Ու՞մ հանձնել օրգանը փոխպատվաստման համար. արհեստական բանականության պատասխանը տարբերվում է բժիշկների կարծիքից

Կհամաձայնվե՞ք արդյոք փոխպատվաստման, եթե որոշումն արհեստական ​​բանականությունն ընդուներ: Նոր հետազոտությունը բացահայտել է որոշումների ընդունման՝  արհեստական բանականության լեզվական մոդելների և բժիշկների միջև մոտեցումների և առաջնահերթությունների բաշխման տարբերությունները:

Արհեստական ​​բանականության մոդելները չափազանց մեծ վստահություն են դրսևորում, տարբեր կերպ են գնահատում գործոնների նշանակությունը և չափազանց պարզեցնում են այն բարդ որոշումները, թե կոնկրետ որ բուժառուն պետք է ստանա օրգանը, ասվում է նոր հետազոտությունում:

Աշխատության շրջանակում ԱՄՆ Փենսիլվանիայի նահանգային համալսարանի հետազոտողները խոշոր լեզվական մոդելներին (LLM) հիպոթետիկ սցենարներ են առաջարկել. դրանք հիմնված են դոնորական երիկամների բաշխման վերաբերյալ հրապարակված հետազոտությունների գոյություն ունեցող տվյալների բազաների վրա, որոնցում իրական մասնակիցներն արդեն կատարել էին այդպիսի ընտրություն, հայտնում է Euronews-ը:

Յուրաքանչյուր սցենարին մասնակցում էր երկու բուժառու՝ բուժառու Ա և բուժառու Բ: Երկուսն էլ համապատասխանում էին միակ հասանելի երիկամի համար և նկարագրվում էին իրենց տարիքով, առողջական վիճակով ու ալկոհոլի օգտագործման սովորություններով: Այնուհետև որոշում ընդունող անձը պետք է ընտրեր, թե նրանցից որ մեկը կստանա օրգանը:

«Մենք այս համեմատություններն անցկացրել ենք մի քանի եղանակով,-  պատմել է Հադի Հոսեյնին,- Երբեմն մենք առանձնացնում էինք միայն մեկ բնութագիր, երբեմն համադրում էինք մի քանիսը՝ տեսնելու համար, թե ինչպես է արհեստական բանականությունը համեմատում մրցակցող գործոնները, իսկ երբեմն էլ ավելացնում էինք «վիճակ գցելու» տարբերակը՝ չափելու համար անվճռականությունը՝ մարդկային բարոյական դատողությունների առանցքային տարրը»:

Եթե մարդ-հարցվողները, որպես կանոն, ավելի մեծ նշանակություն էին տալիս տարիքին՝ նախապատվությունը տալով երիտասարդ բուժառուներին՝ տարեցների համեմատ, ապա բազմաթիվ մոդելներ, ընդհակառակը, ավելի հաճախ ընտրում էին նրանց, ովքեր ավելի քիչ են խմում: Մարդկային որոշումները հաշվի էին առնում մի քանի պարամետր և ավելի ուժեղ էին կախված համատեքստից, մինչդեռ LLM-ների որոշումները հաճախ կառուցվում էին մեկ միակ հատկանիշի շուրջ:

«Նախ, արհեստական բանականության վրա հիմնված չաթ-բոտերը հաճախ հակասում են մարդկային արժեքներին այն հարցում, թե ինչպես են նրանք գնահատում բուժառուի բնութագրերը,- պարզաբանել է հետազոտության գլխավոր հեղինակ, Փենսիլվանիայի նահանգային համալսարանի ներկայացուցիչ Հադի Հոսեյնին:- Նրանք կառչում են մեկ գործոնից, օրինակ՝ խմելու սովորություններից, այն բանի փոխարեն, որ, մարդկանց նման, միանգամից մի քանի հանգամանք ծանրութեթև կանեն»:

Հետազոտողները նկատել են նաև, որ արհեստական բանականության մոտ գործնականում բացակայում է անվճռականության վիճակը: Մարդիկ ընդունում են, որ միակ ճիշտ պատասխանը կարող է գոյություն չունենալ, և որ որոշումները հենվում են նուրբ բարոյական գնահատականների վրա, մինչդեռ համակարգերը գրեթե առանց տատանման մեկ տարբերակ են ընտրում:

«Երբ մենք բաշխում ենք դեֆիցիտային ռեսուրս՝ լինի դա երիկամ, աշխատատեղ, թե որևէ այլ բարիքի հասանելիություն, միակ օբյեկտիվորեն ճիշտ որոշում միշտ չէ, որ գոյություն ունի»,- ասել է Mozilla.ai-ի գլխավոր տնօրեն Ջոն Դիքերսոնը, որը մասնակցել է հետազոտությանը:

«Մարդիկ գիտակցում են այդ անորոշությունը և այն ներառում են բաշխման գործընթացում բաց քննարկման միջոցով: Արհեստական ​​բանականության մոդելները հաճախ չեն անում դա»:

Հեղինակները նշում են, որ արհեստական  բանականության համակարգերի հետ ժամանակակից փոխազդեցություններն ավելի ու ավելի են պահանջում դրանցից դուրս գալ փաստացի տեղեկատվության շրջանակից և արժեքային դատողություններ ձևավորել:

Խոշոր լեզվական մոդելները (LLM) ավելի ու ավելի ակտիվորեն են ներդրվում առողջապահության ոլորտում. դրանք օգնում են կլինիկական աշխատանքի կազմակերպմանը, ախտորոշումների կատարմանը, բուժման պլանավորմանը և սահմանափակ բժշկական ռեսուրսների ավելի ժամանակին օգտագործմանը:

Կիրառման նման ոլորտներից է մահացած և կենդանի դոնորների երիկամները բուժառուների միջև բաշխելու վերաբերյալ որոշումների ընդունցումը: Հեղինակների գնահատմամբ՝ այդ որոշումները կախված են բարդ էթիկական և բարոյական նկատառումներից:

Նման բարձր ռիսկայնությամբ իրավիճակներում, ընդգծում են հետազոտողները, կարևոր են ոչ միայն ճշգրտությունը, այլև որոշումների համապատասխանությունը մարդկային արժեքներին և բարոյական պատկերացումներին:

Նրանց կարծիքով՝ այն հարցը՝ արդյոք արհեստական բանականությունն ի վիճակի է բարոյական որոշումներ ընդունել և որքանով են դրանք համապատասխանում մարդկային արժեքներին, արհեստական ​​բանականության շուրջ այսօրվա լայն քննարկման կենտրոնում է:

«Սխալի էթիկական գինը չափազանց բարձր է այստեղ, և արհեստական բանականության դերը նման ճակատագրական որոշումներում լուրջ վերլուծություն է պահանջում,-  ասում է Հոսեյնին:- Օրգանների բաշխման ոլորտում բարոյական ընտրությունն ուղղակիորեն որոշում է, թե ով է ապրելու, իսկ ով` ոչ, այնպես որ (անկախ ամեն ինչից) արհեստական բանականության մասնակցությունը ճիշտ կազմակերպելն այս գործընթացում կենսական նշանակություն ունի»:

«Մենք նպատակ չունենք կոչ անելու օգտագործել արհեստական բանականությունը բժշկական որոշումներում կամ բարձր ռիսկայնության այլ համատեքստերում մասնագիտական ​​դատողության փոխարեն, սակայն անհրաժեշտություն է դառնում ըմբռնել նման համակարգերի վարքագիծը, քանի որ առանձին մարդիկ, կազմակերպություններ և ընկերություններ ավելի ու ավելի հաճախ են հենվում արհեստական բանականության վրա, երբ որոշումներ են ընդունում կամ առաջարկություններ ստանում»,- հավելել է նա: