下の英語字幕をダブルクリックすると動画を再生できます。
翻訳: Yumi Urushihara
校正: Eriko T
00:13
Computer algorithms today
are performing incredible tasks
0
13280
3856
現在のコンピューターアルゴリズムは
素晴らしい仕事をしています
00:17
with high accuracies, at a massive scale,
using human-like intelligence.
1
17160
4736
人間のような知能を持ち 膨大なデータを
高い精度で処理しています
00:21
And this intelligence of computers
is often referred to as AI
2
21920
3936
このコンピューターの知能は
よく「AI」
00:25
or artificial intelligence.
3
25880
1856
あるいは「人工知能」と呼ばれます
00:27
AI is poised to make an incredible impact
on our lives in the future.
4
27760
4200
AIは 人々の将来の暮らしに
素晴らしい影響を及ぼそうとしています
00:32
Today, however,
we still face massive challenges
5
32880
3936
しかし 私達は今でも
感染症やがんなどの
00:36
in detecting and diagnosing
several life-threatening illnesses,
6
36840
3496
命に関わる病気を
発見や診断をする際に
00:40
such as infectious diseases and cancer.
7
40360
2360
数多くの課題に直面しています
00:44
Thousands of patients every year
8
44000
2296
毎年 何千人もの患者が
00:46
lose their lives
due to liver and oral cancer.
9
46320
2800
肝臓がんや口腔がんで
亡くなっています
00:49
Our best way to help these patients
10
49880
2696
これらの患者を救う
最善の方策は
00:52
is to perform early detection
and diagnoses of these diseases.
11
52600
4320
がんの早期発見と診断を
行うことです
00:57
So how do we detect these diseases today,
and can artificial intelligence help?
12
57880
4160
現在 病気はどう検出されているでしょう?
AIは活用可能でしょうか?
01:03
In patients who, unfortunately,
are suspected of these diseases,
13
63920
3656
不幸にも 患者にこれらの
病気の疑いがある際には
01:07
an expert physician first orders
14
67600
2656
専門医が最初に指示するのは
01:10
very expensive
medical imaging technologies
15
70280
2616
蛍光イメージング、CT、MRIなどの
01:12
such as fluorescent imaging,
CTs, MRIs, to be performed.
16
72920
4096
とても高価な
医用画像技術の使用です
01:17
Once those images are collected,
17
77040
2296
画像が集まったら
01:19
another expert physician then diagnoses
those images and talks to the patient.
18
79360
4520
また別の専門医が画像を診断し
患者に診断を告げます
01:24
As you can see, this is
a very resource-intensive process,
19
84520
3456
お分かりのように この過程は
膨大なリソースを要します
01:28
requiring both expert physicians,
expensive medical imaging technologies,
20
88000
4416
2人の専門医、高価な医用画像技術
01:32
and is not considered practical
for the developing world.
21
92440
3096
発展途上国では
実用的ではありません
01:35
And in fact, in many
industrialized nations, as well.
22
95560
3360
実際は 多くの先進国でも同じです
01:39
So, can we solve this problem
using artificial intelligence?
23
99760
2880
ではAIを使って この問題を
解決できるでしょうか?
01:43
Today, if I were to use traditional
artificial intelligence architectures
24
103840
4056
現在 もし私が従来の
AIの仕組みを使って
01:47
to solve this problem,
25
107920
1216
この問題を解決しようとしたなら
01:49
I would require 10,000 --
26
109160
1456
1万枚もの―
01:50
I repeat, on an order of 10,000
of these very expensive medical images
27
110640
4016
繰り返しますが 万単位の
とても高価な医用画像が
01:54
first to be generated.
28
114680
1376
まず必要になります
01:56
After that, I would then go
to an expert physician,
29
116080
2896
その後 私は
専門医のところに行き
01:59
who would then analyze
those images for me.
30
119000
2496
これらの画像を
分析してもらいます
02:01
And using those two pieces of information,
31
121520
2096
そして これら2つの
情報を用いて
02:03
I can train a standard deep neural network
or a deep learning network
32
123640
3656
患者を診断するために 標準的な
ディープニューラルネットワーク
02:07
to provide patient's diagnosis.
33
127320
2136
または ディープラーニングネットワークに
学習させることができます
02:09
Similar to the first approach,
34
129480
1736
最初のアプローチと同じように
02:11
traditional artificial
intelligence approaches
35
131240
2143
AIを使った従来のアプローチでは
02:13
suffer from the same problem.
36
133407
1449
同じ問題に突き当たります
02:14
Large amounts of data, expert physicians
and expert medical imaging technologies.
37
134880
4560
膨大なデータ、専門医
専門医用画像技術
02:20
So, can we invent more scalable, effective
38
140320
4296
では より広めやすく、より効果的で
02:24
and more valuable artificial
intelligence architectures
39
144640
3296
より価値のある
AIを構築し
02:27
to solve these very important
problems facing us today?
40
147960
3056
現在私達が直面する 重要な課題を
解決することは可能でしょうか?
02:31
And this is exactly
what my group at MIT Media Lab does.
41
151040
3296
それがまさに MITメディアラボで
私のグループが取り組んでいる内容です
02:34
We have invented a variety
of unorthodox AI architectures
42
154360
3856
現在 医用画像や臨床試験で直面する
最も重要な課題のいくつかを解決するために
02:38
to solve some of the most important
challenges facing us today
43
158240
3176
いくつかの斬新な
AIの仕組みを開発しました
02:41
in medical imaging and clinical trials.
44
161440
2200
02:44
In the example I shared
with you today, we had two goals.
