Download presentation
Presentation is loading. Please wait.
1
Working with AI effectively Machine learning: the power and promise of computers that learn by example 박채근 이일수 정상엽
2
Kick the neck Human-machine interaction
How do we design machine learning systems so that humans can work with them safely and effectively? (Chapter 6) 2. 인간과 AI – 기업에서의 협업 (1) 기계를 보조하는 인간 (2) 인간을 보조하는 기계 3. AI를 활용하는 의사
3
Human-machine interaction
4
인간과 AI – 기업에서의 협업 어떻게 인간과 AI를 잘 조화 시킬 수 있을 것인가?
출처: < Human + Machine: Remagining Work in the Age of AI > - H. James Wilson, Paul R. Daugherty
5
기계를 보조하는 인간 훈련하기 설명하기 지속하기
6
훈련하기 설명하기 지속하기 Ex) 마이크로소프트의 코르타나 관련분야 전문가 필요 윤리규범을 위한 지속관리자
7
인간을 보조하는 기계 증폭하기 교류하기 구현하기
8
증폭하기 교류하기 구현하기 Ex) 코봇 -상황인식능력 Ex) 오토데스크의 드림캐쳐 AI 비서
9
인공지능의 시대, 의사의 새로운 역할은? 정확성과 안정성이 보장되어도
임상적인 효용(clinical utility)이 확인되지 않았다. 일반적으로 기대하는 것들: 1. 환자 생존율 증가 및 재발률 감소 등 치료 효과의 개선, 진료 정확도의 향상, 오진의 감소 2. 진료 효율성의 증대, 의료 비용의 절감, 병원 매출의 증대, 의료 수가 확보, 환자의 만족도, 의료진의 만족도 누가 어떻게 활용하는지가 중요
10
의사의 인공지능 활용: 선택과 결정 어떤 환자의 경우에 인공지능의 의견을 구할 것인가? 환자가 인공지능의 의견을 요구할 수 있도록 할 것인가? 인공지능의 결정과 의료진의 결정이 충돌하는 경우는? 인공지능의 결론을 환자에게 공개하는 것이 좋은가? 인공지능의 의견을 듣는 것에 건강 보험료를 지불해야 하는가? 약, 여러 의료 장비 … < 의료 인공 지능 < 의료진
11
임상적 효용(clinical utility)의 증명
15여년에 걸친 유방촬영술 CAD의 임상적 효용 증명과 최종 결과 인공지능의 임상적 효용 증명에는 오랜 시간이 걸리며, 그 결과는 예상과 매우 다를 수 있음 요동치는 변화에 대비 하는 자세 필요
12
문제는 의학 교육이다 인공지능에 대한 이해의 필요성
새로운 의료 장비, 혁신적인 신약, 새로운 진단 방법을 활용하기 위해서 모든 의사가 기계적 작동 원리나 분자적 메커니즘까지 이해하지 않아도 됨. 그러나 최소한 기초 지식은 알아야 스스로에 대한 판단이 가능하며, 전문성을 갖추면 더 좋을 것이다. 의료 인공지능의 활용법을 정립하기엔 임상적 효용이 아직 완벽히 증명되지 않음
13
새로운 “명의”의 기준 기존 지식을 더 많이 암기하는 것 새로운 지식을 스스로 학습하고, 토론과 협업을 통해 적용
평생을 걸쳐 배우고 진화하는 의사 Life-Longer Learner 새로운 기술과 환경에 적응하는 의사 Adaptable practitioner Ex) 플립 러닝(Flipped Learning)
14
현재 예비 의사들은 샌드위치 신세.. 의학은 인공지능을 포함한 기술의 발전으로 패러다임의 변혁기 But 의학 교육은 이러한 변화를 따라가지 못하고 있음 기존의 패러다임에서 교육받고, 새로운 패러다임 내에서 진료하 는 마지막 세대가 될 것이다. 본과 때 많은 양의 의학 지식만을 공부하고 외우는 것이 우리의 미래에 도움이 될까요? 정말?
15
Reference royalsociety-ml-report.pdf 1201
Similar presentations
