam wyszukać tylko informacje znajdujące się na stronach www zawierających informacje zgadzające się z naszym zapytaniem (robi to coraz lepiej).

Cas potrzebny na analizę informacji i ilość odpowiedzi jest nadal przytłaczająca dla pytającego. Niestety, są to tylko INFORMACJE.

Jeśli chcemy rozwiązać problem, zmienić coś w życiu, osiągnąć swoje cele, to nie wystarczy wiedzieć COŚ? Trzeba wiedzieć DLACZEGO i W JAKI SPOSÓB?

Trudno jest wyszukiwać stare rozwiązania (szczególnie czasopismach i książkach nie wspominając  o filmach) i dołączać je w prosty sposób do nowych przepisów. Przy natłoku wiedzy i raczkującej sztucznej inteligencji potrzebne jest nam narzędzie, które pozwoli natychmiastowe generowanie najlepszych rozwiązań problemów, według najbardziej aktualnej informacji, dostępne od ręki w ciągu kilku sekund.

Narzędziem takim może być sztuczna inteligencja, która po przeanalizowaniu dostępnych w całym Internecie baz danych wyciągnie z nich wnioski i stworzy algorytm pozwalający ustalić czynności i ich kolejność, aby zrealizować projekt lub rozwiązać problem.

Niestety z czasem stracimy kontrolę nad algorytmami sztucznej inteligencji, możemy się stać społeczeństwem bezwolnych analfabetów poddanych nadzorowi “wielkiego brata”.

Dla tych rozwiązań przydatne może być stworzenie inteligentnego narzędzia, które będzie wspomagało tworzenie sztucznej inteligencji (będzie jej dostarczał ludzkich algorytmów). Narzędzie to do momentu, gdy AI stanie się faktem, pozwoli także na równoległe skatalogowanie i ciągłe aktualizowanie łatwo dostępnej wiedzy. Tworzone przez ludzi świadomych, kreatywnych będzie zawierało zrozumiałe dla nas algorytmy rozwiązywania wszystkich naszych problemów. Jak to zrobić? Na chwilę obecną uważam, że cyfrowe mapy myśli spełniają najwięcej wymogów, jakie można sobie postawić w takim projekcie.

Mapy myśli pozwalają analizować problem, gromadzić linki lub informacje potrzebne do rozwiązań, tworzyć strategie, dołączać algorytmy lub pliki a algorytmami, można je eksportować do plików pdf, html, jpg, word.

Mapy myśli, a szczególnie ALGORYTMY dają szansę łatwej weryfikacji oryginalności rozwiązania (czy ktoś nie powiela tego samego pomysłu innymi słowami). Narzędzie  potrzebuje niewiele treści pisanej (szybki zapoznanie się z treścią), bazy danych można przechowywać poza mapami myśli, dlatego też nie są one zbyt “danochłonne”, łatwo dołączać do mapy centralnej pojedyncze mapy dotyczące kompleksowych rozwiązań (ale mniejszych zagadnień – klocki te nazywam to “cegiełkami” mapy). Można mapę budować równocześnie przez społeczność na całym świecie (podobnie jak WIKI). Międzynarodowy dostęp do narzędzia pozwala tworzyć GLOBALNE rozwiązanie informatyczne.Do ustalenia pozostanie, czy ze względów technicznych powinna to być  mapa myśli zawierająca algorytmy, czy będą to dwie oddzielne, ale sprzężone ze sobą  bazy danych

“Cegiełkowy” system budowy mapy umożliwia jej ciągłą aktualizację i rozwój, ale przede wszystkim na wykorzystanie w tej architekturze technologii blockchain , która zabezpieczy dane przed hakerami, ale też może zapewnić prawa autorskie, które można skomercjalizować. Uzyskane fundusze pozwolą na samofinansowanie się projektu, mogą też przynieść duże zyski właścicielom projektu. Poszczególne elementy mapy i dołączone do niej algorytmy można wykorzystać do pisania książek, tworzenia filmów, reklam, w edukacji biznesie (M-book Shop).

Gdzie przechowywać tak olbrzymie ilości danych. Może pomocna będzie bezpieczna chmura firmy Oracle i jej system blockchain.