45
164480
3056
今日皆さんにお伝えした例では
2つの目標がありました
02:47
Our first goal was to reduce
the number of images
46
167560
2976
最初の目標は
AIのアルゴリズムの
02:50
required to train
artificial intelligence algorithms.
47
170560
3256
学習に必要な画像の
枚数を減らすことでした
02:53
Our second goal -- we were more ambitious,
48
173840
2096
2つ目の目標は
より野心的で
02:55
we wanted to reduce the use
of expensive medical imaging technologies
49
175960
3736
患者をスクリーニングする際の
高価な医用画像技術の使用を
02:59
to screen patients.
50
179720
1216
減らしたいと考えました
03:00
So how did we do it?
51
180960
1200
私達は どう取り組んだでしょう?
03:02
For our first goal,
52
182920
1216
最初の目標については
03:04
instead of starting
with tens and thousands
53
184160
2056
従来のAIのように
03:06
of these very expensive medical images,
like traditional AI,
54
186240
3016
数万枚もの高価な医用画像から
取りかかるのではなく
03:09
we started with a single medical image.
55
189280
2056
1枚の医用画像から
始めることにしました
03:11
From this image, my team and I
figured out a very clever way
56
191360
3776
私のチームは
この画像から 何十億もの
03:15
to extract billions
of information packets.
57
195160
2736
情報パケットを抽出する
賢い方法を見つけました
03:17
These information packets
included colors, pixels, geometry
58
197920
3696
これら情報パケットに含まれるのは
色、画素、位置関係—
03:21
and rendering of the disease
on the medical image.
59
201640
2536
そして医用画像に
病巣をレンダリングしたものです
03:24
In a sense, we converted one image
into billions of training data points,
60
204200
4336
ある意味 1枚の画像を何十億もの
学習用データへ変換できたことで
03:28
massively reducing the amount of data
needed for training.
61
208560
3536
学習に必要なデータ量の
大幅減が可能になりました
03:32
For our second goal,
62
212120
1216
二つ目の目標
03:33
to reduce the use of expensive medical
imaging technologies to screen patients,
63
213360
3856
スクリーニングの目的で
高価な医用画像検査の使用を減らすために
03:37
we started with a standard,
white light photograph,
64
217240
2856
患者のためにデジタル一眼レフカメラや
携帯電話で撮影された
03:40
acquired either from a DSLR camera
or a mobile phone, for the patient.
65
220120
4336
標準的な白色光の写真から始めました
03:44
Then remember those
billions of information packets?
66
224480
2456
先程の何十億もの
情報パケットを覚えていますか?
03:46
We overlaid those from
the medical image onto this image,
67
226960
3536
医用画像から得たそれらの情報を
この画像の上に重ね
03:50
creating something
that we call a composite image.
68
230520
2520
いわゆる 合成写真を作りました
03:53
Much to our surprise,
we only required 50 --
69
233480
3296
かなり驚いたことに
わずか50枚で十分でした
03:56
I repeat, only 50 --
70
236800
1336
繰り返しますが
わずか50枚の
03:58
of these composite images to train
our algorithms to high efficiencies.
71
238160
3840
合成写真で 効率よくアルゴリズムに
学習させることができました
04:02
To summarize our approach,
72
242680
1336
私達のアプローチをまとめると
04:04
instead of using 10,000
very expensive medical images,
73
244040
3176
1万枚の とても高価な医用画像を
使うのではなく
04:07
we can now train the AI algorithms
in an unorthodox way,
74
247240
3016
AIアルゴリズムを画期的な
方法で学習させることが可能になりました
04:10
using only 50 of these high-resolution,
but standard photographs,
75
250280
4256
デジタル一眼レフカメラや
携帯電話で撮影した
04:14
acquired from DSLR cameras
and mobile phones,
76
254560
2496
標準的な高解像度写真が
たった50枚あれば
04:17
and provide diagnosis.
77
257080
1536
診断ができます
04:18
More importantly,
78
258640
1216
より重要なことに
04:19
our algorithms can accept,
in the future and even right now,
79
259880
3136
私達のアルゴリズムは
将来 そして今でも
04:23
some very simple, white light
photographs from the patient,
80
263040
2816
高価な医用画像技術ではなく
患者が持つ
04:25
instead of expensive
medical imaging technologies.
81
265880
2440
ごくシンプルな 白色光写真を
活用できます
04:29
I believe that we are poised
to enter an era
82
269120
3096
AIが私達の将来に
素晴らしい影響を及ぼす
04:32
where artificial intelligence
83
272240
1936
時代に入ろうとしていると
04:34
is going to make an incredible
impact on our future.
84
274200
2536
私は考えています
04:36
And I think that thinking
about traditional AI,
85
276760
2456
データはたくさんあれど
運用が不便だった
04:39
which is data-rich but application-poor,
86
279240
2776
従来のAIのことを考えると
04:42
we should also continue thinking
87
282040
1536
特に医療分野において
04:43
about unorthodox artificial
intelligence architectures,
88
283600
3016
少量のデータを活用し
04:46
which can accept small amounts of data
89
286640
1936
私達が現在直面する
04:48
and solve some of the most important
problems facing us today,
90
288600
2936
最も大切な課題を解決できる
斬新なAIの仕組みについて
04:51
especially in health care.
91
291560
1256
引き続き考えていくべきです
04:52
Thank you very much.
92
292840
1216
どうもありがとうございました
04:54
(Applause)
93
294080
3840
(拍手)
New videos
このウェブサイトについて
このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。