GSK, Yapay Zeka ile Sağlıkta Hataları Azaltmayı Hedefliyor

İlaç devi GSK, üretken yapay zekayı bilimsel literatür incelemesi, genom analizi ve ilaç keşfi gibi sağlık alanlarında daha etkili kullanmayı hedefliyor. Ancak, yapay zeka modellerinin yanlış veya uydurma bilgiler üretmesi (halüsinasyonlar) gibi zorluklarla karşılaşıyor. GSK, bu sorunu çözmek için çeşitli stratejiler geliştiriyor.

Halüsinasyon Sorunu ve Çözüm Yolları

Halüsinasyonlar, sağlık alanında ciddi sonuçlar doğurabileceğinden, GSK bu sorunu büyük dil modellerinin (LLM) eğitim aşamasında değil uygulama aşamasında çözmeye odaklanıyor. GSK'nin stratejileri arasında öz değerlendirme mekanizmaları, çoklu model örnekleme ve yinelemeli çıktı değerlendirmesi yer alıyor. GSK'nin AI ve makine öğrenimi kıdemli başkan yardımcısı Kim Branson, bu tekniklerin, bilim insanlarının daha hızlı ve güvenilir iç görüler elde etmesine yardımcı olduğunu belirtiyor.

Test Zamanında Hesaplama Gücünün Artırılması

GSK, yapay zeka uygulamalarının performansını artırmak için hesaplama kaynaklarını artırarak halüsinasyonları azaltmayı hedefliyor. Özellikle yinelemeli çıktı iyileştirme ve çoklu model toplama gibi karmaşık işlemler, model performansını artırmak için kritik öneme sahip. Branson, test zamanı hesaplama kaynaklarını artırmanın GSK'nin AI çabalarında dönüştürücü bir rol oynadığını vurguluyor. Öz değerlendirme ve toplu modelleme gibi stratejilerle GSK daha hızlı ve daha doğru sonuçlar üretebiliyor.

Halüsinasyonları Azaltma Stratejileri

GSK, halüsinasyonları azaltmak için iki ana strateji kullanıyor: 

1. Öz Değerlendirme ve Yinelemeli Çıktı İncelemesi

Bu teknik, LLM'lerin kendi yanıtlarını eleştirmesi ve kalitelerini arttırması üzerine kuruludur. Model, ilk çıktısını analiz ederek zayıf noktaları belirler ve gerektiğinde yanıtlarını gözden geçirir. 

2. Çoklu Model Örnekleme

GSK, çeşitli LLM'leri veya tek bir modelin farklı yapılandırmalarını kullanarak çıktıları karşılaştırıyor. Bu, tutarlı sonuçlar elde etmeye yardımcı oluyor.

Gelecek Planları

GSK, test zamanı hesaplama ölçeklendirmesini öncelikli hedef olarak belirleyerek yapay zeka destekli sağlık çözümlerini geliştirmeye devam etmeyi planlıyor. Bu yaklaşım, doğruluk, verimlilik ve ölçeklenebilirlik arasında denge kurarak sağlık alanında yenilikçi çözümler sunmayı amaçlıyor.