Procedura rozwiązywania problemów jest dość złożona

Tak wyglądała praca koncepcyjna nad tym pomysłem i wpisem. Myślenie koncepcyjne staram się zaczynać od końca, tj. od efektu jaki chcę osiągnąć, a potem szukam prawidłowości i możliwych planów realizacji.

Zaczynamy:

W GDMMiA wybieram walkę z problemem

Jak budować Mapy Myśli i Algorytmów

Utworzyć strukturę Mapy ( klasyfikację na wzór np. klasyfikacji wyrobów i usług). W rozwiązywaniu problemów bardzo ważne jest precyzyjne zdefiniowanie problemu.W definiowaniu problemu przydatne są poprzednie mapy lub nowe ich tworzenie w oparciu o aktualne fakty lub burzę mózgów.

Pytamy: “Na czym dokładnie polega problem!”

Niepełna definicja problemu może prowadzić do zupełnie innych rozwiązań. Równocześnie może się zdarzyć sytuacja odwrotna. Wcześniej mieliśmy rozbudowany problem, z wieloma jego cechami, a w naszej sytuacji jest znacznie prostszy model. Możemy wówczas wykorzystać prostszy algorytm opracowany np. tylko dla dwóch cech.

Jeśli zarządzanie wyszukiwaniem algorytmów będzie wymagało ustrukturyzowanej hierarchicznej wersji tekstowej w edytorach tekstu – można wyeksportować mapy do plików tekstowych np. w edytorach word, czy openwriter.

Zaleta tego projektu może być łatwe i kontrolowane aktualizowanie potrzebnych nam algorytmów. Na przykład jeśli mamy algorytm opinii prawnej na dzień 1 stycznia roku 2020, a prawo zmieniono wczoraj o nowe paragrafy i wykreślono niektóre regulacje – mapa pozwala stworzyć aktualna wersję opinii prawnej – zachowując nadal aktualne przepisy o nowe rozwiązania – w wielu różnych konstelacjach opracowań eksperckich.

Dodawanie nowych cech do rozwiązywanego problemu może tak wyglądać

Jak widać, już raz opracowany algorytm można wykorzystać w innej konstelacji. To jest kolejna zaleta GDMMiA. Czerpiemy mądrość z poprzednich rozwiązań. jeśli sprawdziły się one wcześniej w praktyce, to maja one ogromną wartość. Unikamy błędów, o których nawet byśmy nie pomyśleli, oszczędzamy pieniądze oraz najważniejsza walutę jaka jest CZAS. Powstanie wówczas powiedzenie Człowiek ( w tym Polak) przed szkodą nie jest głupi. 🙂

Źródłem Mapy Algorytmów będą dotychczasowe algorytmy opisane w literaturze (szczególnie naukowej)  i planach zrealizowanych z sukcesem projektów, procedury opisane w tysiącach firm. Uzupełnieniem może być sztuczna inteligencja, która przeanalizuje i przełoży tekst pisany lub grafiki, filmy  na algorytmy (np. książkę przedstawi w postaci algorytmu w trybie – “Co autor miał na myśli – tylko działanie a nie opisy słowne).

W tworzeniu map myśli (Szczególnie ALGORYTMÓW) przydatne są drzewa decyzyjne (problemów i celów oraz strategiczne)

 

Dodawać do mapy będzie można  po zweryfikowaniu nowych elementów, zachowując chronologię i autentyczność nowego schematu, stworzyć system weryfikacji jakości map (rangowanie, ocena społeczna, ocena AI). Stabilność projektu (ochronę przed hakerami), chronologię dodawania rekordów, a co za tym idzie prawo autorskie i wynalazcze może zagwarantować technologia BLOCKCHAIN. Technologia ta pozwoli także na komercyjne wykorzystanie GDMMiA dzięki tokenizacji i możliwości płatności kryptowalutami (np. Bitcoin) . Daje to GLOBALNY zasięg projektu.

Np. jeśli przedsiębiorca amerykański będzie chciał zainwestować w Polsce – może wykupić ekspertyzę znajdująca się w GDMMiA lub poprosić o jej odpłatne uzupełnienie przez prawników w USA i Polsce. Prawnicy mogą bardzo szybko dodać takie rozwiązania do GDMMiA i później odpłatnie je udostępniać innym klientom.

