Artificial intelligence etiketine sahip kayıtlar gösteriliyor. Tüm kayıtları göster
Artificial intelligence etiketine sahip kayıtlar gösteriliyor. Tüm kayıtları göster

2020-08-01

İkinci versiyon İnsan, Üçüncü versiyon Yaşam

İkinci versiyon İnsan, Üçüncü versiyon Yaşam

Dr. Nevit DİLMEN
04/04/2020, İstanbul
nevitdilmen@sonomed.com.tr

Bezelye dergisine bu daveti için teşekkür ederim. Ağırlıklı olarak genetikçilerin okuduğu bir dergiye nasıl katkı verebilirim diye düşündüğümde yaşamın ta kendisi konu olabilir diye bir fikir aklıma geldi. Yazının başlangıcı bugün, devamı geçmiş ve geleceğe ilişkindir. 

Bu yazının yazıldığı tarihlerde SARS Coronavirus 2’nin yol açtığı COVID-19 pandemisi hepimizin beklenmedik şekilde tarihe tanıklık etmemize yol açtı. Bazen gönüllü, bazen zorunlu olarak bu değişiklikleri yaşantımıza yansıttık. Bu vesile ile yaşamımızı temellendirdiğimiz sütunları gözden geçirmemiz fırsatı doğmuştur. Tsunami, çığ, deprem gibi felaketler, ani değişim yaratmaları açısından COVID-19’a benziyorlar. Nassim Taleb’in Siyah Kuğu adlı kitabı olası görünmeyenin etkisini anlatıyor. Olası görmediğimiz senaryoların etkisi COVID-19 gibi büyük olabilir.  Siyah Kuğu olasılığı düşük, etkisi büyük olayları simgelemektedir. Bahsetmek istediğim başka önemli bir etki ise Dunning-Kruger etkisidir.  “Yetkin olmayan insanlar, kendi becerilerine aşırı değer verme eğiliminde olup, yönetici olmayı hak ettiklerini düşünürler. ” Bu etkiye cahil cesareti veya kifayetsiz muhteris diyebiliriz ama aslında ikisini birden tanımlamaktadır. İnsanoğlunun kendini değerlendirme yetisi zayıftır ve bu kişiler güç sahibi ise bu zaafın etkisi büyük olur. Bilim insanları kuşkucudur, öte yandan aptallığın zirvesinde olanlar her şeyi bilirler. COVID-19’a bilim insanlarının tüm uyarılarına rağmen hazırlıksız yakalandık. Vincent ve arkadaşları 2007’de Clinical Microbiology Review dergisindeki yazılarında Koronavirüs konakları ve Çinlilerin yeme alışkanlıklarını birlikte ele aldıklarında bir koronavirüs salgını olasılığını patlama olasılığı yüksek bir bombaya benzetmişlerdi. Bilim insanlarından belki en önemlisi Dr. Li’dir. Dr. Li Wenliang 30 Aralık 2019'da Wuhan, Çin'de meydana gelen koronavirüs salgınını tespit edip acil durum uyarısında bulundu. 3 Ocak 2020'de Wuhan polisi tarafından tutuklandı, bir süre sonra görevine geri döndü ve maalesef 7 Şubat 2019’da Koronavirüs hastalığı nedeniyle yaşamını yitirdi. Onu tutuklayan yetkililer hala görev başındalar. Bundan sonra uyanık olmalıyız, hazırlıklı olmalıyız, bilimsel yöntemle düşünmeliyiz. Almanya, Kore ve Japonya yaygın eğitime önem verdiler ve meyvesini COVID-19 salgını sırasında topladılar. Yaşamımızda önemli ve önemsiz sıralarını değiştirmek gerekiyorsa belki şimdi tam zamanıdır. Anladık ki, virüs, din, dil, ırk statü tanımıyormuş, eşitlikçi imiş. Anladık ki kendimizi daha iyi yetiştirmeliyiz, dünyayı yöneten bazı kişiler sandığımız kadar bilgili ve hazırlıklı değillermiş. Anladık ki hiç bir ülke dünyanın tek başına sahibi değildir, global felaketler hepimizi etkiliyor. Anladık ki Çin'de bir yarasanın kanat çırpması, benim evden çıkmamı etkileyebilirmiş. Sağlıkçılar ve bilim insanları bir süredir unutulmuşlardı, ancak durmadan çalışıyorlardı. Anladık ki yaşam yoksa, sağlık yoksa, futbolun, eğlencenin, modanın, savaş aletlerinin bir değeri yok. Global, gerçek problemlerle karşılaşınca ulusal bütçelerden bilim dışı alanlara ayrılan payların ne işe yaradığını sorgulamaya başladık.  

Bilim aynı zamanda büyük bir güçtür. Bilim insanı olarak bu güç ile yaptığımız değişikliklerin nereye varacağını yine bilimsel yöntemler ile düşünmeliyiz. Yaşamın küçük yapı taşlarına ilişkin bilimsel bilgimiz 1600 lerde Antonie van Leeuwenhoek adlı kumaş tüccarının mikroskobu keşfetmesi ile başladı.  

