Kendisine sağlanan veriler ile analiz ve tahmin konusunda birçok sorunumuza çözüm getiren yapay zekanın bugün sağlık alanında insanlara daha fazla fayda sağlayamıyor olmasının en büyük sebeplerinden birisi kişisel gizlilik.

İzlediğimiz filmler, yüzyıllardır edinilen deneyimler ve Facebook gibi şirketler sağ olsun, herhangi bir verimizin büyük ihtimalle zararımıza -veya başkalarının haksız faydasına- kullanılacağını biliyor ve buna göre hareket etmeye çalışıyoruz. Bu bağlamda, her ne kadar binlerce insanın sorunlarını çözüp hayatlarını kurtarma potansiyeli olsa da yapay zekaya sağlık bilgilerimizi emanet etmiyoruz. Google, 2017 yılında bu gizlilik problemini bertaraf etmek için federated learning (federatif öğrenme) ismini verdiği yeni bir yapay zeka algoritması üzerinde çalıştığını ve Gboard ile test etmeye başladıklarını duyurmuş, sonrasında bu terim unutulmuştu.

Google’ın Gboard örneğinde federatif öğrenmenin nasıl çalıştığına dair hazırladığı görsel.

“Hasta verilerinin mahremiyeti ile verinin topluma faydası arasında yanlış bir fikir ayrılığı var. İnsanlar kumun ayaklarının altında kaydığını ve şu an aynı zamanda gizliliği ve faydayı sağlayabileceğimizin farkında değiller”

-Ramesh Rasker (Sağlık alanında çalışmalar yapan bir veri bilimci, MIT profesörü)

 

Makine öğrenimi ve derin öğrenme gibi yöntemlerde, gizliliğin yanı sıra, ortak bir havuz oluşturma gerekliliği de bulunuyor.

Örnek vermek gerekirse Amerika’da bir hastane binlerce kez göğüs kanseri üzerine testler yapmışken aynı zaman diliminde Nevşehir’deki hastanenin bu konuda pek de tecrübesi yoktur. Nevşehir’deki hastaneye başvuran bir hastanın göğüs kanseri olup olmadığına dair testlerin Amerika’daki ve tüm dünyadaki hastanelerde bulunan testler ile karşılaştırılabilmesi için bu sağlık merkezlerinin ortak bir havuzda bilgi paylaşımında bulunuyor olması gerekiyor. Ortak bir bilgi havuzu, kişisel bilgilerin çalınması veya izinsiz paylaşılması anlamına gelebilir. Fakat hastaneye başvurmuş olan hastanın göğüs kanseri olup olmadığına, eğer kanser ise hangi aşamada olduğuna dair olabildiğince net bilgilere ihtiyacımız var. Uzman doktorumuzun kendi araştırmasını yapması da seçeneklerden birisi ancak bu hem yavaş hem de daha dar bir araştırma alanı sunuyor. Yapay zekanın birkaç dakikada işleyeceği milyonlarca verinin yanında doktorumuzun birkaç saatini alabilecek, çok daha dar bir veri dağarcığından bahsediyoruz. Yapay zekaya ihtiyacımız var. Ancak gizliliğimizi de korumalıyız.

Federated learning, tüm kişisel bilgilerin hastanelerde kalmasını ve işlenmiş ve bir model haline getirilmiş verinin ortak bir havuza – merkeze gönderilmesini kapsıyor. Böylece, orijinal veri hastaneyi asla terk etmemiş oluyor ancak o verinin yapay zeka tarafından kullanabilecek tüm detayları da havuza aktarılmış oluyor. Yani aslında paylaşılan şey verinin iç yüzü yerine, onu tanıtan bir imgesi.

Tabii bu konuda da aşmamız gereken birtakım engeller bulunuyor. Federatif öğrenme metodunun, orijinal verilerde bulunan bilgileri yeterince iyi modelleyememe riski var. Diğer bir sorun ise hastane personellerinin bu konuda yeterli teknik bilgiye sahip olmaması. Raskar, henüz bu konuda yapılması gereken çalışmaların bulunduğunu ancak birçoğunun da basit çalışmalar olacağını düşünüyor.

Bir diğer gizliliğin ön plana alındığı yapay zeka yöntemi ise split learning (bölünmüş öğrenme). Federatif öğrenme metoduyla benzer bir prensibe sahip olan split learning’de verilerin sadece yarısı hastanede işlenirken diğer yarısı ortak havuzda işleniyor. Bunun sebebi, hastanelerin daha düşük sistemlerle de bu işi yürütebilmesini sağlamak.

Hastaların farklı tedavi yöntemlerine ve ilaçlara karşı direncini tahmin etmek için federated learning yöntemini kullanan Owking ve yine federated learning alanında çalışan teknoloji devi IBM bu alanlarda incelenebilecek çıktılar ile sektördeki yeni gelişmeleri belirleme şansına sahip olabilirler.

“Çok heyecanlıyım. Bugün onkolojide en büyük bariyer bilgi. Şimdi bu bilgiyi elde etme ve tıbbi keşifler yapma gücüne sahip olmamız gerçekten hayret verici. ”

-Owkin kurucu ortağı Thomas Clozel

Son yılların anahtar kelimesi olan dağıtık-merkeziyetsiz sistemler blok zincirinden sonra burada da karşımıza çıkmış oluyor. Yapay zekadaki gizlilik sorunun blockchain ile giderilmesi de ihtimaller arasında.

Not: İçerikte bahsi geçen federated learning ve split learning terimlerinin Türkçe karşılığı için herhangi bir kaynağa ulaşamadık. Bu hususta TDK’den fikir talebimize cevap geldiğinde içerik güncellenecektir.

Kaynak: TechnologyReview

Share:

administrator

1997’de Nevşehir-Ortahisar’da doğdu. Marmara Üniversitesi’nde Basım Teknolojileri eğitimi görüyor. Gazeteciliğe ve doğru bilgi alma hakkına inanan Hasan, bir Onaran olarak sosyal inisiyatifin ve eğitimin gücüne inanıyor, geleceğin nerede olduğunu araştırıyor.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir