Zašto umjetna inteligencija ne može zamijeniti ljudske stručnjake

Želite li razumjeti kako bi umjetna inteligencija mogla promijeniti vaš posao, pogledajte radiologiju kao jasan primjer.

Radiologija je u posljednje vrijeme postala jedna od glavnih tema u utrci razvoja umjetne inteligencije. Prošlog mjeseca spominjana je više puta od strane tehnoloških direktora na Svjetskom ekonomskom forumu u Davosu, kao i u dokumentu Bijele kuće koji se bavi umjetnom inteligencijom i ekonomijom.

Radiologija je daleko od jedinog zanimanja na koje utiče umjetna inteligencija, koja se postepeno integriše u rad softverskih inženjera, nastavnika, pa čak i vodoinstalatera, među mnogim drugima. Ako se široko primijeni, Goldman Sachs procjenjuje da bi napredak povezan s umjetnom inteligencijom mogao istisnuti 6 do 7 posto radne snage u Sjedinjenim Američkim Državama, iako se očekuje da će ova tehnologija istovremeno stvarati i nova radna mjesta.

Ipak, radiologija je postala studija slučaja koja pokazuje kako umjetna inteligencija može unaprijediti posao, a ne zamijeniti ga. Vrsta posla u radiologiji posebno je pogodna za pomoć umjetne inteligencije, rekao je dr. Po Hao Chen, ljekar specijaliziran za dijagnostičku radiologiju u klinici Cleveland.

Radiologija raspolaže ogromnim količinama podataka dostupnih za istraživanje i primjenu umjetne inteligencije, kojoj su potrebne velike baze podataka za obuku. Umjetna inteligencija može analizirati velike količine informacija mnogo brže nego ljudi, a već pomaže u ubrzavanju određenih procesa u radiologiji, na primjer u određivanju koji snimci zahtijevaju hitnu pažnju.

Ipak, ljudski ljekari su i dalje neophodni za obavljanje većine posla, kao što su postavljanje dijagnoza, fizički pregledi pacijenata i pisanje izvještaja. Također se predviđa da će radna mjesta u radiologiji rasti brže nego u drugim oblastima, kako ova struka nastavlja prihvatati novu tehnologiju.

Umjetna inteligencija ne samo da ne zamjenjuje te radnike, već zapravo povećava količinu posla koju mogu obaviti i povećava potražnju za njihovim uslugama, rekao je Jack Karsten, istraživački saradnik u Centru za sigurnost i nove tehnologije Univerziteta Georgetown. To je svijetla budućnost na koju se tehnološka industrija može pozivati kao primjer da vještačka inteligencija čini dobro za ekonomiju.

Kako umjetna inteligencija pomaže poslu, a da ga ne zamjenjuje

Umjetna inteligencija izuzetno je dobra u analizi slika i prepoznavanju obrazaca u podacima, što je ključno za radiologiju. Ova oblast je već godinama digitalizirana, što znači da postoji obilje dostupnih podataka, prema riječima dr. Chena.

Postoje manji slučajevi koji su još uvijek analogni, ali u Sjedinjenim Američkim Državama, u najvećem broju slučajeva, svaki rendgenski snimak, svaki CT pregled i svaki MRI mogu biti dostupni u digitalnom obliku, rekao je Chen.

Danas radiolozi koriste vještačku inteligenciju kako bi odredili koje snimke treba prioritetno pregledati, poboljšali kvalitet slika i pomogli u sažimanju izvještaja, prema riječima dr. Chena i još dva stručnjaka iz oblasti radiologije koji su govorili za CNN.

To je nešto što nikoga ne zamjenjuje, već samo čini naš posao efikasnijim i smislenijim, rekao je dr. Shadpour Demehri, koji radi u interventnoj radiologiji na Johns Hopkins Medicine.

René Vidal, profesor inženjerstva i radiologije na Univerzitetu Pennsylvania, smatra da je umjetna inteligencija posebno korisna za dobijanje visokokvalitetnih MRI snimaka uz manji broj mjerenja. To ubrzava proces i omogućava da se u istom vremenskom periodu pregleda veći broj pacijenata.

U istraživačke svrhe ispituju se i druge primjene, poput korištenja ujetne inteligencije za mjerenje zapremine tumora ili automatsko popunjavanje izvještaja, iako su takve primjene još uvijek daleko, rekao je Vidal.

Poslovi za koje se predviđalo da će nestati, ali nisu

Alati umjetne inteligencije moraju dobiti odobrenje Američke agencije za hranu i lijekove za medicinsku upotrebu, što može potrajati oko osam godina, uzimajući u obzir proces razvoja i kliničkih ispitivanja, rekao je Vidal. Ipak, ta odobrenja se već dešavaju. Od 1.357 medicinskih uređaja s ugrađenom umjetnom inteligencijom koji trenutno imaju odobrenje FDA, njih 1.041 odnosi se na radiologiju.

Istovremeno, čini se da broj radnih mjesta u radiologiji raste. Američki Zavod za statistiku rada predviđa da će zaposlenost u radiologiji porasti za 5 posto u periodu od 2024. do 2034. godine, što je više od prosjeka od 3 posto za sva zanimanja. Podaci koje je Indeed dostavio CNN-u također pokazuju da je 2025. godine bilo više poslova u radiologiji nego prije pet godina.

Potražnja za snimanjem u procesu medicinske dijagnostike, zajedno s rastućom starijom populacijom, vjerovatno potiče potrebu za većim brojem radioloških usluga, kažu stručnjaci koji su razgovarali s CNN-om.

Međutim, to nije uvijek bilo dominantno razmišljanje. Geoffrey Hinton, dobitnik Nobelove nagrade za informatiku i često nazivan kumom vještačke inteligencije, rekao je 2016. godine da bi ljudi trebali prestati školovati radiologe, jer će duboko učenje, podskup umjetne inteligencije koji oponaša način na koji ljudski mozak uči, preuzeti taj posao u roku od pet do deset godina.

Hinton je prošle godine u emailu za New York Times rekao da je u tim izjavama iz 2016. godine govorio preširoko.

Demehri se prisjeća da je oko 2015. i 2016. godine u radiologiji postojala velika zabrinutost da će vještačka inteligencija zamijeniti ljudske uloge. Danas se ova tehnologija doživljava kao drugi par očiju, rekao je.

Opasnosti pretjeranog oslanjanja

Ipak, prema Chenu, postoje rizici vezani za pristrasnost i pretjerano oslanjanje na umjetnu inteligenciju. Za razliku od ljudskih radiologa, umjetna inteligencija može tačno predvidjeti rasu osobe na osnovu rendgenskog snimka, pokazala je studija MIT-a iz 2022. godine, što otvara zabrinutost zbog pristrasnosti u dijagnozama.

Chen također ističe da ga brine iskušenje donošenja kadrovskih odluka, poput zamjene ljekara medicinskom sestrom ili subspecijaliziranog radiologa ljekarom opće prakse, ako umjetna inteligencija postane dovoljno napredna. To može funkcionisati u nekim slučajevima, ali ne i kod većine stanja za koja se koristi radiologija, poput otkrivanja raka ili smrtonosnih infekcija.

Moramo razumjeti da veliki dio uspješnosti algoritma proizlazi iz činjenice da njegov rezultat pregleda stručnjak, rekao je. Zajedno, ta saradnja između mašine i stručnjaka čini stvarno poboljšanje, piše CNN.