ホームページ  >  記事  >  テクノロジー周辺機器  >  ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

王林
王林転載
2023-04-11 11:10:021272ブラウズ

ゲーム AI はどのようにして医師の仕事を行うことができるのでしょうか?

そして、この能力はゲームをプレイした経験から得られます。

ここで、フィルム全体の病理学的スキャンを実行すると、高倍率の視野をすべて通過しなくても病変を見つけることができます。

意見によれば、このプロセスは「Minecraft」へのログインに似ています。

それはすべて 3 つのステップです:

  • 最初に大きな環境を観察します
  • 狭い範囲をロックします
  • 最後に目標を決定します。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

#そしてこの方法は非常に効率的で、従来の方法の 400% です。

NeurIPS MineRL コンペティションで優勝したゲーム AI にふさわしい...

それでは、どうやって実現したのでしょうか?

ゲーム AI は世界にどのように役立ちますか?

このゲーム AI を紹介する前に、まず病理スライスの処理の難しさを理解しましょう。

一目見るだけで済む想像力とは異なり、臨床部門はまず組織切片をスキャンしてデジタル化します。

その後、医師に引き渡されるのは、多くの場合、数万×数万ピクセル以上の高解像度画像であり、1 ピクセルあたり 0.25 ミクロンに達する場合もあります。

医師がしなければならないことは、細胞や組織が密集したこの超巨大な画像から、危険な病変の位置を肉眼で見つけて判断することです。干し草の山の中の針」。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

近年、深層学習手法を使用してこの問題を解決しようとする人は誰もいませんでしたが、遭遇する課題は次のとおりです。

最初の、病的ではありますが画像 (WSI) はギガピクセル サイズの高解像度を持ち、多くの場合画像レベルのラベルが 1 つしかありません。

現在の手法のほとんどは、特徴抽出のための高倍率でのスライス全体の高密度サンプリングと、完全なスライス診断を達成するための収集されたすべての特徴の情報統合に依存しています。

第二に、これらの画像内の病変領域は非常にまばらであることがよくあります。既存の方法のほとんどはマルチインスタンス学習フレームワークに依存しており、高倍率での局所画像パッチの高密度サンプリングが必要です。

これにより、計算コストが増加するだけでなく、診断相関が弱く、データ効率が低くなり、スライスの計算が完了するまでに数十分かかることがよくあります。

しかし、今回、テンセントの「Juewu」チームは盲点を発見しました -

従来のモデルでは、医師は肉眼で見る必要がありますが、多くの場合、顕微鏡を使用して観察します。まず低倍率でフィルムを顕微鏡でスキャンし、経験に基づいて疑わしい点を見つけてから、高倍率の顕微鏡で確認します。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

そして、この種の操作が AI の世界に導入された場合、それは最適経路の意思決定問題になるのではないでしょうか?これが強化学習でできることではないでしょうか?

強化学習はゲーム AI でよく使用されますが、ゲーム AI は Juewu AI の強みであり、利点は閉ループです。

これまで、Juewu AI は、最適パスの意思決定戦略により、MOBA、RTS、Minecraft、その他の種類のゲームで優れた成績を収めており、トップ AI カンファレンスである NeurIPS MineRL コンテストのチャンピオンシップでも優勝しました。

当時、CMU、Microsoft、DeepMind、OpenAI はトップカンファレンス NeurIPS で MineRL と呼ばれるコンペティションを共同開催し、参加チームは 15 分でダイヤモンドを掘り出せるマシンを 4 日以内にトレーニングすることが求められました。AI」鉱夫」。

Tencent の Juewu AI が 76.97 ポイントの絶対的なアドバンテージで優勝し、チャレンジ史上「最速のマイニング」AI となることに成功しました。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

「Minecraft」で木材を見つけるアクションは、実際には病理学的スライドで病変を見つけるアクションと似ています。

同じプロセスは、全体的な情報を収集するために周囲を見回し (病理学者が低倍率の顕微鏡でフィルムをスキャンします)、次に視点をロックし (高倍率の顕微鏡で確認)、木材を見つけ、収集動作(病変の確認)などを行います。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

そこで、このゲーム AI に基づいて、テンセントの研究者は最新の研究結果「Juewu RLogist」を立ち上げました。これは正確には RL (強化学習) 病理学者を意味します。

それでは、Juewu RLogist はどのように実装されるのでしょうか?

