پایگاه خبری راه پرداخت دارای مجوز به شماره ۷۴۵۷۲ از وزارت فرهنگ و ارشاد اسلامی و بخشی از «شبکه عصر تراکنش» است. راه پرداخت فعالیت خود را از دوم اردیبهشت‌ماه ۱۳۹۰ شروع کرده و اکنون پرمخاطب‌ترین رسانه ایران در زمینه فناوری‌های مالی، بانکداری و پرداخت و استارت‌آپ‌های فین‌تک است.
ماهنامه عصر تراکنش شماره ۳۶ / اواخر ژانویه، تقریباً 10 روز پیش از اینکه نام کووید ۱۹ تا این حد شنیده شود، در بیمارستان‌های ووهان چین برای غربالگری بیماری روشی جدید را آزمایش کردند که با استفاده از هوش مصنوعی بود. این روش شامل سی‌تی‌اسکن‌های سینه می‌شد؛ اسکن‌های سه‌بعدی از ریه که بخش‌های مختلف آن را با جزئیات نشان می‌دهد. با مطالعه هزاران تصویر این‌چنینی، الگوریتم می‌آموخت تشخیص بدهد آیا ذات‌الریه بیمار ناشی از کووید ۱۹ است یا از بیماری رایج‌تری مثل آنفلوآنزا نشئت گرفته است.
این ویروس در فوریه در آمریکا شایع شد و روش پزشکان ووهانی، در آنجا هم مؤثر بود؛ از آنجایی که آزمایش‌های متداول کمتر در دسترس بود، روش جدید سبب شد افراد بیشتری سریع‌تر غربالگری شوند. هرچند، متخصصان سلامت خیلی هم به این روش اطمینان نداشتند. الگوریتم‌های تشخیصی بیماری‌های گوناگون توانسته‌اند تأییدیه سازمان غذا و داروی آمریکا را به دست آورده‌اند (شکستگی مچ دست، بیماری‌های چشم، سرطان سینه)، اما همان‌ها هم عموماً ماه‌ها یا سال‌ها مرحله آماده‌سازی را طی می‌کردند. این الگوریتم‌ها در بیمارستان‌های مختلف که بیماران گوناگونی در آن بستری بودند، مورد آزمایش قرار گرفتند، معایب و تأثیرشان بررسی شد و بارها و بارها اصلاح و مورد آزمایش قرار گرفتند.
آیا در مورد ویروس جدید داده کافی وجود داشت تا ذات‌الریه به‌دلیل کرونا را از ذات‌الریه ناشی از دیگر عوامل بیماری‌زا تشخیص دهند؟ در مورد بیماری‌های خفیف‌تر که آسیب خودش را کمتر نشان می‌دهد، چطور؟ همه‌گیری جهانی ویروس کرونا منتظر پاسخ نمی‌ماند، اما دارو و درمان باید در انتظار پاسخ بمانند.
اواخر مارس، سازمان ملل و سازمان بهداشت جهانی در گزارشی به بررسی سی‌تی‌اسکن ریه و دیگر نرم‌افزارهای هوش مصنوعی در مقابله با کووید ۱۹ پرداختند. آنها در ارزیابی بوروکراتیکشان، مؤدبانه گفته بودند پروژه‌های انگشت‌شماری به «بلوغ عملیاتی» رسیده‌اند.
محدودیت‌ها، قدمت بیشتری از بحران دارند، اما بحران باعث تشدید آنها می‌شود. هوش مصنوعی‌ای که قابل اعتماد باشد، به توانایی انسانی ما در جمع‌آوری داده و قابل فهم کردن آن وابستگی دارد. ویروس کرونا بررسی موردی‌ای است از اینکه چرا انجام این کار حین بحران دشوار است.
به‌طور مثال، توصیه به استفاده از ماسک و مصرف ایبوپروفن را که مدام تغییر می‌کردند، در نظر بگیرید؛ پزشکان سر این موضوع که چه کسی و در چه مرحله‌ای از بیماری باید دستگاه تنفس مصنوعی داشته باشد، دچار کشمکش بودند. رفتارهای روزمره ما تحت تأثیر ذهنیت‌های نامعلوم بود؛ چه کسی به کرونا مبتلا می‌شود یا می‌میرد و اگر خودمان را قرنطینه نکنیم، شاهد مرگ چه تعداد بیمار دیگر خواهیم بود؟
همچنان که با این موقعیت سازگار می‌شدیم، هوش مصنوعی یک قدم عقب افتاد. با وجود این هنوز هم تصور می‌کنیم هوش مصنوعی قدرت دوراندیشی بیشتری نسبت به ما دارد.
