Cognitive Computer System and Healthcare with Watson IBM · Corso di Laurea in Ingegneria...
-
Upload
nguyenquynh -
Category
Documents
-
view
215 -
download
0
Transcript of Cognitive Computer System and Healthcare with Watson IBM · Corso di Laurea in Ingegneria...
Elaborato finale in Programmazione I
Cognitive Computer System and
Healthcare with Watson IBM
Anno Accademico 2016-2017
Relatore
Prof. Maresca Paolo
Candidato
Esposito Mocerino Gennaro
Matr. N46002102
Scuola Politecnica e delle Scienze di Base Corso di Laurea in Ingegneria Informatica
Scuola Politecnica e delle Scienze di Base Corso di Laurea in Ingegneria Informatica
Cognitive Computer System and Healthcare with Watson IBM
3
INDICE
Capitolo 1: Breve storia dell'intelligenza artificiale…………………………...….4
1.1 Quattro tipologie di IA………………………………………………….....7
1.2 Cognitive Science……………………………………………………….....9
1.3 Cognitive Computer System……………………………………………...11
1.4 Applicazioni pratiche……………………………………………………..12
Capitolo 2: Introduzione ai sistemi Q&A………………………………………..13
2.1 Evoluzione dei sistemi Q&A……………………………………………..14
2.2 IBM Watson………………………………………………………………14
2.3 Funzionamento operativo…………………………………………………17
Capitolo 3: Campi di applicazione del sistema Watson………………………….19
3.1 IBM nel settore sanitario………………………………………………….20
3.2 IBM’s Watson takes on brain cancer……………………………………..23
3.3 La chirurgia robotica……………………………………………………...24
Capitolo 4: Conclusioni…………………………………………………………..26
Bibliografia………………………………………………………………....……28
Cognitive Computer System and Healthcare with Watson IBM
4
Capitolo 1
Breve storia dell’Intelligenza Artificiale
l’IA è il settore dell’informatica che si occupa di creare macchine intelligenti. Si può
intendere per intelligenza la capacità di eseguire compiti e risolvere problemi nuovi,
di adattarsi all’ambiente e comprenderlo, e di capire il linguaggio naturale. Un’altra
definizione operativa è stata proposta da Alan Turing nel suo articolo “Computing
machinery and intelligence” (1950): una macchina può essere considerata intelligente se
passa il “Test di Turing“. Il test (o “Imitation Game”) consiste nel mettere un uomo davanti
a un terminale, attraverso il quale comunicare con due entità: un altro uomo e un
computer. Se la persona che comunica attraverso il terminale non riesce a distinguere fra
uomo e macchina, allora il computer ha passato il test.
L’IA come è oggi è nata nel secondo dopoguerra, grazie soprattutto all’avvento dei
calcolatori, fin da subito considerati come il perfetto strumento per riprodurre una
mente umana[1]. Fra i primi lavori in questo ambito di ricerca spicca quello di
Warren McCulloch e Walter Pitts (1943), che proposero un modello di rete neurale
ispirato al funzionamento del cervello umano. Ogni neurone, interconnesso con gli
altri da sinapsi, poteva rappresentare uno stato binario: “on” o “off”. I due ricercatori
dimostrarono che con questo modello era possibile implementare tutti i blocchi
fondamentali della logica booleana (not, and, or ecc.). Inoltre ipotizzavano che
queste reti fossero in grado di apprendere; e in effetti Donald Hebb nel 1949 ideò una
regola di modifica dei pesi delle sinapsi che lo rendeva possibile. Importante fu
anche il primo computer a rete neurale, sviluppato da Marvin Minsky nel 1950, detto
SNARC, che simulava una rete di 40 neuroni. Sempre nel 1950 Turing scrisse
l’articolo cui si è già accennato sopra (“Computing machinery and intelligence”) che
insieme alle sue lezioni sull’argomento portò rilievo a questo campo nascente [2].
Cognitive Computer System and Healthcare with Watson IBM
5
Herbert Simon e Allen Newell due ricercatori sviluppano nel 1957 il General
Problem Solver(GPS), in cui implementano un processo inferenziale ispirato al modo
di ragionare della mente umana. Il GPS poteva agire e manipolare oggetti all’interno
della rappresentazione di una stanza, come ad esempio raggiungere un oggetto
appoggiato su un tavolo impilando due sedie.
Il modello originale di Pandemonium proposto da Oliver Selfridge nel 1959.
Cognitive Computer System and Healthcare with Watson IBM
6
Herbert Gelernter sviluppa invece il Geometry Theorem Prover presso l’IBM, mentre
Oliver Selfridge al Lincoln Laboratory implementa il Pandemonium, un primo
programma per il “pattern recognition”, basato su una serie di “demoni” (per
intenderci lavoravano come piccole funzioni richiamate dal programma) addestrati a
riconoscere determinati elementi di una lettera scritta [3].
Nel 1958 John McCarthy, noto ricercatore, pubblica “Programs with common sense”
in cui descrive il primo esempio di intelligenza artificiale completa: Advice Taker.