意思決定効率が 400% 向上

前述の人間の医師のソリューションアイデアと同様に、「Juewu RLogist」は深層強化学習を使用して最適なソリューションを見つけますスライス パス法。

この新しい方法の利点は明らかです: 局所的な画像タイルを分析するための従来の徹底的な方法の使用を回避しますが、最初に観察値の領域を見つけることを決定し、複数の解像度レベルにわたって代表的な特徴を取得して、解釈を高速化します。映画全体の。

人間の思考を模倣することで、映画鑑賞の効率が向上するだけでなく、コストの削減にもつながります。

具体的には、研究者らは、条件付き特徴超解像度を通じて、解像度を超えた情報融合を実現しました。

条件付きモデリングの利点を活用して、観測されていない領域の高解像度フィーチャを、観測された低解像度フィーチャと高解像度フィーチャのペアに基づいて更新できます。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

重要なステップの 1 つは、病理学的画像分析の分野向けの強化学習トレーニング環境を定義することです。この方法では、離散化されたアクション空間、適切に設計された画像ブロック、および完了状態報酬関数を使用して、モデルの収束パフォーマンスを向上させ、局所的な最適性を回避します。

対応するトレーニング パイプラインは、次のアルゴリズムに示されています。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

結果から、Juewu RLogist の利点は非常に明白です。研究者らは、ベンチマークテストのために、フィルム全体のスキャン画像の 2 つの分類タスク、「リンパ節スライス転移検出」と「肺がん分類」を選択しました。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

結果は、一般的なマルチインスタンス学習アルゴリズムと比較して、「Juewu RLogist」は観測経路が大幅に短い場合でも、平均時間で厳密な分類パフォーマンスを達成できることを示しています。は 4 分の 1 に短縮され、意思決定の効率は 400% 向上します。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

それだけでなく、このメソッドは解釈可能です。意思決定プロセスを視覚化した後、研究者らは、Juewu RLogist が将来、医学教育と実際のシナリオの両方で優れた役割を果たせる可能性があることを発見しました。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

現在、この論文は AAAI 2023 に受理され、コードはオープンソースになっています。

研究者らは、より強力なニューラル ネットワーク構造の導入や高次のアルゴリズムの使用による RLogist の表現学習機能の強化など、今後も Juewu RLogist の方向性に沿って最適化を続けることを強調したことにも言及する価値があります。 RL トレーニング方法は、間違った観察経路の学習などを回避します。

「Juewu RLogist」の由来はどこですか?

AI「ジュエウ」といえば、ご存知の方も多いのではないでしょうか。

結局のところ、「Honor of Kings」の AI ゲームプレイは「Juewu Challenge」です。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

△赤い AI アーマーは全体像に優れており、草むらにしゃがむことで戦況を変えることができます。

「Minecraft」もあります』や3D-FPSゲームなど、『ジュエウ』ゲームの古参プレイヤーと言えるでしょう。

その背後にあるチームである Tencent AI Lab は、AI にゲームのプレイを学習させることにおいてもベテランです。2016 年以来、AI「絶妙な芸術」、AI「卓越した啓蒙」を開発し、「啓蒙」プラットフォーム。

AI「ジュエイ」はチェスとカードゲームのプレイヤーです。

その開発は 2016 年に Go から始まりました。

2017 年、「Jueyi」は UEC 世界コンピュータ囲碁会議で優勝し、現在は代表チームのプロ スパーリング パートナーです。

さらに、チェスや麻雀もプレイできます。四人麻雀に関しては、「住易」は業界で初めて国際基準でプロ基準に達した麻雀であり、IJCAI麻雀AI大会で優勝を果たしています。

「Jue Yi」の足跡をたどり、2017 年に「Jue Wu」の研究開発が開始されました。

これは、もはや単純なゲームではなく、より複雑な環境に直面するマルチエージェント AI の戦略的問題を強調しています。

2018年、「Jue Yi」は「Honor of Kings」のアマチュアプレイヤーのレベルに達し、2019年にはプロのeスポーツのレベルに達しました。

次の「King Jue Wu」は、「Challenge Jue Wu」、「Hero Training Ground」、その他のゲームプレイ方法を Honor of Kings プレイヤーに提供し、プレイヤーがトレーニングしてスコアを向上させるための優れた助けとなります。

さらに、「Juewu」は「Minecraft」をプレイし、NeurIPS MineRL コンテストで優勝し、チャレンジ史上「最速のマイニング」AI になることに成功しました。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

AI

「サッカーバージョン」ジュエウは、Google が開催したオンライン世界サッカー選手権でも優勝しています。

ゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。

ゲーム AI を作成する過程で、Tencent AI Lab は Honor of Kings と共同でプラットフォーム「Enlightenment」も開発しました。

つまり、Tencent のプラットフォーム、アルゴリズム、シナリオが学生や学術サークルに提供され、関連するゲーム研究を行うことができるようになります。 2020年8月、「Enlightenment」プラットフォームは最初のEnlightenment大学コンテストを開催し、今年はHonor of Kings 1v1オープン研究環境もリリースした。

実際、ゲーム分野は常に AI にとって最適な実験場とみなされてきました。

近年の「Juewu」のパフォーマンスを見ると、強化学習などの面で一定の能力を蓄積していることはわかります。

したがって、最高の機能を外部に移行し、実用的なアプリケーションレベルに置くことが業界の一般的な傾向でもあります。

今回は、ゲームAIが「無教養で無能」とは到底言えません。

論文アドレス: http://arxiv.org/abs/2212.01737

オープンソース アドレス: https://github.com/tencent-ailab/RLogist

以上がゲームを上手にプレイするAIはすでに患者を治療し、命を救っています。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明:
この記事は51cto.comで複製されています。侵害がある場合は、admin@php.cn までご連絡ください。