Güneşin 4,6 milyar yıl, dünyamızın 4,5 milyar yıl önce oluştuğu düşünülüyor. Yaşamın nasıl başladığını tam olarak bilmiyoruz, ancak kimyasal çoğalmaların (abiyogenez) hücre zarı ve içinde gerçekleşen süreçler olarak devam ettiğini tahmin ediyoruz. İlk bakteriler 3.8 milyar yıl önce ortaya çıktılar. Ökaryotlar yaklaşık 1.6–2.1 milyar yıl önce ortaya çıktılar. Çok hücreliler 1.5 milyar yıl önce görünmeye başladılar. Birden fazla hücrenin aynı canlı içinde bulunması iletişim gereksinmesini doğurdu. Hücreler, bir biri ile kimyasal maddeler salarak veya elektriksel uyaranlar göndererek haberleşmeye başladılar. Bunu  takiben hücrelerde özelleşme görülmeye başladı. Bir kısmı algı üzerinde özelleşti; bazıları ise canlıyı hareket ettirmeye yarayan hücrelere dönüştü. Algılanan bazı uyaranlara karşı refleks adı verilen, otomatikleşen hareketler ortaya çıktı. Hücreler arası iletişimde özelleşen hücreler giderek beyin adlı yapıyı oluşturmaya başladılar. Canlı, bilgi işleyen bir sisteme dönüşünce, deri, göz, gibi farklı algılayıcılardan gelen bilgiler ilintilendirme, işleme ve depolamaya başladı. Bilgi işleyen hücreler canlıların sinir sistemini oluşturdu. Bunlar olup biterken canlılar çeşitlendi, başarılı canlılar nesillerini devam ettirdi, yaşamda kalmayı başaramayan, çoğalamayanlar tükendi gitti. Yaklaşık 500 milyon yıl önce çok hücreli canlılardan balık olarak başlayan ve omurgalı adı verilen bir grup canlı, sinir sistemini özel bir şekilde organize etti. Omurgalılarda beyin ve ona bağlı omurilikten oluşan, merkezi bir sinir sistemi bulunuyordu. Bu merkezden, duyu ve eylem organlarına bağlanan çok sayıda duysal ve eylemsel sinir, iletişimi sağlıyordu. Beyin ve omuriliği sert kemikler koruyordu. Bu başarılı tasarım, 65 milyon yıl önce, bugün bizim de içinde bulunduğumuz, memeli türünün başlangıcı oldu. Sadece primatlarda değil, topluluk halinde yaşayan canlılarda bir takım sesler, işaretler ve vücut dili iletişim amaçlı kullanılmaya başlandı. Birlikte hareket etmek, fırsatların ve tehlikenin varlığını duyurmak için bu işaretler kullanıldı. 15-20 milyon yıl öncesinde primatların atasını, 2.8 milyon yıl öncesinde ise hominidlerin fosillerini görmeye başlıyoruz. Bizim diğer canlılardan  farkımızın ne olduğunu  soracak olursak, kültür kelimesini yeğlerim. Bildiğiniz gibi, diğer canlıların birbiri ile iletişim için kullandıkları yöntemler mevcut. İnsanoğlu, bireyler arası bu iletişimi başka bir boyuta taşıyabilmiştir. Konuşma yetimiz, 1-100 kişilik küçük gruplarda karmaşık kavramların iletişimini mümkün kılmıştır. Resim çizme ve yazılı iletişim, kavramların aktarılmasında zaman ve mekan sınırını ortadan kaldırmıştır. 




1856’da başlayan, dergimizin de ismini aldığı bezelye deneyleri ile Gregor Mendel, genetiğin temelini atmıştır. 1910’da Thomas Hunt Morgan, genlerin kromozomlar üzerinde olduğunu buldu. DNA, ilk kez 1869 da İsviçreli hekim Friedrich Miescher tarafından, nüklein adı ile izole edildi. 1878’ de Albrecht Kossel DNA’dan beş baz çifti ayrıştırdı. 1962’ de Franklin, Watson, Crick, ve Wilkins DNA yapısını ortaya çıkardılar. 

Uzun gelebilen bu giriş, aslında milyarlarca yıl süren geçmişimizde son bir kaç yüz yılın önemini ortaya koymak için yeterlidir. Ürettiğimiz alet ve makinelerin bilgisine teknoloji diyoruz. Bilgiyi belirli yöntemler ile işleme ve sınamaya bilim diyoruz. Düşünceyi belli yöntemler ile işleme ve sınamaya felsefe diyoruz. Kuşkusuz 1430 larda matbaanın Johann Gutenberg tarafından icadı yazılı kültürün ve bilimin hızlı gelişmesinde büyük rol oynamıştır. Matbaayı rönesans ve aydınlanma çağı izledi. 1632’de doğan John Lock kralların gücünü sorgular, krallık gücünün tanrısal ve mutlak olmadığını, insan canını almayı kapsamadığını ifade eder. Montesquieu, yürütme, yasama ve yargı güçlerinin tek kişi elinde olmasının tehlikesine değinir. Rousseau, yönetme gücünün yöneten ve yönetilenin kabul ettiği toplumsal bir sözleşme ile mümkün olduğunun altını çizer. Voltaire ise, yönetenlerin tek bir dinin veya grubun temsilcisi gibi davranmaması gerektiğini, ancak bu şekilde barışçıl bir yönetimin mümkün olduğunu söyler. Yeni kıtaların keşfi, elde edilen müthiş zenginlik ve batılıların kendi toplumlarında sağladığı özgürlük, önce Avrupa sonra Amerika'yı bilim ve teknoloji merkezine dönüştürür. 

Elektrik ve elektronik ile ilgili keşifler, yüzlerce kişinin katkısı ile günümüze kadar gelmiştir. 1737 doğumlu Luigi Galvani’nin kurbağa galvanoskopu, canlılarda elektriksel iletinin önemini gösteren önemli deneylerden biridir. Bu deneyin, 230 yıl sonra gelmiş olduğu aşama ise, halen kullanmakta olduğumuz koklea implantlarıdır. Geliştirilmekte olan başka bir örneği ise insan beyni - bilgisayar arayüzleri veya daha bilinen örneği ile, 1971 doğumlu, girişimci Elon Musk’ın kurmuş olduğu Neuralink şirketidir. 

Bilgi işlemeye yardımcı araçlar abaküs ile başlayıp, elektroniğin gelişmesi ile hesap makineleri ve bilgisayar olarak devam etti. Beynimiz birkaç milyar yılda bugünkü haline gelmiş karbon bazlı bilgi işleyen bir sistem iken, insan üretimi silikon bazlı bilgi işleyen sistemlerin geçmişi 1907’de vakum tüplü triode, 1925 de Kanadalı Julius Edgar Lilienfeld, 1947’de John Bardeen, Walter Brattain ve William Shockley’ ın katkılarıyla, silikon bazlı transistörün icadı şeklinde özetlenebilir. Claude Shannon 1937’de 21 yaşındayken, MIT’de tüm zamanların en iyi tezi kabul edilen, elektronik bilgi işlemenin temeli olacak tezi yazdı. Tezde, röle gibi ikili anahtarlama sistemleri ile elektriksel bilgi işleme anlatılıyordu. Shannon 1948 yılında ise Bell laboratuvarında bilgi kuramını yazdı. 1948'de Norbert Wiener, Sibernetiği "hayvan ve makinedeki kontrol ve iletişimin bilimsel çalışması" olarak tanımladı. İlk bilgisayar olarak tanımlanabilecek ENIAC siparişi, 1941 yılında Pennsylvania Üniversitesi'ne verildi. 1945 yılında ENIAC çalışmaya başladı. 1950 yılında, Mind adlı felsefe dergisinde, Alan Turing'in “Computing Machinery and Intelligence” başlıklı makalesi yapay zekanın devrim noktalarından biri oldu. 

Yazının bundan sonraki kısmı, geleceğe ilişkin olduğu için bilim kurgu olarak düşünülebilir. Bu bölümde yazıların ne kadarının gerçekleşeceğine bilim insanları, siyasiler, güç ve para odakları yani insanlar karar verecekler. Önümüzdeki 50 -100 yılın bizlere neler getirebileceği konusunda tahminler yürütmeye çalışacağım. Sağduyumuzu hepten kaybedersek seçeneklerimizi dünyamızdaki kaynaklar ve kontrol edemeyeceğimiz olaylar dizisi belirleyecektir. 

Yaşam 2.0

worth1000.com
Genetiği değiştirilmiş tek ya da çok hücreli canlıları Yaşam 2.0 olarak adlandırabiliriz. Genetiği değiştirilmiş organizmalar halen bizim için pek çok iş yapmaktadırlar. Bunlardan tek hücreli olanlar, protein üretiminden, gıda, antibiyotik üretimi ve hammaddeye kadar, yeni bir endüstrinin temelini oluşturdular. Bunlar artık bilim kurgu değil. Genetiği değiştirilmiş bitkiler daha çok ürün veya sık görülen zararlılara karşı dirençli hale getiriliyor. Genetiği değiştirilmiş büyük hayvanların yeni amaçlar için kullanımı mümkündür. Örneğin yüzey antijenler yok edilmiş knock-out hayvanlar insanlar için yedek organ umudu olarak görülmekte. Genetiği değiştirilmiş organizmalar değil, genleri sıfırdan yazılmış, tasarlanmış organizmalara ne demeli? Tek hücreli olanlar artık hayal ürünü değildir. Hala bilim kurgu olan, çok hücreli tasarlanmış hayvanlardır. Omurgalılardan daha iyi bir tasarım olamaz mı? Nesli tükenmişleri yeniden üretmek nasıl olur?

İnsan 2.0 

Bugünkü insan 1.0’dan ikinci insan sürümüne geçmeye, Artı-insan, transhuman veya insan 2.0 için hazır mıyız? Bugünkü insanın gelişimi, uzun ve doğal iken, ikinci sürüm insan ise çok daha hızlı ve tasarıma dayalı olacaktır. 

Transplantlar ve farklı implantlar ile, insanı yamayabilmek mümkün olsa da transplantlar ve implantlar artık bizi şaşırtmıyor. Hastalıkları ve kusurları giderilse bile o insan hâlâ aynı insandır, insan 1.0’dır. 

Genetik bilgideki  patlama ve insanın değişime yol açma konusundaki istekli doğası, insanın 2.0 versiyonunu yakın gelecekte görmeyi kaçınılmaz hale mi getirecektir? Bu insana ne demeliyiz? Yüz binlerce yıldır insanlar, renkler, görünüşler ve bireyler arası farklılıklara karşın, tek bir tür olarak kaldı.

Kendi aralarından eş seçiminde, daha iyi bir yavru dünyaya getirmeye çalışan kraliyet aileleri ve aristokratların çabaları başarısız oldu. Bu tarz çabalar, küçük gen havuzundan kaynaklan doğum kusurlarına yol açtı. Yavrularının avantajlarını, bireysel üstünlüklerinden ziyade, sahip oldukları, sosyal ve parasal aile ağının üstünlüğünden kaynaklanıyordu.

Worth1000.com
Ari ırk üretmeye çalışan öjeni çalışmaları da başarısız oldu ve yasalara aykırı birer eylem olarak kaldı. Ancak yasalar da insan yapısıdır ve değişmez değildir. Şimdi, insanlık tarihinde bir kez daha büyük bir değişim potansiyeli vardır.

Bu yeni durumu yönetmek için değişimin tüm etkilerini açıkça tartışmalıyız.

İnsan genomunun genetik manipülasyonu hem bilim çevrelerinde hem de toplumda, tabu olarak görülmüştür. Frankenstein'ın filmleri, on yıllar önce, henüz gerçek genetik manipülasyonlar yokken, TV’ lerde yayınlandı. Frankenstein, fiziksel yetenekleri artmış ancak zihinsel olarak engelli bir bireydir. Marvel filmleri, bazıları iyi, bazıları kötü niyetli, çoğu fiziksel olarak yetenekli karakterler arasında savaşlar şeklinde senaryolandı.

Uçan süpermen veya el bileklerinden ip püskürtebilen örümcek adamı bir süreliğine unutun. Bir gorilin kas gücüne sahip bir insan yaratmak, mevcut teknoloji ile çok uzak değildir. Böyle bir varlık, kas ve beynin artan güç gereksinimleri nedeniyle metabolik olarak dezavantajlı bir birey olacaktır. Ancak günümüzde beslenmek büyük bir sorun değil. Bu yüzden çok uzakta olmayan ve olası bir senaryo ile karşı karşıyayız. Peki, böyle bir değişim ile toplumda kim daha çok kazanacak ve kim kaybedecek? İşgücü köleliğinin ve insan (?) mülkiyet yasaları ile ilgili soruların yanı sıra, özgürlükler ve üreme ile ilgili sorularımız olacaktır. Genetiği değiştirilmiş varlık normal bir insanla çiftleşebilir mi? Kendi özgür iradesi ile aşık olup, çocuk sahibi olabilir mi? Bu radikal değişimlerin sonuçları ne olur?