 

Do mapy będą dodawane “cegiełki” map.

 

Jak współtworzyć Mapy przy udziale sztucznej inteligencji (AI) – wykorzystać AI do konwersji tekstów pisanych, filmów, obrazów, dźwięków, zapachów, dotyku na algorytmy. Algorytmy dodawać do GDMMiA

Jak tworzyć listy To Do z Algorytmów – konwersja na pliki tekstowe lub graficzne

Jak eksportować dane z Mapy Myśli

Proszę zauważyć, że ładniej można by to zaprezentować, przy automatycznej zamianie obrazu na algorytm, gdyby było takie narzędzie? Ilu programistom oszczędziłoby to czasu przy przelewaniu swoje myśli z kartki papieru na algorytmy w komputerze?

JAK KOMERCJALIZOWAĆ PROJEKT? (wstępny projekt z 2011 r)

Komercjalizacja i finansowanie projektu.

Tworzenie bazy wiedzy z częściowo odpłatnym dostępem. Klient zamawia ekspertyzę – płaci- portal wykorzystuje swoje bazy + sztuczna inteligencje i płatnych ekspertów -> płatna ekspertyza. Wynik ekspertyzy dodawany jest automatycznie do mapy myśli i algorytmów – do wykorzystania w kolejnych ekspertyzach. Można szukać inwestorów – np. crowdfunding.

Jak zrealizować projekt

Prace nad projektem można zacząć od prostego narzędzia do konwersji plików graficznych do map myśli i algorytmów! Przydatne będzie narzędzie do automatyzowania tworzenia algorytmu z mapy myśli.(Sztuczna inteligencja, Uczenie maszynowe? sieci neuronowe, przetwarzanie języka naturalnego, translatory typu Tłumacz Goolgle). Trzeba połączyć zbieranie informacji, ich analizę i wyciąganie wniosków z tworzeniem list “To do”

 

Wirtualna i Rozszerzona rzeczywistość -Microsoft Azure – język Luna w analizach dla GDMMiA.

Elementem procesu tworzenia Globalnej Dynamicznej Mapy Myśli i Algorytmów powinna być analiza problemu (lub wyzwania).

Najpierw trzeba zdefiniować problem, następnie zgromadzić jak najwięcej przydatnych informacji (przeszukiwanie baz danych – przez np. Azure, tłumacz Microsoft, konwersję treści pisanej i graficznej i wideo na algorytmy – nie znam takiego narzędzia). Następnie należy uporządkować dane. Zaproponować koncepcje rozwiązań. Przenieść je do map myśli. Powinno się stworzyć narzędzia do wizualizacji rozwiązań. Przydatne będzie pokazanie różnych wariantów danego projektu po zmianie dowolnego parametru (taką wizualizację graficzną danych może zapewnić  – np. Język Luna ). Jak działać może  dynamiczne projektowanie można zobaczyć przy planowaniu nowego centrum MIT w filmie Marcina Prokopa z TVN “Człowiek przyszłości”

Wyobraźnię przestrzenną i projektową może zapewnić rzeczywistość wirtualna i rozszerzona z dostępem do wielu danych i wizualnych modeli badanych pomysłów).

Już widzę menadżera w małej firmie w okularach do wirtualnej rzeczywistości, który planuje swój nowy projekt w firmie. Dzięki algorytmom GDMMiA uniknie wielu błędów i szybko podejmie najlepsze decyzję decyzję (doradcami będzie cała społeczność map algorytmów).

Wyzwaniem może być stworzenie programu, który od razu przenosił wizualizacje i koncepcje do map myśli, a z nich do algorytmów). Myślę, że zespół Azure dałby sobie z tym radę?

Warto zobaczyć : How Far is Too Far? | The Age of A.I.

 

 

Microsoft Azure – szansą na zbudowanie Globalnej Dynamicznej Mapy Myśli i Algorytmów

Ostatnio próbowałem zainteresować tematem Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) polskich informatyków. Niestety są tak zajęci, że może zajmą się tym w grudniu (wtedy chyba tylko po to, żeby przeprowadzić wywiad 🙂

Postanowiłem poszukać pomocy poza Polską. Okazuje się, że firma Microsoft ma świetną bazę do realizacji mojego projektu. Niestety nie ma bezpośredniego kontaktu do działu usług poznawczych i sztucznej inteligencji (czekam na odpowiedź).