Advice Taker doveva essere in grado di percepire la realtà circostante e
rappresentarla al proprio interno, in modo da interagire con essa e rispondere agli
stimoli provenienti dall’esterno. In questi anni nasce anche un nuovo approccio alla
realizzazione di sistemi intelligenti: i micro-mondi. Marvin Minsky teorizza infatti
che la soluzione migliore per la rappresentazione del mondo fisico sia ridurlo a forme
geometriche, che il computer può manipolare per aggiornare la sua conoscenza e
svolgere i compiti assegnati.
Nell’anno 1965 emerge un nuovo approccio: i sistemi basati sulla conoscenza. Il
primo esempio è DENDRAL, sviluppato da Edward Feigenbaum a Stanford. Il
compito di questo programma era mappare la struttura delle molecole: veniva fornita
a Dendral l’analisi spettrale della molecola e su una base di regole il programma
definiva un insieme di possibili strutture; successivamente le metteva a confronto con
i dati per determinare quella corretta. È questo il primo prototipo di sistema esperto.
In seguito Feigenbaum e Buchanan implementarono il primo esempio compiuto di
un sistema esperto: MYCIN; all’interno del programma infatti, a differenza di
Dendral, la conoscenza (regole) era separata dalla logica necessaria ad applicarle alla
situazione in esame. Mycin era pensato come uno strumento di aiuto per i medici
nella diagnosi di malattia infettive del sangue [4][5][6].
Cognitive Computer System and Healthcare with Watson IBM
7
1.1 Quattro tipologie di IA:
Oggi l’intelligenza artificiale (IA) comprende i nostri comandi verbali, riconosce
soggetti nelle immagini, guida veicoli ed è migliore di noi nei videogiochi. Per
sviluppare sistemi di IA sempre migliori dovremo superare i confini che definiscono
i quattro tipi di intelligenza artificiale:
1. Macchine reattive
I sistemi più elementari di IA sono definiti reattivi. Non possono basarsi su “ricordi”
e nemmeno su esperienze del passato per prendere decisioni. L’esempio più attinente
è quello di Deep Blue, l’IA di IBM che negli anni ’90 ha sconfitto l’allora campione
mondiale di scacchi Garry Kasparov. Deep Blue può riconoscere la posizione degli
scacchi, fare previsioni delle mosse dell’avversario e prendere la decisione ottimale.
Ma non ha memoria: può sol analizzare il presente e scegliere la prossima mossa.
Questo tipo di IA reagisce direttamente in base a ciò che vede.
Un sistema di IA simile a Deep Blue è AlphaGo di Google che ha sconfitto il
campione mondiale Lee Sedol nel gioco di Go. Il metodo di analisi di AlphaGo è più
sofisticato di quello di Deep Blue perché basato su una rete neurale che valuta gli
sviluppi del gioco.
Questi metodi consentono davvero ai sistemi di IA di migliorare in alcuni giochi
specifici, ma non possono essere applicati a situazioni diverse. Queste macchine,
cioè, non possono fare altro rispetto a ciò per cui sono state programmate. Si
comportano allo stesso modo ogni volta che si ritrovano in una situazione in cui
possono agire.
Cognitive Computer System and Healthcare with Watson IBM
8
Certo, sistemi di IA di questo tipo possono essere più affidabili. Ma sono pessimi, se
non inutili, nelle interazioni con gli umani e con altri elementi di questo mondo.
2. Macchine con memoria limitata
Queste macchine possono basarsi sul passato. I veicoli autonomi possono in parte già
farlo. Osservano e analizzano la velocità e la direzione delle altre automobili in
strada. Queste osservazioni vengono aggiunte alle rappresentazioni del mondo pre-
programmate dei veicoli autonomi: strisce pedonali, semafori, curve, incroci e così
via. Tutti questi dati, quelli pre-programmati e quelli raccolti su strada, vengono
elaborati quando il veicolo autonomo deve svolgere un’azione. Quando, ad esempio,
deve cambiare corsia, svoltare, frenare o evitare ostacoli. Ciò richiede
l’identificazione di oggetti e il loro continuo monitoraggio nel tempo.
Ma queste informazioni sul passato sono transitorie. Non sono dati che vengono
salvati in una sorta di archivio da cui l’IA può imparare. Non funziona come
facciamo noi con la nostra memoria, la quale cerca di apprendere in base
all’esperienza. Non abbiamo ancora raggiunto un simile livello di tecnologia.
Come facciamo allora a costruire macchine che creino rappresentazioni fedeli, che
ricordino in base alle esperienze e che sappiano gestire nuove situazioni? Si tratta di
un obiettivo molto difficile da raggiungere. Secondo Hintze, ispirato dall’evoluzione
darwiniana, una soluzione potrebbe essere quella di lasciare che le macchine
costruiscano le loro rappresentazioni.
3. La teoria della mente
Questo è il punto che segna il confine tra le macchine che costruiamo oggi e quelle
che costruiremo domani. Le macchine del futuro non solo formeranno
rappresentazioni sul mondo, ma anche su altri agenti ed entità che lo abitano. In
psicologia l’espressione adottata è “teoria della mente”: comprendere che le persone,
Cognitive Computer System and Healthcare with Watson IBM
9
le creature viventi, possono avere dei pensieri e delle emozioni che influenzano il
loro comportamento.