Her şey yolunda giderse, yeni insanların birçok versiyonuna sahip olacağız. Üretilmesi mümkün olabilecek tüm egzotik bireyleri hayal etmem mümkün değil. Bir an için her şeyin yolunda gittiğini düşünelim. Farklı özelliklerde bireyler, bazen de kişi başına birden fazla artı özelliğe sahip bireylerimiz olacaktır. Gelin böyle bir insanın geliştirilebileceği genel alanları düşünelim.

Daha iyi duyusal yeteneklere sahip bireyler olabilir. Küçük nesneleri görebilen, yüksek çözünürlüklü görme yeteneği olan bireyler. Uzaktaki minik nesneleri seçebilen,  kartal görüşlü bireyler. Görme duyusuyla  devam edelim; X-ışını, radyo dalgası, kızılötesi ve ultraviyole gibi görme aralığımızın dışındaki spektrumu görebilen bireyler. Bizim göremediğimiz küçük renk varyasyonlarını ayrıştırma yeteneği olan kişiler. Dairesel ve çizgisel polarize ışığı görme yeteneği olan bireyler olabilir. Ya da karanlıkta ve düşük ışıkta görme yetisine sahip bireyler. Daha hızlı, anlık veya bitkinin büyümesi gibi yavaş değişimleri izleyebilen bireyler ve daha nicesi.

İnsan 2.0 topluluğunun bazı bireyleri ekolokasyon yeteneğine sahip olabilirken, bazıları ses dalgaları ile görme yetisine sahip olabilir. Daha pes ve tiz sesleri duyabilen bireylere sahip olabiliriz.

Kuşlar gibi jeolokasyon yetisi sahibi olabilir miyiz? Neden olmasın? 

Daha iyi dokunma duyusu, daha iyi koku, daha iyi tat vb. Doğa, daha iyi duyabilen kedi ve köpekler gibi yüzlerce örnekle doludur. Aslında bir genetikçinin yapamayacağı yoktur. 

İyi alıcı ve sensörlere sahip insanların yanı sıra, fiziksel görevlerde normal bireylerden daha iyi performans gösteren güçlü ve çevik bireylere sahip olabiliriz. Koşucular, yüksek ve uzun atlayıcılar, yüzücüler ve bunun benzeri; yunus gibi yüzenler, deniz kızları, yarasa gibi uçanlar, sentorlar gerçek olabilir mi? 

Yine başka bir kategori, daha iyi zihinsel yeteneklere sahip bireyler olabilir. Matematik, ezber, mantık, akıl yürütme, istatistik ve bunun benzeri yetiler.

Kategoriler henüz tamamlanmadı. insanlar daha dayanıklı olacak şekilde değiştirilebilir. Neye karşı dayanıklı? Ne istersen ona dayanıklı. Şoka, soğuğa, ısıya, açlığa, kesiklere, virüslere, bakterilere karşı dayanıklı. Mesela vampir yarasaların immün sistemi bakteri ve virüslere karşı daha fazla dayanıklıdır. Çünkü kanını emdikleri canlılar hasta ise çok sayıda organizma ile baş etmek durumundadır. 

Hayat denen şeyin saati, süresi DNA'mızda saklı ise, bu süreyi sonsuz yapabilir miyiz? Bazı insanlar için arada bir on yıl daha uzatabilir miyiz? DNA mızı Bilinen tüm hastalıklardan arındırabilir miyiz? 

Genetiği değiştirilmiş bireyler sadece büyüleyici olmak için üretilebilir. Tüm insanlar güzel bebekleri, güzel kız ve erkek arkadaşlarını sever. Sahte dudaklar ve memeler, sahte sarışınlar bir gün tarih olabilir. Kim metalik mavi saçlı veya mavi renkli tenli bir çocuk isteyebilir? Ya da kırmızı gözler?  Kimse tabii ki; ama bunlar menüde seçenek olarak bulunuyor.

Şimdi biraz daha bilim kurguya gireceğim. Daha fazla modifikasyon, daha radikal değişiklikler. Fotosentez yapan hayvan üretilebilir mi? Kendi enerjilerini kısmen de olsa üreten insan 2.0lar? Plastik yiyen, benzin, selülozu enerji kaynağı olarak kullanabilen insan türevi olur mu? Uçan, amfibi gibi, balık gibi bir solunum sistemi olan, su altında nefes alabilen veya uzun süre nefes tutma yeteneği olan bireyler? Belki de enerji alımı, üretimi ve harcaması, ömür boyu tamamen ve sıfırdan yeniden programlanabilecek.

Toplumumuzun mevcut yapısı para, ödemeler ve mülkiyete dayanmaktadır. Ödeyenler her zaman ödediklerini geri istiyorlar. Öyleyse, tanımlanan bu bireylerden herhangi biri, bir bireyden, şirketten veya ülkeden gelen para arzı üretilmiş ise, ne olur. Kim neye sahip? ABD ve Avrupa'daki teknoloji firmaları tarafından tasarlanan küçük genetik dizilerin patent ve telif hakkı için savaşımlar sürüyor. Bu genetiği değiştirilmiş bireylerin, bir nesil veya birden fazla nesil ödemeye karşı köle mi olacaklar? Yoksa üretim masrafları borcu veya köleliği olmadan peşin ödenir mi? Kim neyin sahibi? Gelecek dönemde 1.0 ve 2.0 sürüm insanlar kendi kanaati ve özgür iradesini kaybetmiş bir insanlık mı olacaktır? Değişim çok çabuk ilerliyor, 1984 vari kontrolun ve verilerin sahibi, küçük bir elit zümre oluşması tehlikesi var. Diğerleri de ister 1.0 ister insan 2.0 olsunlar, idare edilenler olurlar. Bugün insan 1.0 olarak pek çok parametremiz izleme altında. Cep telefonumda ve saatlerde onlarca sensör her şeyi ölçüp kaydediyor. Yaşadığımız nesil son bağımsız özgür düşünebilen insan nesli midir? Bundan sonra, bizim çocuklarımız bağımsız olabilecek mi? 

Yukarıdaki karmaşıklık yeterli gelmiyorsa birazdan konu edeceğim uzaktan kumanda, cyborgları ve klonları ekleyin lütfen.

