Bumabalik tayo ngayon sa pangako na ginawa sa Bahagi Isa: AI na walang hallucination.

Ang Halaga ng Hallucination

Kapag ang isang pangkalahatang layunin na AI ay paminsan-minsan ay gumawa ng makatotohanang bagay, karaniwan itong nagtatapos bilang isang problema sa pagiging maaasahan. Magtanong muli, o magpapatunay ng isang tao. Ngunit kapag ang AI na tumutulong sa mga operasyon ng ospital ay gumawa nang parehong paraan, magkaiba ang mga kahihinatnan.

Markahan ang isang kagamitang ginamit bilang available, at dalawang pasyente ang itatalaga sa parehong mapagkukunan. Mag-ulat ng imbentaryo na hindi umiiral, at ang kawalan ng mga consumable ay malalaman sa umaga ng operasyon. Ipakita ang maling iskedyul bilang katotohanan, at ang pagkakamali ay kumakalat sa buong araw. Kung saan ang isang tao ay mag-double-check, ang AI na humuhuha ay nagtutulak pasulong. Ang katapusan ay isang insidente o pagkawala. Ang ospital ay isang lugar kung saan kahit isang hallucination ay hindi maaaring masipsip. Ang “karaniwang tama” ay maaaring sapat sa ibang mga industriya. Sa isang ospital ay hindi.

Ang Maling Sagot — Mas Matalinong Modelo

Ang karaniwang solusyon ng industriya ay gawing mas malaki at mas matalino ang mga modelo. Mas maraming data, mas malalaking modelo, mas makapal na mga safety rail. Hindi ito walang merito.

Ngunit malinaw ang limitasyon nito. Gaano man katalino ang modelo, ang pangunahing katotohanan — na huhula pa rin ito kapag hindi nito alam — ay hindi nagbabago. Ang paggawa ng modelo na mas malaki ay nagpapababa ng posibilidad na ang hula ay mali. Hindi nito pinapalayo ang paghuhula. At ang mahalaga sa ospital ay hindi ang average, kundi ang nag-iisang pinaka-mapanganib na sandali. Ang modelo ay maaaring maging tama nang siyamnaput’t siyam sa isang daan — ngunit kung ang isang hallucination na iyon ay nagdulot ng insidente, hindi na maaaring pagkatiwalaan ng ospital ang AI. Ang kailangan ng ospital ay hindi AI na “karaniwang tama,” kundi AI na hindi gumagawa ng kahit na ano kapag hindi nito alam.

Ang Aming Sagot — Alisin ang mga Puwang

Ang sagot ng Keynoty ay naiiba. Sa halip na gawing mas matalino ang mga modelo, iniaalis namin ang mga puwang kung saan kailangang humuha ng AI.

Ang mga nabasang ito na ay alam na kung paano. Sa Kabanata Isa, ang lahat ay nahahati nang tumpak. Sa Kabanata Dalawa, ang data ay konektado nang walang putol mula sa rekord hanggang sa kaalaman. Sa Kabanata Tatlo, ang maraming pananaw ay ini-layer nang walang misalignment sa ibabaw ng parehong katotohanan. Sa Kabanata Apat, ang multi-dimensional na klasipikasyon ay ginawa ang kahit hindi pamilyar na mga bagay na makilala. Sa Kabanata Lima, ang lahat ay konektado sa pamamagitan ng mga relasyon.

Sa isang ospital na nahahati at nakonektado sa ganitong paraan, walang mga puwang para mapunan ng AI. Sa halip na humuha, kinukuha lamang ng AI ang kung ano ang naka-imbak nang tumpak. Ang landas patungo sa paggawa ng matalinong modelo na mahusay sa paghuhula, at ang landas patungo sa pagtatayo ng kapaligiran kung saan hindi kinakailangan ang paghuhula — pinili namin ang ikalawa. Ito ang dahilan kung bakit lagi naming itinatatayo muna ang istraktura bago ang modelo. Kapag tumpak ang ontology, ang AI sa ibabaw nito ay ligtas kahit hindi ito magaling. Kapag depektibo ang ontology, kahit ang pinaka-magaling na AI ay mapanganib.

Hindi Nito Pinapalitan ang mga Tao

May isang maling pagkaunawa na dapat tugunan. Ang AI na hindi humuhuha ba ay nagtutulak ng mga tao sa labas? Kabaligtaran.

