पिछले कुछ वर्षों में, हमने डेटा निर्माण में घातीय वृद्धि का अनुभव किया है। जब से हमारा स्मार्टफोन हमें बताता है कि हम कितने कदम उठाते हैं, सार्वजनिक परिवहन पर मिलने वाले समय की गणना करने के लिए, हम अपने मोबाइल डेटा दर पर कितने मेगाबाइट खर्च करते हैं।
बिग डेटा
जिस तरह यह डेटा हमारे दैनिक जीवन से उत्पन्न होता है, वैसा ही नैदानिक वातावरण में भी होता है: जितनी बार हम आपातकालीन कक्ष में जाते हैं, जितनी बार हम अस्पताल में भर्ती होते हैं, निर्धारित दवाओं की संख्या या हमारे दौरान लिए गए एक्स-रे। जीवन, दूसरों के बीच में।
कृत्रिम बुद्धिमत्ता
डेटा की विशाल मात्रा मानव विश्लेषणात्मक क्षमता से बहुत आगे है। इसके लिए ऐसी तकनीक की आवश्यकता है जो इस मूल्यवान डेटा को संग्रहीत, संसाधित और संरक्षित करने में सक्षम हो। इसलिए इसमें न सिर्फ कंप्यूटर की मदद जरूरी है बल्कि आर्टिफिशियल इंटेलिजेंस और एल्गोरिदम भी जरूरी है। और इन और अन्य उपकरणों के लिए धन्यवाद (डीप लर्निंग, मशीन लर्निंग) हाल के वर्षों में महामारी विज्ञान के संदर्भ में भविष्य के परिदृश्यों की भविष्यवाणी करने के अलावा, कई खोज कर रहे हैं, जैसा कि मूत्रजननांगी कैंसर के मामले में है।
ध्यान लगा के पढ़ना या सीखना
इन नए उपकरणों का एक और उदाहरण, इस बार डीप लर्निंग: जिस मामले में मशीन पैटर्न की एक श्रृंखला को पहचानना सीखती है, इस उदाहरण में, नेत्र संबंधी फंडस का विश्लेषण किया गया है। आज हम ओकुलर फंडस के संबंध और हृदय रोग के साथ इसके संबंध के बारे में जानते हैं। हम जो भविष्यवाणी करने में सक्षम नहीं थे और इतने उच्च स्तर की सटीकता के साथ जोखिम, साथ ही साथ अन्य पैरामीटर भी थे। मशीन ने 200,000 से अधिक रोगियों का विश्लेषण किया और अकेले आंख की नसों की मोटाई के माध्यम से न केवल जोखिम पैटर्न बल्कि भाग लेने वाली आबादी के लिंग की पहचान करने में सक्षम है-कुछ ऐसा जो मानव क्षमता हासिल नहीं कर पाया है, आज तक असंभव है।
एआई और फार्माकोजेनेटिक्स
इसके अलावा, फार्माकोजेनेटिक्स के क्षेत्र में महत्वपूर्ण प्रगति आ रही है। क्या आप कल्पना कर सकते हैं कि हमें मानव और गैर-मानव पशु आबादी में नई दवाओं का परीक्षण नहीं करना पड़ेगा? विभिन्न टीमें पहले से ही इस प्रकार के शोध कर रही हैं। कृत्रिम बुद्धि और बड़े पैमाने पर डेटा के उपयोग के माध्यम से, आबादी पर कई दवाओं के संभावित प्रभाव का अध्ययन पहले से ही किया जा रहा है।
एआई यहाँ रहने के लिए
आर्टिफिशियल इंटेलिजेंस कुछ दशक पहले रहने के लिए आया था, और व्यर्थ नहीं। हम भविष्य में देखेंगे कि यह सभी बड़े पैमाने पर बड़े पैमाने पर डेटा दुनिया की आबादी को कैसे प्रभावित करेगा। फिलहाल, एक सार्वभौमिक नैतिक ढांचा क्या होना चाहिए, इसकी नींव पहले से ही चल रही है। और उस नैतिक ढांचे को पारदर्शिता, निष्पक्षता, गैर-दुर्भावना, जवाबदेही और गोपनीयता जैसे सार्वभौमिक सिद्धांतों को संबोधित करना चाहिए।