Sadece başlangıçta her şey yolunda giderse dedim; ancak ya yolunda gitmezse? Üretim hataları ve tasarım hataları hakkında ne düşünüyorsunuz. Beklenmedik sonuçlar, Frankenstein gibi bireyler üreyebilir. Belki doğumdan önce üretim hatalarını teşhis edebiliriz. Bazıları birey küçükken erken yaşta teşhis edilebilir. Bazıları yaşamın sonlarında bile teşhis edilemeyebilir. 1800’lerde adaletten kaçmayı başaran bir karındeşen Jack vardı. İnsan, suç eylemlerinden bildiğimiz gibi, belirgin ve görünür karakterin yanı sıra, herkeste gizli ve saklı ikinci bir karakter mevcuttur. Genetiği değiştirilmiş insan türevi de muhtemelen öyle olacaktır. Yaşamla bağdaşmayan hataların yönetilmesi kolay da, küçük, gizli ve ince olanlar nasıl anlaşılacaktır? Hatalı üretimler ile ilgili ne yapılmalı? Küçük bir hata için öldürülmeli mi, hapsedilmeli mi, hareketsiz hale mi getirilmeli, süresiz olarak uyutulmalı mı, topluluk üyesi olarak mı muamele görmeli veya aforoz mu edilmeli? 

İnsanlarla veya farklı tipte insansılar ile melezleşmeler ile ilgili sorunlar ortaya çıkarsa ne olacaktır?

Zengin ve nüfuzlu birileri yedek organ kaynağı olarak kendi kopyalarını yaratabilmeli mi? Bu soruyu da bir kenara bırakalım. 

Sayıları ve potansiyel avantajları göz önüne alındığında, yeni versiyon insansıların yavruları, ve torunları dünyaya hakim olabilirler. Bunların insanların kölesi olduğu senaryosundan bahsettik, ancak 5 nesil sonra biz onların kölesi olursak ne olacaktır? Soruların yanıtı sadece koşullara, dengelere ve bu sorulara vereceğimiz yanıtlara bağlıdır. Biz ve onlar. Zayıf ve güçlü. 

Yaşam 3.0 

Yaşam 3.0’ı nasıl tanımlamalıyız? Genetiği değiştirilmiş olarak mı? Nanoteknoloji kullanılmış varlık olarak mı? Bilinci olan Robotik bir varlık olarak mı? Sibernetik bir varlık olarak mı? 

Elektronikten biyolojiye uzanan çok çeşitli teknolojiler için, verileri farklı biçimlerde ve farklı zaman ölçeklerinde ele alabilirsiniz. Karbon bazlı bir yaşamın, bir kaç milyar yılda nasıl geliştiğini gözden geçirdik. Yaşamı, bilinci olan, bilgi işleyen sistem olarak tanımlarsak böyle bir yaşam silikon bazlı bir yaşam olabilir. Silikon varlığın üreme gibi bir işlevi olmayabilir. Ancak farkındalığı olan bir varlıktır. Makinelerin bilinçli olup olamayacağı tartışmalı bir sorudur. İnsan beyninde bilincin nasıl ortaya çıktığına dikkatlice bakılmalı. “Bilinç” kelimesinin beyindeki bir kaç düzeyde bilgi işlemenin bir araya getirdiğini düşünebiliriz; (C0) Bilinç dışı bilgi işlemleri, gözdibi, kokleadaki işlemler gibi. (C1, ilk anlamda bilinç) Farkındalık için bilgi seçimi, (C2, ikinci anlamda bilinç) Subjektif bir doğruluk ve yanlışlık duygusu için varlığın kendi kendini izlemesi. Bu tanımların yeni tip bir makine mimarisine nasıl ilham verebileceklerini düşünün. “Nosce te ipsum” Ben Kimim? Kendini Bil! Kendini tanımaya yönelik bu soruyu birkaç açıdan irdeleyebiliriz. Ben’in anlamı, ben’in hedefleri, ben’in farkındalığı. Farkındalığı ise bedensel farkındalık, istemin farkındalığı, topluluk farkındalığı, öz öyküsünün farkındalığı gibi alt başlıklara bölebiliriz. İster silikon, ister biyolojik olsun, bu farkındalıkları olan varlıklar ile anlamlı iletişimler kurabiliriz. İnsanın yapabildiği her şeyi yapabilen ancak üreme yetisi olmayan bu varlığa isterseniz yaşam 3.0 dışında başka bir isim de verebiliriz. Marvin Minsky 1970’de “Bir nesil sonra yapay zeka yaratma sorunu büyük ölçüde çözülecek.” dedi. Hala çözülmemiş olması çözülmeyeceği anlamına gelmez. Biyolojik yaşamın uzun evrimini hatırlayın. İlk resmi cyborg

Şu anda yaşadığımız belki de son normal insan jenerasyonu sonrası, insan bilgisayar karışımı hibrit varlıklar, çeşitli insan 2.0 varlıkları ve silikon bazlı yaşam 3.0 olasılıkları mevcuttur. 

Elektroniğin 100 yıllık kısa yaşam süresinde gelmiş olduğu nokta şaşırtıcıdır. Bilgisayarların gelişimini sadece Moore yasaları ile ölçmek yanıltıcı olur. Bilgisayarların öğrenme yöntemi değişiyor. Makine öğrenmesi, derin öğrenme adı verilen yöntemler ile makineler kendi kendine öğrenmeye başladılar bile. Bugün yapay zekadan bahsederken bilinçdışı ancak zeki tahminlerde bulunan makinelerden bahsediyoruz. 

Hidrojen, yeterli zaman verildiğinde insanlara dönüşen hafif, kokusuz bir gazdır. 1995’ te Edward Robert Harrison’ ın dediği gibi “Karbon ve Hidrojenden zekanın gelişmesi için milyarlarca yıl geçti”. Silikon yaşam için ne kadar daha bekleyeceğiz? Topu topu 100 yıllık geçmişi olan silikon bazlı elektronik hızla ilerliyor. 