Platformą do świadczenia usług dla procesów poznawczych jest Cognitive ServicesMicrosoft Azure.

Oferta Azure przydatna dla GDMMiA obejmuje m.in.:

sztuczną inteligencję, tłumacz 70 języków w systemie sieci neuronowych, transkrypcja mowy na tekst, analiza wideo (być może pozwoli na tworzenie algorytmów z filmów),  uczenie maszynowe (do tworzenia mapy algorytmów), analizy danych pod kątem map algorytów – w tym ranking najlepszych, łańcuch bloków (block chain – pozwoli na bezpieczną strukturę map i zapewni prawa autorskie – przydatne w monetyzacji projektu oraz zadba chronologię dodawanych algorytmów), bazy danych – będą pożywka dla algorytmów), rzeczywistość mieszana umożliwi łatwiejsza komunikację oraz tworzenie wirtualnych map myśli), aplikacje mobilne – aplikacja map dostępna na urządzeniach mobilnych, sieć www – obsługa map w całym świecie, wyszukiwanie obrazem (szukamy graficznych map myśli i algorytmów, które konwertujemy na algorytmy i dodamy do GDMMiA – na razie nie znam narzędzia na świecie do takiej konwersji!??? – technicznie nie jest to chyba zbyt skomplikowane z np z  do JAVA).

Źródła zrzutów ekranów użytych w prezentacji: strona www Microsoft Azure

A. Sztuczna Inteligencja i uczenie maszynowe:

Uczenie maszynowe – zakres:

B. Łańcuch bloków (blockchain)

C. Analiza wideo

D. Analiza

Teraz wystarczy wycenić aplikację –  złożyć do Microsoft zamówienie – zrealizować projekt i witamy w nowym świecie  🙂 

31-10-2020 – Podpisywanie obrazów przez AI (Captcha)

ostatnio dzięki uprzejmości MR otrzymałem ciekawy link do nowej usługi Microsoft ” What’s that? Microsoft’s latest breakthrough, now in Azure AI, describes images as well as people do

“In the last five years,” Huang said, “we have achieved five major human parities: in speech recognition, in machine translation, in conversational question answering, in machine reading comprehension, and in 2020, in spite of COVID-19, we got the image captioning human parity.”

 

Postęp w słownym opisie obrazów jest olbrzymi. Narzędzie jest wprowadzane do aplikacji Office. Podejmuje się próby natychmiastowego opisywania obrazów rejestrowanych przez oko kamery. Daje to możliwość mówienia osobie niewidzącej, co znajduje się przed pacjentem!

 

Dla GDMMiA powstaje szansa na zautomatyzowanie przenoszenia np. map myśli lub algorytmów znajdujących się w plikach graficznych (np. jpg) ale także na filmach (np. w “stop klatce”

 

https://1gew6o3qn6vx9kp3s42ge0y1-wpengine.netdna-ssl.com/wp-content/uploads/prod/sites/3/2020/10/inclusive-disability-ai-systems-saqib-shaikh_1920x1080-5f86fd8c20ba1.jpg

Saqib Shaikh, a software engineering manager with Microsoft’s AI platform group in Redmond.

https://1gew6o3qn6vx9kp3s42ge0y1-wpengine.netdna-ssl.com/wp-content/uploads/prod/sites/3/2020/10/huang-xd_1920x1080-5f86fd2ff095d.jpg

źródło

Xuedong Huang

Dla mojego projektu sukcesem byłoby, aby te algorytmy na tym zdjęciu narysowane na z tyłu na tablicy znalazły się w wersji cyfrowej w formacie algorytmu. W ilu firmach brakuje takiego narzędzia w tworzeniu projektów!