Kapag kinuha ng ontology ang paulit-ulit na trabaho ng ospital — pagsusuri, pagkakasundo, pagsubaybay, pagpuno ng kung ano ang namiss — ang mga tao ay bumabalik sa trabahong tanging mga tao lamang ang maaaring gawin. Ang mga doktor ay nagbibigay ng pasyente. Ang mga consultant ay nagbabasa ng mga tao. Ang mga operator ay nakatuon sa mas mahusay na pagpapasya. Sa bawat makabuluhang desisyon, palaging nandoon ang isang tao. Tinutulungan ng AI ang taong iyon na gumawa ng mga desisyon sa isang mas tumpak na pundasyon. Ang aming inaaalis ay hindi ang lugar ng mga tao, kundi ang mga puwang kung saan kailangang umasa ang mga tao sa paghuhula.

Isang Ontology na Itinayo mula sa Pasilidad, Hindi mula sa Desk

At mayroon pang isa. Ang ontology na ito ay hindi idinisenyo sa isang desk.

Sa nakalipas na walong taon, itinayo namin ang istrukturang ito habang direktang tinatanggap ang responsibilidad para sa mga operasyon ng ospital. Pinapatakbo namin ang mga ospital na aming sinusuportahan araw-araw gamit ang operating system na aming itinayo. Kapag bumasag ang isang klasipikasyon sa pasilidad, lumalabas ito sa parehong araw. Ang isang nawawalang koneksyon ay agad na nagiging problema. Sinisubukan namin ang ontology sa mga resulta ng bawat araw ng mga operasyon, at muling pinino ito.

Ang klasipikasyon na nagsimula sa teorya ay napatunayan sa pasilidad, at ang mga problema sa pasilidad ay nagpapalakas ng klasipikasyon. Dahil hindi namin itinigil ang ikot na ito nang walong taon, ang aming ontology ay naging hindi isang diagram sa isang papel kundi isang buhay na istraktura na talagang nagpapatakbo ng mga ospital. At ang istrukturang ito, na pino sa ganitong paraan, ay inililipat na namin sa mga ospital sa buong bansa — at sa kabila ng mga hangganan. Nagbabago ang ospital; ang pundasyon ay hindi. Ang prinsipyo — hatiin nang tumpak, pagkatapos ay ikonekta nang tumpak — ay gumagana nang parehong paraan sa bawat ospital.

Ang Ontology ay Hindi ang Katapusan. Ito ang Simula.

Ang isang ospital na tumpak na nahahati at nakonektado ay hindi isang katapusan sa sarili nito. Ito ang nagpapahintulot ng isang bagay na mas malaki.

Kapag walang puwang para sa paghuhula, maaaring tanggapin ng AI ang mas maraming trabaho nang may kumpiyansa. Ang mga paulit-ulit na operasyon ay awtomatikong tumatakbo nang isa-isa, at ang mga tao ay unti-unting lumalipat sa mas mahahalagang papel. Ang “Hospital Autonomous Driving” — ang pangako na ginawa sa katapusan ng Bahagi Isa — ay posible lamang sa pundasyon na ito. Tulad ng isang autonomous vehicle na hindi makagalaw nang kahit isang pulgada nang wala ang tumpak na mga mapa at sensor, ang autonomous na operasyon ng ospital ay hindi nagsisimula nang walang tumpak na ontology.

Ito ang dahilan kung bakit para sa amin, ang ontology ay hindi isang tampok. Ito ang simula ng lahat. Bawat screen na aming itinayo, bawat automation, bawat AI ay nakatayo sa pundasyon na ito. Kapag tumpak ang pundasyon, lahat ng nasa itaas nito ay tumpak. Kapag nanginig ang pundasyon, lahat ng nasa itaas nito ay nanginig. Ito ang dahilan kung bakit gumastos kami ng walong taon na nagtatayo mula sa pinaka-malalim na layer muna.

Ang Pag-alam ay Pag-uuri

Ang Keynoty ay isang kumpanya ng AI. Ito rin ay isang kumpanya ng CRM. Ito rin ay isang kumpanya ng solusyon. Ginagawa namin ang lahat ng mga bagay na ito. Ngunit walang isa sa mga ito ang ganap na naglalarawan sa amin.

Sa isang pangungusap: Ang Keynoty ay isang kumpanyang nag-oorganisa ng data ng ospital sa pamamagitan ng ontology, upang ang AI at mga tao ay maaaring magtrabaho nang ligtas nang magkasama. At nakatuon lamang kami sa pangangalagang pangkalusugan. Hindi kami nagpapalawak sa ibang mga industriya. Inilalaan namin ang lahat ng aming oras sa isang mundong tinatawag na ospital.

Ang pag-alam ay pag-uuri. Itinatatayo namin ang susunod na panahon ng mga ospital sa isang pangungusap na iyon.