پیشرفت و رشد داروها را در نظر بگیرید. یکی از درخشان‌ترین آزمایش‌های هوش مصنوعی را شرکت «دیپ‌مایند» وابسته به گوگل انجام داد. سیستم «آلفا‌فولد» این شرکت که در عرصه مدل‌سازی از مولکول‌های پروتئین سرآمد است، شکل ساختارهای کوچکی که ویروس را تشکیل می‌دهند، پیش‌بینی می‌کند. کشف این ساختارها در آزمایشگاه ممکن است روندی چندماهه باشد؛ اما ماه مارس که شرکت دیپ‌مایند طرح‌واره‌های شش پروتئین ویروسی را منتشر کرد، پروژه‌اش را طی شش روز انجام داده بود.
تیم پروژه خاطرنشان کرده بود که مدل‌ها تقریبی است؛ چراکه سیستم آزمایشگاهی آنها را تغییر داده است. اما این خبر به‌یادماندنی بود؛ هوش مصنوعی وارد میدان رقابت تولید واکسن شده بود. هرچند، این تلاش در جامعه تولید واکسن تفاوتی ایجاد نکرد.
«جولیا شالتزکی»، محقق کارآزموده رشته داروپژوهی و رئیس مرکز بیماری‌های جدید و نادیده گرفته‌شده «یوسی برکلی»، می‌گوید: «فعلاً نمی‌توانم نقش آنچنانی برای هوش مصنوعی متصور شوم.» بسیاری از مولکول‌های پروتئینی هدف که به‌خوبی تعریف شده‌اند، بدون کمک هوش مصنوعی، در آزمایشگاه‌ها تأیید شده‌اند. صرف وقت گران‌بها و کمک‌هزینه‌ها برای شروع از هیچ که استفاده از تولیدات سیستمی تجربی را دربر دارد، پرمخاطره است. شالتزکی می‌گوید پیشرفت فناورانه خوب است، اما اغلب به سمتی رانده می‌شود تا با آنچه می‌دانستیم و انتظار داشتیم، تطبیق پیدا کند.
او معتقد است در استفاده از هوش مصنوعی، پتانسیل کمک به کشف درمان‌ها وجود دارد. الگوریتم‌های هوش مصنوعی می‌توانند مکملی برای سایر تکنیک‌های داده‌کاوی باشند تا به ما کمک کنند حجم اطلاعات بسیار زیادی را که در دسترس داریم، غربالگری کنیم؛ برای مثال، علامت‌گذاری مراحل مختلف سلسله‌تحقیقی امیدوارکننده یا به‌کارگیری از داده‌های درمان‌های قدیمی‌تر که به نظر مؤثر می‌آیند.
داروی «باریسیتینیب» با همین روش شناسایی شد و حالا راهی کارآزمایی‌های بالینی شده است. امید دیگر این است که هوش مصنوعی بتواند تشخیص بدهد کووید ۱۹ چطور به بدن انسان حمله می‌کند. الگوریتم می‌توانست سابقه درمانی صدها بیمار را بکاود و مشخص کند کدام بیمار با خطر مرگ روبه‌روست و احتمال زنده‌ماندن کدام بیمار بیشتر است و حکایت‌های رایج میان پزشکان را به طرح‌های درمانی تبدیل کند.
اما باز هم، موضوع فقط و فقط، داده است؛ تا به حال چه داده‌هایی گرد‌آوری کرده‌ایم و آیا آنها را به شکلی دسته‌بندی کرده‌ایم که برای رایانه‌ها سودمند باشند؟ نظام سلامت ما برای پرورش چنین سیستم‌هایی، اطلاعات را در اختیار دیگران نمی‌گذارد؛ مقررات حریم خصوصی و مخزن‌های داده تجزیه‌شده حتی پیش از اینکه بانک‌های داده قدیمی و پرخطای نظام سلامت جلوی شما را بگیرند، متوقفتان می‌کنند.
امکان دارد این بحران چنین موضوعی را تغییر دهد. شاید وادارمان کند در مورد نحوه ذخیره و به‌اشتراک‌گذاری داده دوباره بیندیشیم. شاید هم ادامه مطالعه ویروس کرونا حتی پس از اینکه آشفتگی از میان رفت و مراقبت‌ها کمتر شد، باعث شود در زمانی که ویروس جهان‌گیر دیگری شایع شد، داده‌های متقن و هوش مصنوعی بهتری در اختیار داشته باشیم. هرچند، در حال حاضر غافلگیر نشده‌ایم که هوش مصنوعی نجات‌بخش‌مان از کووید ۱۹ نبوده است.