Epoka sztucznej inteligencji- Ewa Ewart-TVN24

W dniu 28.09.2024 w TVN24, w  cyklu “Ewa Ewart poleca” ukazał się pierwszy odcinek filmu “Epoka sztucznej inteligencji” (oryginalny tytuł to “In the age of AI”.) (Artificial intelligence)

Polecam do obejrzenia

Sztuczna inteligencja AI = SI) – zalety i zagrożenia (totalny nadzór nad społeczeństwem, zniknie około 50% zawodów w ciągu 15 lat (szczególnie umysłowych – np. analitycy), utrata miejsc pracy (np. w USA ok. 300 tys. kierowców ciężarówek), podział świata na dwa bloki – Chiny i USA.  Chiny obudziły się po przegranej w 2016 r mistrza gry GO  Ke Jie  z AlphaGo firmy Google) (podobno w GO jest więcej kombinacji strategicznych niż atomów we wszechświecie- gra jest dumą cywilizacji dalekiego wschodu)  z komputerem IBM Watson. Komputer jest silniejszy od człowieka. Władze Chin w 2017 r. ogłosiły, że chcą być do 2030 światowym liderem AI (nie naśladowcą!) Już działa rządowe wsparcie – w planie budowa miasta wielkości Chicago z transportem zarządzanym przez AI. Szeroko wdraża się np. rozpoznawanie twarzy, transport bez kierowców), już maja wielu firm AI z grupy tzw. Unicorn = warunkiem jest miliardowy dochód). Chiny przeskoczyły etap kart kredytowych – w sklepach płaci się “twarzą” (aplikacje rozpoznawania twarzy).

Chiny są największą bazą danych, a nią karmi się AI: “Dane to ropa, a Chiny są na tym polu Arabia Saudyjską”  KAI-FU LEE (Sinovation Venture) (w wieku 31 lat opracował program rozpoznawania mowy do sterowania komputerem). “Kilka tysięcy współpracujących ze sobą chińskich przedsiębiorców pokona każdego przedsiębiorcę na świecie”

W historii było tylko kilka istotnych wynalazków: maszyna parowa, elektryczność i komputer. Teraz będzie to AI.

AI w medycynie – uczenie maszynowe i uczenie głębokie (deep learning) w analizie zdjęć rentgenowskich jako profilaktyka raka piersi (W USA umiera na te chorobę około 40 tys. kobiet rocznie). Wywiady z pracownikami MIT z Bostonu w USA  (Massachusetts Institute of Technology Bostonie. Na MIT (Massachusetts Institute of Technology) pracuje Aleksandra Przegalińska – z  Akademii Leona Koźmińskiego –  z wywiadu Marcina Prokopa z TVN -“Człowiek przyszłości” – polecam). Program profilaktyki raka piersi poprzez głębokie uczenia maszynowego w MIT prowadzi z dr Connie Lee (?) m.in.  profesor Regina Barzilay

źródło źródło –“In the age of AI”.)

Sztuczna inteligencja karmiona algorytmami stworzonymi z big data

Rozwijająca się w ostatnim czasie w bardzo w szybkim tempie sztuczna inteligencja wymaga dostarczani jej dużej ilości algorytmów. Z czasem będzie możliwe szerokie stosowanie uczenia maszynowego, które te algorytmy będzie tworzyć samodzielnie. Zalążek takich programów zależy jednak od wiedzy twórców danych innowacji. To oni tworzą algorytm – czasem lepszy, czasem gorszy. Potem, owszem, można przeprowadzać komputerowe badania modelowe, ale badamy tylko koncepcję jednego zespołu. A co by było, gdyby mogli oni skorzystać z już zweryfikowanych algorytmów z innej części świata? Ilu błędów by uniknięto? Jakich pomysłów nie byłoby w burzach mózgów ich zespołów, a są w GMMiA ? Na następnym etapie baza algorytmów byłaby “pożywką” dla komputerów, które dzięki sztucznej inteligencji (w tym głębokiego i maszynowego uczenia) mogłaby tworzyć nowy, bardziej kreatywny algorytm, o którym ludziom się nawet nie śniło (tak jak rewelacyjny ruch nr 37 w grze GO podczas meczu Lee Sedol z komputerem Google –  AlphaGo).

Uważam, że koncepcja Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA)  mogłaby się sprawdzić w tym procesie.

Mapy algorytmów  w  etapie wstępnym można tworzyć ręcznie (przez ogólnoświatową społeczność – zalążkiem ich byłyby mapy myśli), można też zaimportować pliki graficzne map myśli z dotychczasowych książek, publikacji internetowych ( potrzebny by był program konwertujący grafikę do map algorytmów – nie znalazłem nigdzie takiej aplikacji) – z nich powstaną listy “to do” dla prototypów wynalazków.