Questo è un aspetto importante perché riguarda come noi esseri umani formiamo le
società che ci permettono di partecipare alle interazioni sociali. Senza comprendere
le intenzioni, le emozioni e le motivazioni degli altri difficilmente si può lavorare
insieme per raggiungere un determinato scopo. Anzi, in alcuni casi è addirittura
impossibile.
Se un giorno avremo a che fare quotidianamente con le IA, queste dovranno capire i
nostri sentimenti e le nostre aspettative. Non solo: dovranno anche adeguarsi alle
situazioni e comportarsi di conseguenza. Ciò significa un allineamento del loro
comportamento con i nostri diritti, i nostri valori e la nostra etica. Un traguardo
apparentemente irraggiungibile se pensiamo ai mezzi che abbiamo oggi a
disposizione. Ma sappiamo che il progresso in questo settore è costante e che gli
scienziati stanno già lavorando su come programmare la morale dell’intelligenza
artificiale. Riusciremo mai a costruire macchine basate sulla teoria della mente?
Difficile prevederlo. Eppure c’è ancora un altro livello di intelligenza artificiale che
molti classificherebbero come fantascienza.
4. Macchine autocoscienti
Il passo finale dello sviluppo dell’IA è quello di costruire macchine in grado di
formare rappresentazioni di se stesse. Ciò significa che dovremo prima capire cos’è e
come funziona davvero la coscienza. Poi dovremo trovare un modo per costruire
macchine che ne possiedono una [7].
1.2 Cognitive science
Cognitive science è l'insieme di discipline che hanno come oggetto di studio la
cognizione di un sistema pensante, sia esso naturale o artificiale. Essa comprende
Cognitive Computer System and Healthcare with Watson IBM
10
svariate discipline che operano in campi differenti e che forniscono i propri risultati
ottenuti dalle ricerche al fine comune di chiarire il funzionamento della mente.
L'informatica è stata molto importante nel campo della scienza cognitiva cioè la
nozione di computazione è stata preziosa per lo sviluppo di idee su come il pensiero
potrebbe essere un processo naturale. L'avvento dei programmi per l’ elaborazione ha
permesso di dimostrare come un dispositivo meccanico potrebbe risolvere problemi
complessi secondo procedure algoritmiche (computazioni). Le istruzioni “IF ...
THEN ...” suggeriscono un modello di come le persone pianificano il proprio futuro.
I computer stessi sono stati utili per testare le ipotesi scientifiche circa
l'organizzazione e il funzionamento mentale. Una data ipotesi è modellata in un
programma mediante algoritmi, essa viene quindi eseguita su un computer, e se
l'output del computer è simile alle reali prestazioni umane, l'ipotesi è considerata
essere valida [8].
Discipline che costituiscono le scienze cognitive
Cognitive Computer System and Healthcare with Watson IBM
11
1.3 Cognitive Computer System
Il cognitive computing connette le scienze cognitive (ovvero lo studio dei processi
del cervello umano) e l’informatica. Essa è l’applicazione pratica dell’Intelligenza
Artificiale nella quotidianità, grazie a un mix di scienze cognitive applicate
all’informatica.
Il computer, quindi, non si limita a rispondere a quello che sa o a ciò per cui è stato
programmato, ma introduce un fattore non prevedibile di risposta derivato
dall’autoapprendimento del sistema. In altre parole, un’azione fatta oggi da un
umano tramite un software probabilmente darà una risposta diversa se replicata,
senza cambiarla, dopo qualche tempo. Quindi, i computer come se crescessero da
soli in termini di capacità cognitiva.
L'obiettivo di Cognitive Computing è quello di simulare processi di pensiero umani
in un modello computerizzato. Utilizzando algoritmi di autoapprendimento che
utilizzano il data mining, il pattern recognition e l'elaborazione del linguaggio
naturale così un software diventa in grado di imitare il modo in cui funziona il
cervello umano. Per arrivare a ciò, però, si è dovuto superare il limite dei sistemi
informatici tradizionali nella comprensione del linguaggio naturale (il parlato o lo
scritto) o nel riconoscimento di oggetti unici all’interno di un'immagine.
Questi risultati sono possibili perché, oltre all’intelligenza artificiale, oggi possiamo
disporre di un enorme capacità e velocità di calcolo. E, infatti, la qualità della
risposta è direttamente proporzionale alla quantità di dati che il sistema ha a
disposizione: più apprende e più accurata la risposta diventa nel tempo. Tra i
pionieri del Cognitive Computing troviamo IBM con la sua architettura IBM
Watson, una piattaforma basata su potenti algoritmi di apprendimento strutturati su
Cognitive Computer System and Healthcare with Watson IBM
12
reti neurali in grado di elaborare e confrontare enormi volumi di dati.
Oltre a IBM anche Google lavora nel campo del cognitive, forte dell’ampia base dati
di cui dispone, ha mostrato di saper sviluppare la capacità cognitiva dei propri servizi
offrendo una crescita qualitativa nel tempo. Si pensi che i suoi sistemi di test, che nel
2013 erano in grado di riconoscere una pizza semplicemente da una foto, ora
possono dire che quella pizza è condita con i funghi e se è troppo cotta. Il tutto
partendo dalla stessa immagine[9].