Problemem jest jednak jak przełożyć dotychczasową wiedzę tekstową na algorytmy. Myślę, że z pomocą może przyjść uczenie maszynowe pracujące na big data. Być może wyszukiwarki semantyczne mogłyby wchodzić w skład silnika takiej aplikacji. Narzędzie to po analizie tekstu, stworzy algorytm podsumowujący treść danej publikacji.  Algorytmu się nie oszuka!. Jeśli jest on taki sam jak w innej książce opisującej innymi słowami tę samą procedurę – od razu będzie widać, że autor książki nie wniósł nic nowego dla ludzkości (zobaczmy ile jest poradników sprzedających te same porady, ale tylko innymi słowami. Ile cennego czasu tracimy na czytanie tego samego pod innym tytułem – i to tego samego autora). Z książkami jest jak z choinką.  Jest algorytm ubrany w słowa, tak jak sosna ubrana w bąbki.

Choinkę możemy ubierać w różne bąbki, ale zawsze będzie to ta sama choinka.

 

Ponadto uczenie maszynowe pozwoliłoby na ciągłą, zautomatyzowaną (dynamiczną) aktualizację bazy, przy współistniejącej dotychczas formie werbalnej i graficznej przedstawiania swoich myśli (książki, strony www, grafiki, zdjęcia).

To jest zupełnie inny silnik niż Google!!

Prawdopodobnie nikt takiego nie ma!!.

To nie internauta w tym narzędziu przeszukuje bazy danych. On dostaje już gotowe zaktualizowane rozwiązania (wiedzę – ekspertyzę) na swoje zapytanie.  Zostaje mu jedynie jej przeanalizowanie i zaimplementowanie jej dla swoich potrzeb i podzielenie się zdobytą w ten sposób wiedzą nią z innymi (utopia  – czy potrzeba czasu). Rzetelność, stabilność systemu  i prawa autorskie mógłby zagwarantować blockchain.

Google daje nam cegły i cement (tylko informacje – WAT?) , mój silnik od razu gotowy dom (daje wiedzę eksperta – HOW!). Czyli bardziej zaawansowane narzędzie niż robione “ręcznie” WIKI-HOW.

Dlatego uważam, że w najbliższym czasie w realizacji GDMMiA najcenniejsze może być stworzenie konwertera grafiki na mapy myśli i algorytmów oraz stworzenie programu do uczenia maszynowego pozwalającego wyłuskać z tekstowych big data procedury do zapisania ich w algorytmach. Powstaną gotowe “cegiełki” do implementacji w projektowaniu nowych urządzeń. Może nastąpić gwałtowne przyspieszenie w rozwoju innowacji technologicznych.

Ktoś może zapytać, dlaczego dzielę się bezpłatnie pomysłami być może  wartymi miliardy dolarów. Po prostu nie mam kapitału i zespołu, który podążyłby za moją wizją. Może znajdą się ludzie z podobną wizją, których zainspirują moje pomysły i wprowadzą je w życie. Nikt nie jest samotną wyspą. Współpraca przynosi najlepsze rezultaty.

Najpierw wizja – potem precyzja

Skuteczne osiąganie celów ma duże podłoże psychologiczne. Prawidłowe postępowanie powinno polegać najpierw na myśleniu i stworzeniu wizji celu a potem precyzyjnemu opracowaniu strategii i taktyki działania (precyzja). Trudno jest spotkać osoby, które potrafią jednocześnie mieć wielkie wizje celów i umiejętność precyzyjnego ich realizowania i zarządzania ludźmi.

Trzeba umieć robić właściwe rzeczy we właściwy sposób.

W diagnostyce trudnych przypadków sprowadza się to do stworzenia wizji możliwych chorób i postawienia właściwego rozpoznania a dopiero potem do włączenia leczenia zgodnego z ta diagnozą. Błędy poznawcze i wizualizacyjne prowadzą wówczas do błędów medycznych.

Myślenie to w nieco humorystyczny sposób odnosi się do powiedzenia kulturystów “Najpierw masa, a potem rzeźba” 🙂