1.4 Applicazioni pratiche
I campi di applicazione sono infiniti, dal retail alla sanità, dalla finanza
all’entertainment. Nel contesto sanitario, il Cognitive Computing aiuta nella diagnosi
combinando diverse tipologie di dati specifici, per esempio la storia del paziente, con
fonti esterne quali articoli di riviste, blog, dati statistici e tanto altro. Il medico
continua a portare il proprio contributo soggettivo, ma lo fa supportato in tempo reale
da una quantità di informazioni e una pre-analisi fino a ieri ottenibile solo con lunghe
e costose ricerche e studi.
Cognitive Computer System and Healthcare with Watson IBM
13
Capitolo 2
Introduzione ai sistemi Q&A
Un QUESTION-ANSWERING SYSTEM è un sistema di recupero automatico delle
informazioni, destinato a rispondere alle domande che gli sono poste nel linguaggio
naturale.
Diversamente dagli attuali motori di ricerca, i sistemi Q&A non ricercano interi
documenti ma forniscono risposte specifiche situate in piccoli frammenti di testo.
Questa loro funzionalità rende la ricerca molto più lenta, ma anche più precisa e
puntuale.
I sistemi Q&A vengono classificati in base al loro livello di precisione e raffinatezza
in:
1) Slot-filling: Il sistema risponde a domande molto semplici che possono essere
computate anche da un sistema IE (information extraction); Ciò che cambia è
il modo di operare: mentre i sistemi IE usano metodi logici di estrazione, i
sistemi Q&A usano queries ad hoc.
2) Limited-domain: Il sistema risponde a domande di media difficoltà legate a
sfere specifiche di conoscenza.
3) Open-domain: sono i sistemi più complessi ed articolati che integrano
assieme le tecniche di IE, IR (information retrieval) ed NLP [10].
Esempi di possibili domande alla portata di un sistema Q&A:
- Qual è la data di nascita di Alan Turing?
- Quando è nato il primo Computer?
- Quanto è la potenza di calcolo di IBM Watson?
Cognitive Computer System and Healthcare with Watson IBM
14
2.1 Evoluzione dei sistemi Q&A
Negli anni i sistemi QA si sono evoluti in vari modi:
- Da dominio chiuso a dominio aperto: i primi sistemi Q&A come BASEBALL
e LUNAR erano molto limitati, infatti conoscevano solo informazioni per il
gioco del baseball e informazioni riguardanti la luna. Successivamente sono
stati prodotti sistemi Q&A che avevano conoscenze in molteplici campi ed
erano in grado di rispondere a molte domande poste.
- Da basati sul testo a basate sul discorso: i sistemi Q&A possono essere
assistiti da un’interfaccia discorsiva con la quale le domande possono essere
tradotte con un software di riconoscimento vocale e le risposte possono essere
riprodotte con un software di sintesi. Questa è un tipico esempio di
configurazione sui dispositivi mobili.
- Da fuori contesto a contestuali: domande poste per capire indipendentemente
il contesto precedente; adesso i sistemi Q&A hanno una capacità limitata di
interpretare i dialoghi discorsivi che variano dinamicamente.
Lo stato corrente dell’arte dei sistemi QA è rappresentato da IBM Watson.
2.2 IBM Watson
IBM Watson rappresenta il primo passo nei sistemi cognitivi e la nuova era di
computing.
Watson è stato costruito con gli strumenti dell’era corrente di calcolatori
programmabili ma è differente in molti aspetti. La combinazione delle seguenti
capacità fanno Watson unico:
Cognitive Computer System and Healthcare with Watson IBM
15
1) Elaborazione del linguaggio naturale affinché capisca complessi dati non
strutturati, che rappresentano 80% delle dati a livello globale.
2) Generazione e valutazione di ipotesi applicando analisi avanzate per pesare e
valutare un panello di risposte basate solo su prove rilevanti.
3) Apprendimento dinamico che contribuisce a migliorare l’apprendimento
basato sugli output per diventare sempre più intelligente con ogni
integrazione.
Anche se nessuna di queste funzionalità da sola è unica per Watson, la combinazione
di questi capacita offre una potente soluzione per:
- Superare i limiti delle macchine programmabili.
- Passare da dipendenza di dati strutturati e locali per aprirsi al mondo globale
di dati non strutturati.
- Passare dall’approccio albero-decisionale e applicazioni deterministici ai
sistemi probabilistici che evolvono con i propri utenti.
- Passare dalla ricerca basata su parole che provoca una lista di locazioni dove
la risposta può essere localizzata, a un intuitivo strumento di conversazione di
scoperta di un set di riposte confidenti e classificate.
Watson quindi è un sistema computerizzato in grado di rispondere a domande
(Question answering computing system). IBM lo descrive come un'applicazione
avanzata di elaborazione del linguaggio naturale, information retrieval,
rappresentazione della conoscenza, ragionamento automatico, e tecnologie di
apprendimento automatico nel campo dell'"open domain question answering"
(letteralmente, risposte a domande a dominio aperto, cioè senza restrizioni
sull'argomento) costruito sulla base di DeepQA, tecnologia IBM per la formulazione
di ipotesi, raccolta massiva di controprove, analisi e scoring (capacità di raggiungere
un obiettivo).
Cognitive Computer System and Healthcare with Watson IBM
16
Figura: Architettura alto livello del DeepQA di Watson
Watson utilizza il software della IBM DeepQA, e il framework Apache UIMA. Il
sistema è stato programmato in diversi linguaggi, come Java, C++ e Prolog, e gira su
un sistema SUSE Linux Enterprise Server 11 utilizzando Apache Hadoop come
framework per il calcolo distribuito.
Il sistema è ottimizzato per gestire il carico di lavoro richiesto per generare ipotesi,
riconoscere la massima evidenza e analizzare dati, integrando processori POWER7
estremamente parallelizzati. Watson è composto da una griglia di novanta server
IBM Power 750, ciascuno dei quali è equipaggiato con un processore POWER7 ad
otto core da 3.5 GHz, con quattro threads per core. In totale, il sistema ha 2880
thread di processori POWER7, e 16 terabytes di ram. Watson può analizzare 500GB,
equivalenti ad un milione di libri, ogni secondo. Esso ha una potenza di 80
TeraFLOPs [11].
Cognitive Computer System and Healthcare with Watson IBM
17
2.3 Funzionamento operativo
La prima fase operativa consiste in un lavoro di regressione logistica eseguito tramite
analisi delle domande (ESG : English Slot Grammar) e il tipo di risposta lessicale
LAT (Lexical Answer Type) che nei casi più difficili costituiscono i punti
fondamentali di interpretazione del linguaggio, tanto che Watson ne supporta vari.
Tramite l’ESG, implementato nel linguaggio C si riesce a scomporre
grammaticalmente la frase tramite albero gerarchico e permette di rilevarne anche
errori. Ciò che l’ESG computa viene spedito al componente successivo, il
PRISMATIC che verifica il LAT per generare le risposte candidate ed estrarne gli
elementi di base (frames) e le relazioni tra gli stessi. La ricerca della risposta avviene
tra fonti di testo e documenti tramite i motori di ricerca Indri e Lucene . La verifica
successiva avviene tramite il Type Coercion dove si determina se la risposta
appartiene allo stesso contesto della domanda stratificando la stessa in sotto-strati
analizzati separatamente in più livelli di conoscenza ed estraendo man mano il
significato da subroutine. Tramite database locali è possibile effettuare il confronto
per verificare se è stato centrato l’argomento trattato. Generata una lista di possibili
risposte candidate viene associato un punteggio per poterle ordinare.
Le candidate sono prima passate in parallelo a processi che restituiscono delle
evidences e poi analizzate da quattro algoritmi per trovare le effettive scelte tra tutti i
candidati.
Gli algoritmi che sottopongono le candidate alla scelta sono:
Cognitive Computer System and Healthcare with Watson IBM
18
- Passage Team Match: Misura le occorrenze di una o più parole tramite
statistica numerica.
- Skip-Bigram: Calcolo numero dei termini che condividono semantica e
sintassi.
- Textual Alignement: Quanto la risposta è correlata alla domanda.
- Logical Form: riesce ad eseguire l’analisi logica delle parole.
Il punteggio totale ne rileverà poi la riuscita.
Figura: Come Watson deriva una risposta
Cognitive Computer System and Healthcare with Watson IBM
19
Capitolo 3
Campi di applicazione del sistema Watson
Il sistema Watson può essere utilizzato in svariati settori offrendo vantaggi e
precisione nelle soluzioni, poiché, ha l’abilità di poter comprendere domande poste
in linguaggio naturale, la capacità di analizzare grandi quantità di dati non strutturati
e dare risposte puntuali (classificando il livello di precisione delle sue risposte) e
presentare risposte in modo rapido e conciso.
Il sistema è stato adattato ed applicato a casi industriali complessi per risolvere
problemi e stimolare progressi in diversi campi come quello sanitario e quello
finanziario, è stato sperimentato per aiutare i medici a effettuare diagnosi più veloci,
per migliorare i servizi di help desk, per fornire a turisti e cittadini informazioni
specifiche sulle città, per offrire servizi bancari personalizzati ai clienti, per
pianificare il percorso di viaggio migliore a seconda dello stato d’animo del
viaggiatore: i sistemi di navigazione attuali sono programmati per prendere decisioni
in base alle condizioni della strada, ma non tengono conto dello “stato mentale” del
guidatore. Gli inventori IBM hanno sviluppato un metodo per la pianificazione degli
itinerari di viaggio sulla base dello stato d’animo e delle preferenze del viaggiatore.
Avete avuto una lunga giornata? Questo sistema vi aiuterà a tornare a casa in modo
meno stressante.
IBM ha deciso di mettere a disposizione l’intera piattaforma di sviluppo IBM
Watson in cloud, per aprirsi alla creatività di tutti e consentire alla comunità
Cognitive Computer System and Healthcare with Watson IBM
20
mondiale di sviluppatori di applicazioni software di sviluppare una nuova
generazione di app. dotate dell’intelligenza di cognitive computing di Watson, in
grado di rivoluzionare il modo in cui le organizzazioni pubbliche e private e gli stessi
consumatori prendono le decisioni. Il luogo di condivisione sarà l’IBM Watson
Developers Cloud, un marketplace disponibile in cloud, in cui fornitori di
applicazioni di tutte le dimensioni e di tutti i settori potranno attingere a risorse per
sviluppare app “potenziate” dalle capacità cognitive di Watson [12].
3.1 IBM nel settore sanitario
IBM lavora nel settore sanitario e ne ha fatto una sua principale priorità. Il settore
sanitario e la tecnologia si uniscono in modi molto nuovi e innovativi tanto da
rendere quasi impossibile non collaborare.
Uno dei rappresentanti della Johnson&Johnson afferma che stanno lavorando con
IBM e Watson con alcune delle tecnologie IA e alcuni degli strumenti che solo
Watson può fornire per una ricerca migliore e per lo sviluppo di nuovi prodotti
farmaceutici.
Usano Watson per meglio individuare gli eventi avversi e ottenere segnali precoci
per identificare nuove tipologie di malattie sui pazienti: Si sta collaborando ad un
qualcosa chiamato “WATSON SALUTE CLOUD”. È una piattaforma in cui si
inseriscono molti dati presi da IT e J&J e si combinano in maniera intelligente.
Se si pensa di sviluppare un nuovo prodotto farmaceutico, bisogna capire
farmacologia e biologia e bisogna capire il genoma, si sfruttano quindi tutte le
informazioni e si creano i dati. È tutto basato sul fatto di poter raccogliere
informazioni, trasformarli in dati e da essi possono in un ultima analisi essere messe
a disposizione per aiutare il paziente. Watson analizzando i dati può aiutare a
scegliere la cura migliore e può sviluppare anche nuovi modelli di cure.
Cognitive Computer System and Healthcare with Watson IBM
21
L’assistenza sanitaria per IBM è la loro “MOONSHOT”. IBM ha svolto un ruolo
importante nei vari momenti della storia, tra cui lo sbarco dell’uomo sulla luna.
L’assistenza sanitaria quindi è come un “Moonshot”, il che significa, si otterrà una
cura per le persone che non ne hanno mai avuta una e che senza Watson non
avrebbero mai avuta. Questo è il motivo per cui IBM ha iniziato con l’oncologia,
hanno costruito cosi “WATSON PER ONCOLOGIA”.
Uno degli esempi è stato quello di “BARROW NEUROLOGICAL” in Arizona:
grazie a Watson hanno analizzato 1500 geni e alla fine hanno scoperto cinque di essi
che non erano mai stati prima collegati alla SLA.
Il 70% di nuovi casi di tumore al cervello si presentano nei paesi in via di sviluppo,
ecco perché Watson per Oncologia è modulato in tutti gli ospedali della Cina, India,
Thailandia, Finlandia. Un ulteriore esempio è quello in India nell’ospedale Manipal
una delle grandi catene ospedaliere private in cui c’è un afflusso di circa 200.000
pazienti l’anno. Un medico con l’aiuto di Watson da 20 minuti che occorrono per
raccogliere informazioni, impiega solo 20 secondi. Questa è una grande differenza
poiché permette molto velocemente di dare una cura ai pazienti. Oltre alla velocità
abbiamo molta più precisione nella medicina, cioè gli errori si riducono.
Un altro esempio è quello dell’University of North Carolina, il LINEBERGER
CANCER CENTER. Lì i medici hanno 1.000 casi di tumori ed essi non sono casi
standard, in quasi il 100% dei casi Watson ha trovato più elementi clinicamente
attuabili, cosi con Watson per “Genomics” si potrà raggiungere e analizzare la
genetica di un cancro in fase avanzato. Watson è stato anche impiegato per prevedere
un evento “IPOGLICEMICO” esso l’ha previsto con 3 ore in anticipo.
IBM sta prendendo decisioni su 3 tipologie di piattaforme:
1) Cloud
2) Piattaforma di dati
3) Piattaforma di IA (intelligente artificiale)
Si sta creando un Cloud che è ottimizzato per tutti i dati cognitivi: un cloud ibrido e
sicuro. I cloud scelti sono IBM Watson NUBE,GXP,HIPAA.
Cognitive Computer System and Healthcare with Watson IBM
22
Oltre il cloud bisogna considerare anche un’architettura di dati differente da quelle
esistenti dato che si sta andando a mettere insieme tantissimi dati diversi. Questo
perché in medicina il 90% dei dati è immagine. L’80% dei dati nel mondo non è
reperibile sul WEB, per questo nasce l’idea di avere una piattaforma di dati che
consentono di combinare i dati da tutti i luoghi. Sulla piattaforma Watson Salute oggi
risiedono 300 milioni di cartelle cliniche, 30 miliardi di immagini, 40 milioni di
articoli PUBMED e ogni brevetto. Oltre a prendere una decisione sulla piattaforma e
sull’architettura dei dati, si prende decisione su quella AI. Si sta creando così un
ecosistema.
Uno di essi è il “CENTRAL NEW YORK COLLABORATIVE CARE” presentato
come piattaforma di gestione della salute.
Lo scopo di IBM è quello di:
1) Non commettere errori o almeno ridurli.
2) Aumentare l’intelligenza umana ma non sostituirla. Questo non è l’uomo
contro la macchina, questo è l’uomo E la macchina. Può essere un medico e il
suo aiutante, un suo collega; per aiutarlo così a svolgere al meglio il proprio
lavoro, a sostenerlo realmente e aumentare la sua intelligenza.
Una nuova era sta per venire, nuovi posti di lavoro, e, lavori sempre più diversi. Il
tutto basato su 3 principi:
1) SCOPO
2) TRASPARENZA: saranno chiari con i clienti quando saranno toccati dall’AI
ovvero sapranno come è stata programmata e chi l’ha programmata.
3) COMPETENZA
Si costruirà cosi un mondo cognitivo: sarà un mondo sano, più sicuro, meno
dispersivo, più produttivo, più personalizzato, ma soprattutto un mondo più
GIUSTO. È questo il mondo in cui noi tutti vogliamo vivere! [16]
Cognitive Computer System and Healthcare with Watson IBM
23
3.2 IBM’s Watson takes on brain cancer
New York Genome Center (NYGC) e IBM stanno collaborando per analizzare i dati
genetici per accelerare la corsa di un trattamento per i pazienti con cancro al
cervello.
Il sistema di cognitive computing IBM Watson sarà progettato per analizzare i dati
genomici da un piccolo gruppo di pazienti con diagnosi di glioblastoma, uno dei
tumori cerebrali più aggressivi e maligni. IBM e NYGC esperti di biologia
computazionale sono rinomati per accelerare le scoperte delle scienze della vita con
approcci analitici profondi e tecnologie informatiche di nuova generazione.
Il sistema, distribuito come un prototipo basato su cloud, combinerà moderni analisi
genomiche e banche dati complete di letteratura medica biomedica e con potenza di
calcolo cognitivo di Watson per aiutare i medici a scoprire i singoli modelli genetici
di glioblastoma.
IBM, approfittando della competenza genomica e clinica di NYGC, continua a
sviluppare e perfezionare il sistema Watson con l'obiettivo comune di avere una cura
personalizzata per tutti i tipi di cancro, sulla base delle caratteristiche genetiche del
tumore di quella persona. Watson verrà utilizzato per Analizzare le variazioni di
sequenza del gene tra le biopsie normali di tumori cerebrali, informazioni mediche e
cartelle cliniche per aiutare i medici a individuare una varietà di trattamenti e a
scegliere su misura il tipo di cura per lo specifico cancro. Quindi Applicando la
potenza di calcolo cognitivo di Watson si accelera la possibilità di indirizzare cure
personalizzate per malattie mortali come il cancro. Normalmente, una diagnosi di
Cognitive Computer System and Healthcare with Watson IBM
24
glioblastoma presenta una prognosi di circa un anno di vita, a seconda della fase e la
diffusione del cancro. Un tempo molto breve per i medici per poter trovare il miglior
trattamento che si basa sulla conoscenza del genoma dello specifico cancro.
Ecco perché Il sistema Watson è stato progettato per integrare una rapida analisi del
genoma e per contribuire a ridurre drasticamente il tempo di lettura dei dati
genomici dello specifico tumore di un individuo, permettendo ai medici di prendere
più rapidamente decisioni su come possono curare i loro pazienti. Gli oncologi
potrebbero utilizzare il sistema di cloud-delivered in tempo reale per analizzare i dati
genetici con una macchina intelligente analizzando velocemente le varie banche
dati. Queste analisi possono aiutare a individuare possibili opzioni terapeutiche
specifiche in base al tipo di genoma del cancro di un paziente, aiutando così gli
oncologi nelle loro decisioni di trattamento e la cura.
"Con questa conoscenza, i medici saranno in grado di attaccare il cancro e altre
malattie devastanti con trattamenti che sono adeguati ai propri profili del DNA di
malattia del paziente. Si tratta di una trasformazione importante che può aiutare a
migliorare la vita di milioni di pazienti in tutto il mondo."
Dr. Robert Darnell, CEO, President and Scientific Director of the New York Genome
Center [15].
3.3 La chirurgia robotica
Si vuole rendere la chirurgia più disponibile su una scala molto più ampia e usare la
robotica per migliorare i risultati. Oggi la chirurgia robotica è possibile ma è
piuttosto ingombrante e molto costosa. Dei miglioramenti ci sono stati, alcune delle
cose fatte è stata quella di incorporare AI e le capacità cognitive in una macchina.
È stata tentata una chirurgia mini-invasiva su un paziente: il dottore su uno schermo
tramite due mouse pilotava il robot presente nella sala chirurgica in tempo reale,
Cognitive Computer System and Healthcare with Watson IBM
25
seguiva semplicemente uno schema, una procedura, come se fosse un prefabbricato.
Insomma un algoritmo che semplifica la chirurgia. Si incomincia quindi a pensare di
utilizzare algoritmi cognitivi che indicano il percorso migliore da approcciare. Si può
pensare di effettuare un intervento chirurgico da parte di un dottore che si trova in
un’altra parte del mondo ad un paziente posto in un altro luogo grazie alla
CHIRURGIA ROBOTICA [16].
Cognitive Computer System and Healthcare with Watson IBM
26
Capitolo 4
Conclusioni
Il cognitive computing, o la terza era dell’informatica (dopo quella delle macchine
capaci di fare di conto dei primi del Novecento e quella dei sistemi programmabili
degni anni Cinquanta), sta aprendo nuovi scenari dove si sta assistendo ad una vera
pe propria rivoluzione. Le tecnologie cognitive risolvono problemi che i sistemi di
analisi tradizionali non sono in grado di affrontare. Queste nuove macchine sono in
grado di confrontarsi con dati numerosi ed eterogenei, permettendo alle società e
istituzioni che utilizzano tali sistemi di ottenere un vantaggio competitivo senza
precedenti. Il sistema cognitivo che oggi spicca tra i tanti è IBM Watson, il quale è
stato progettato accuratamente per essere in grado di svolgere determinate azioni
quali, in primis, l’interpretazione del linguaggio naturale e lo studio delle domande.
Le numerose abilità di Watson sono state prontamente adoperate in diversi ambiti, un
esempio, come abbiamo visto, è quello medico.
Entro la fine di questo anno (2017) la IBM avrà addestrato Watson sui tumori che
causano l’80% delle occorrenze di cancro in questo mondo. Ciò verrà realizzato in
collaborazione con i migliori 20 centri di cancro del mondo. Con le informazioni
disponibili sul genotipo, informazioni sulla biologia di base e fisiopatologia si può
agire in maniera efficace sui tumori capendo meglio quando attivare il sistema
immunitario, preparando al meglio il corpo per non subire gli effetti collaterali delle
chemioterapie. Oltre al campo medico IBM Watson è stato utilizzato per rendere una
Cognitive Computer System and Healthcare with Watson IBM
27
città più intelligente installando sensori sulle luci le quali si spengono se non ce
traffico per risparmiare energia. In Cina grazie a Watson hanno analizzato le
particelle nell'aria e hanno previsto con dieci giorni di anticipo i tassi di
inquinamento, potendo cosi, prendere decisioni molto in anticipo per ridurre
l'inquinamento [16].
Credo che il futuro sia innovazione e tecnologia avanzata, dove esse potranno essere
applicate in qualsivoglia settore per risolvere ogni problema dal più personale a
quello più generico. Le informazioni aumentano sempre di più e il sol cervello
umano non è in grado di analizzarle ed elaborarle in modo rapido, per questo
abbiamo bisogno di strumenti/macchine che ci affiancano “amichevolmente” per
aiutare a prendere decisioni ottimali e per scoprire, come nel caso del settore
sanitario, nuovi farmaci, nuove strade per poter combattere malattie mortali che per
fortuna grazie ai sistemi cognitivi possiamo combattere.
“Credo che alla fine del secolo l'uso delle parole e l'opinione delle persone di cultura saranno
cambiate a tal punto che si potrà parlare di macchine pensanti senza aspettarsi di essere
contraddetti.”
Alan Turing
Cognitive Computer System and Healthcare with Watson IBM
28
Bibliografia
1. Crevier, Daniel, AI: the tumultuous search for artificial intelligence, New
York, BasicBooks, 1993.
2. McCorduck, Pamela, Machines who think, San Francisco, W.H. Freeman,
1979.
3. Russell, Stuart – Norvig, Peter, Artificial Intelligence: a modern approach, 3
ed., Pearson, 2010.
4. Turing, Alan M., Computing machinery and intelligence, Mind 49: pp. 433-
460, 1950.
5. McCarthy, John, A proposal for the Dartmouth summer research project on
artificial intelligence, 1955.
6. Somalvico M., Amigoni F., Schiaffonati V., La grande scienza. Intelligenza
artificiale
7. theconversation.com/understanding-the-four-types-of-ai-from-reactive-
robots-to-self-aware-beings-67616, “Understanding the four types of AI,
from reactive robots to self-aware beings”
8. Britannica.com/science/cognitive-sciencePaul Thagard, “Cognitive Science”
9. alyante.teamsystem.com/blog/cognitive-computing, “Cognitive Computing:
che cos’è?”
10. di.unipi.it/~cappelli/seminari/brinchigiusti2.pdf
11. “Ibm watson.”https://it.wikipedia.org/wiki/Watson(intelligenza artificiale).
12. Wired.it/attualita/tech/2014/05/23/la-nuova-frontiera-del-
Cognitive Computer System and Healthcare with Watson IBM
29
cognitive-computing/
13. USAA and Watson – IBM USA.
14. What's The Future Of Cognitive Computing? IBM Watson – IBM article
15. research.ibm.com, “IBM’s Watson takes on brain cancer”
16. CEO IBM Ginni Rometty, Keynote 2017 interconnect, Keynote
HIMSS2017,IBM at SXSW and Keynote interconnect.