Bilgisayarları düşünelim. İlk bilgisayar kodlarını hep insanlar yazdı. Kendi kendini üretebilen bir makine, bir insanın yapacağı son makine olacaktır. Özel bir bilgisayar düşünün bilgisayara ait programlarda hataları ayıklayıp yeniden kodlayan. Kendi programını yazan bilgisayar çok mu uzak? Ya kendi işletim sistemini yazan bilgisayar? Kendi donanımını üreten? Bilgisayarlar o aşamaya geldiklerinde bu yetilerini sizden saklayacak kadar akıllanırlar mı? Bilinç sahibi olabilirler mi? Bunlar kuantum bilgisayarlar mı olacak? Neuralink gibi girişimler o güne kadar başarılı olmuşsa biz onların birer kuklası olur muyuz? Bir bilgisayar başka bir bilgisayarın kuklası, kölesi olur mu? Yanıtlanması, üzerinde düşünülmesi gereken bunca soru varken, ne yaptığımızı düşünmeden ilerlemecilik adına bir şeyler yapmaya devam etmeli miyiz? Biz devam etmez, ancak başkası devam ederse ne olur? 

Kısa bir karşılaştırma ile yazıyı bitirmek istiyorum. Bezelye, genetik dergisi olduğu için genetik olarak oluşturulmuş veya genetiği değiştirilmiş organizmalar ile, silikon varlıkları, başarı açısından değil, yaşam döngüsü açısından, karşılaştırmak istiyorum. Örneğin genetiği değiştirilmiş bakteri veya maya hücresi kısa bir döngüye sahiptir.Yeni nesil bir insan yaratıldığını varsayalım. Çocukluk, ergenlik, erişkinlik derken, yaratımızın, deneyimizin sonucunu görmek 20 yılı bulacaktır. Her test ve hata düzeltme için (debug) bir 20 yıl daha geçmesi gerekecektir. Oysa yazılımsal bir varlık, yarım saatte düzeltilip yeniden çalıştırılabilir. Sibernetik varlıklar için tahminler daha çeşitli olacaktır.

Yazılacaklar bitmez ama yazı bir yerde bitmelidir. Bu kavramlar sadece düşünmemiz için ortaya atıldı. Umarım düşünmemiz için bir nüve olabilmiştir. Sevgili bezelyeciler, size bıraktığımız dünyanın nasıl bir dünya olduğunu biliyoruz. İyi niyetle yapılanlar, çoğunlukla insanlığa faydalı oldu, ancak iyi niyetli buluşlar bazen kötü niyetli insanlar tarafından kötü amaçlar için kullanıldı. İnsan olarak hepimize görevler düşmektedir. Hedef belirterek yazıyı bitirmek istiyorum: Farklılıklarımızı bir kenara bırakarak dünyamızda, insan ve diğer yaşam formlarının, birlikte barış ve mutluluk içinde yaşayabilmeleri amacıyla; hepimizin gelişimini gözetecek yollar ve yöntemler bulmak üzere hep birlikte düşünüp, çalışmalıyız. Nobel vasiyeti ne için çalışmamızı öneriyor? “İnsanlığın en büyük yararı için.”  

Kaynaklar:


2018-05-19

Selected AI articles

1: Miyahira AK, Soule HR. The 24th Annual Prostate Cancer Foundation scientific
retreat report. Prostate. 2018 May 15. doi: 10.1002/pros.23651. [Epub ahead of
print] Review. PubMed PMID: 29761524.


2: Schier R. Artificial Intelligence and the Practice of Radiology: An
Alternative View. J Am Coll Radiol. 2018 May 11. pii: S1546-1440(18)30389-2. doi:
10.1016/j.jacr.2018.03.046. [Epub ahead of print] PubMed PMID: 29759528.


3: Varga-Szemes A, Jacobs BE, Schoepf UJ. The power and limitations of machine
learning and artificial intelligence in cardiac CT. J Cardiovasc Comput Tomogr.
2018 May 6. pii: S1934-5925(18)30098-4. doi: 10.1016/j.jcct.2018.05.007. [Epub
ahead of print] PubMed PMID: 29747946.


4: Nicholls M. A new Artificial Intelligence system. Eur Heart J. 2018 May
7;39(18):1586-1588. doi: 10.1093/eurheartj/ehy192. PubMed PMID: 29741681.


5: Huff TJ, Ludwig PE, Zuniga JM. The potential for machine learning algorithms
to improve and reduce the cost of 3-dimensional printing for surgical planning.
Expert Rev Med Devices. 2018 May;15(5):349-356. doi:
10.1080/17434440.2018.1473033. PubMed PMID: 29723481.


6: Liew C. The future of radiology augmented with Artificial Intelligence: A
strategy for success. Eur J Radiol. 2018 May;102:152-156. doi:
10.1016/j.ejrad.2018.03.019. Epub 2018 Mar 14. Review. PubMed PMID: 29685530.


7: Wang Y, Wang L, Xue CA. Medical information security in the era of artificial 
intelligence. Med Hypotheses. 2018 Jun;115:58-60. doi:
10.1016/j.mehy.2018.03.023. Epub 2018 Apr 5. PubMed PMID: 29685199.


8: Petersen C. Through Patients' Eyes: Regulation, Technology, Privacy, and the
Future. Yearb Med Inform. 2018 Apr 22. doi: 10.1055/s-0038-1641193. [Epub ahead
of print] PubMed PMID: 29681030.


9: Starikov A, Al'Aref SJ, Singh G, Min JK. Artificial intelligence in clinical
imaging: An introduction. Clin Imaging. 2018 May - Jun;49:vii-ix. doi:
10.1016/j.clinimag.2018.04.001. Epub 2018 Apr 4. PubMed PMID: 29653876.


10: Tridandapani S. Radiology "Hits Refresh" with Artificial Intelligence. Acad
Radiol. 2018 Apr 6. pii: S1076-6332(18)30077-1. doi: 10.1016/j.acra.2018.02.006. 
[Epub ahead of print] PubMed PMID: 29631927.


11: Lin SY, Shanafelt TD, Asch SM. Reimagining Clinical Documentation With
Artificial Intelligence. Mayo Clin Proc. 2018 May;93(5):563-565. doi:
10.1016/j.mayocp.2018.02.016. Epub 2018 Apr 7. PubMed PMID: 29631808.


12: McBee MP, Awan OA, Colucci AT, Ghobadi CW, Kadom N, Kansagra AP, Tridandapani
S, Auffermann WF. Deep Learning in Radiology. Acad Radiol. 2018 Mar 29. pii:
S1076-6332(18)30104-1. doi: 10.1016/j.acra.2018.02.018. [Epub ahead of print]
Review. PubMed PMID: 29606338.


13: Mirnezami R, Ahmed A. Surgery 3.0, artificial intelligence and the
next-generation surgeon. Br J Surg. 2018 Apr;105(5):463-465. doi:
10.1002/bjs.10860. PubMed PMID: 29603133.


14: Jing Y, Bian Y, Hu Z, Wang L, Xie XS. Deep Learning for Drug Design: an
Artificial Intelligence Paradigm for Drug Discovery in the Big Data Era. AAPS J. 
2018 Mar 30;20(3):58. doi: 10.1208/s12248-018-0210-0. PubMed PMID: 29603063.


15: Tajmir SH, Alkasab TK. Toward Augmented Radiologists: Changes in Radiology
Education in the Era of Machine Learning and Artificial Intelligence. Acad
Radiol. 2018 Jun;25(6):747-750. doi: 10.1016/j.acra.2018.03.007. Epub 2018 Mar
26. PubMed PMID: 29599010.


16: Parmar C, Barry JD, Hosny A, Quackenbush J, Aerts HJ. Data Analysis
Strategies in Medical Imaging. Clin Cancer Res. 2018 Mar 26. pii:
clincanres.0385.2018. doi: 10.1158/1078-0432.CCR-18-0385. [Epub ahead of print]
PubMed PMID: 29581134.


17: Chung SW, Han SS, Lee JW, Oh KS, Kim NR, Yoon JP, Kim JY, Moon SH, Kwon J,
Lee HJ, Noh YM, Kim Y. Automated detection and classification of the proximal
humerus fracture by using deep learning algorithm. Acta Orthop. 2018 Mar 26:1-6. 
doi: 10.1080/17453674.2018.1453714. [Epub ahead of print] PubMed PMID: 29577791.


18: Montoya JC, Li Y, Strother C, Chen GH. 3D Deep Learning Angiography (3D-DLA) 
from C-arm Conebeam CT. AJNR Am J Neuroradiol. 2018 May;39(5):916-922. doi:
10.3174/ajnr.A5597. Epub 2018 Mar 22. PubMed PMID: 29567655.


19: Burt JR, Torosdagli N, Khosravan N, RaviPrakash H, Mortazi A,
Tissavirasingham F, Hussein S, Bagci U. Deep learning beyond cats and dogs:
recent advances in diagnosing breast cancer with deep neural networks. Br J
Radiol. 2018 Apr 10:20170545. doi: 10.1259/bjr.20170545. [Epub ahead of print]
PubMed PMID: 29565644.


20: Yepes-Calderon F, Nelson MD, McComb JG. Automatically measuring brain
ventricular volume within PACS using artificial intelligence. PLoS One. 2018 Mar 
15;13(3):e0193152. doi: 10.1371/journal.pone.0193152. eCollection 2018. PubMed
PMID: 29543817; PubMed Central PMCID: PMC5854260.


21: Arora VM. Harnessing the Power of Big Data to Improve Graduate Medical
Education: Big Idea or Bust? Acad Med. 2018 Mar 13. doi:
10.1097/ACM.0000000000002209. [Epub ahead of print] PubMed PMID: 29538103.


22: Allen B Jr. 2017 Presidential Address: Staying Ahead of the Curve. J Am Coll 
Radiol. 2018 May;15(5):707-712. doi: 10.1016/j.jacr.2018.02.001. Epub 2018 Mar 9.
PubMed PMID: 29530324.


23: Nakajima K, Okuda K, Watanabe S, Matsuo S, Kinuya S, Toth K, Edenbrandt L.
Artificial neural network retrained to detect myocardial ischemia using a
Japanese multicenter database. Ann Nucl Med. 2018 Mar 7. doi:
10.1007/s12149-018-1247-y. [Epub ahead of print] PubMed PMID: 29516390.


24: Syeda-Mahmood T. Role of Big Data and Machine Learning in Diagnostic Decision
Support in Radiology. J Am Coll Radiol. 2018 Mar;15(3 Pt B):569-576. doi:
10.1016/j.jacr.2018.01.028. PubMed PMID: 29502585.


25: Wu JT, Dernoncourt F, Gehrmann S, Tyler PD, Moseley ET, Carlson ET, Grant DW,
Li Y, Welt J, Celi LA. Behind the scenes: A medical natural language processing
project. Int J Med Inform. 2018 Apr;112:68-73. doi:
10.1016/j.ijmedinf.2017.12.003. Epub 2017 Dec 9. PubMed PMID: 29500024.


26: Xu S, Papier A. Returning to (Electronic) Health Records That Guide and
Teach. Am J Med. 2018 Feb 7. pii: S0002-9343(18)30094-9. doi:
10.1016/j.amjmed.2017.12.048. [Epub ahead of print] PubMed PMID: 29427581.


27: Artificial Intelligence Use in Healthcare Growing Fast. J AHIMA. 2017
Jun;88(6):76. PubMed PMID: 29424995.


28: Merrell RC, Doarn CR. Artificial Intelligence Reconsidered. Telemed J E
Health. 2018 Feb;24(2):93. doi: 10.1089/tmj.2018.29001.crd. PubMed PMID:
29420167.


29: Thrall JH, Li X, Li Q, Cruz C, Do S, Dreyer K, Brink J. Artificial
Intelligence and Machine Learning in Radiology: Opportunities, Challenges,
Pitfalls, and Criteria for Success. J Am Coll Radiol. 2018 Mar;15(3 Pt
B):504-508. doi: 10.1016/j.jacr.2017.12.026. Epub 2018 Feb 4. PubMed PMID:
29402533.


30: Jha S, Topol EJ. Information and Artificial Intelligence. J Am Coll Radiol.
2018 Mar;15(3 Pt B):509-511. doi: 10.1016/j.jacr.2017.12.025. PubMed PMID:
29398501.


31: Giger ML. Machine Learning in Medical Imaging. J Am Coll Radiol. 2018
Mar;15(3 Pt B):512-520. doi: 10.1016/j.jacr.2017.12.028. Epub 2018 Feb 2. PubMed 
PMID: 29398494.


32: Hashimoto DA, Rosman G, Rus D, Meireles OR. Artificial Intelligence in
Surgery: Promises and Perils. Ann Surg. 2018 Jan 31. doi:
10.1097/SLA.0000000000002693. [Epub ahead of print] PubMed PMID: 29389679.


33: Gensini GF, Alderighi C, Rasoini R, Mazzanti M, Casolo G. Value of
Telemonitoring and Telemedicine in Heart Failure Management. Card Fail Rev. 2017 
Nov;3(2):116-121. doi: 10.15420/cfr.2017:6:2. PubMed PMID: 29387464; PubMed
Central PMCID: PMC5739893.


34: van Gerven M. Computational Foundations of Natural Intelligence. Front Comput
Neurosci. 2017 Dec 7;11:112. doi: 10.3389/fncom.2017.00112. eCollection 2017.
Review. PubMed PMID: 29375355; PubMed Central PMCID: PMC5770642.


35: Rueckauer B, Lungu IA, Hu Y, Pfeiffer M, Liu SC. Conversion of
Continuous-Valued Deep Networks to Efficient Event-Driven Networks for Image
Classification. Front Neurosci. 2017 Dec 7;11:682. doi: 10.3389/fnins.2017.00682.
eCollection 2017. PubMed PMID: 29375284; PubMed Central PMCID: PMC5770641.


36: King BF Jr.. Artificial Intelligence and Radiology: What Will the Future
Hold? J Am Coll Radiol. 2018 Mar;15(3 Pt B):501-503. doi:
10.1016/j.jacr.2017.11.017. Epub 2018 Jan 19. PubMed PMID: 29371088.


37: Schönbach C, Li J, Ma L, Horton P, Sjaugi MF, Ranganathan S. A bioinformatics
potpourri. BMC Genomics. 2018 Jan 19;19(Suppl 1):920. doi:
10.1186/s12864-017-4326-x. PubMed PMID: 29363432; PubMed Central PMCID:
PMC5780851.


38: Siuly S, Huang R, Daneshmand M. Guest editorial: special issue on "Artificial
Intelligence in Health and Medicine". Health Inf Sci Syst. 2018 Jan 16;6(1):2.
doi: 10.1007/s13755-017-0040-y. eCollection 2018 Dec. PubMed PMID: 29354261;
PubMed Central PMCID: PMC5770338.


39: Shameer K, Johnson KW, Glicksberg BS, Dudley JT, Sengupta PP. Machine
learning in cardiovascular medicine: are we there yet? Heart. 2018 Jan 19. pii:
heartjnl-2017-311198. doi: 10.1136/heartjnl-2017-311198. [Epub ahead of print]
Review. PubMed PMID: 29352006.


40: China needs to listen to its researchers to become a scientific superpower.
Nature. 2018 Jan 18;553(7688):249. doi: 10.1038/d41586-018-00659-5. PubMed PMID: 
29345678.


41: George D. What can the brain teach us about building artificial intelligence?
Behav Brain Sci. 2017 Jan;40:e265. doi: 10.1017/S0140525X17000140. PubMed PMID:
29342690.


42: Crandall JW, Oudah M, Tennom, Ishowo-Oloko F, Abdallah S, Bonnefon JF,
Cebrian M, Shariff A, Goodrich MA, Rahwan I. Cooperating with machines. Nat
Commun. 2018 Jan 16;9(1):233. doi: 10.1038/s41467-017-02597-8. PubMed PMID:
29339817; PubMed Central PMCID: PMC5770455.


43: Rush B, Stone DJ, Celi LA. From Big Data to Artificial Intelligence:
Harnessing Data Routinely Collected in the Process of Care. Crit Care Med. 2018
Feb;46(2):345-346. doi: 10.1097/CCM.0000000000002892. PubMed PMID: 29337803;
PubMed Central PMCID: PMC5772897.


44: Kupferschmidt K. Taming the monsters of tomorrow. Science. 2018 Jan
12;359(6372):152-155. doi: 10.1126/science.359.6372.152. PubMed PMID: 29326256.


45: Dupoux E. Cognitive science in the era of artificial intelligence: A roadmap 
for reverse-engineering the infant language-learner. Cognition. 2018
Apr;173:43-59. doi: 10.1016/j.cognition.2017.11.008. Epub 2018 Jan 8. PubMed
PMID: 29324240.


46: Powles J, Hodson H. Google DeepMind and healthcare in an age of algorithms.
Health Technol (Berl). 2017;7(4):351-367. doi: 10.1007/s12553-017-0179-1. Epub
2017 Mar 16. PubMed PMID: 29308344; PubMed Central PMCID: PMC5741783.


47: Gao L, Liu R, Jiang Y, Song W, Wang Y, Liu J, Wang J, Wu D, Li S, Hao A,
Zhang B. Computer-aided system for diagnosing thyroid nodules on ultrasound: A
comparison with radiologist-based clinical assessments. Head Neck. 2018
Apr;40(4):778-783. doi: 10.1002/hed.25049. Epub 2017 Dec 29. PubMed PMID:
29286180.


48: Sana M. Machine Learning and Artificial Intelligence in Radiology. J Am Coll 
Radiol. 2017 Dec 21. pii: S1546-1440(17)31444-8. doi: 10.1016/j.jacr.2017.11.015.
[Epub ahead of print] PubMed PMID: 29275917.


49: Kong X, Gong S, Su L, Howard N, Kong Y. Automatic Detection of Acromegaly
From Facial Photographs Using Machine Learning Methods. EBioMedicine. 2018
Jan;27:94-102. doi: 10.1016/j.ebiom.2017.12.015. Epub 2017 Dec 15. PubMed PMID:
29269039; PubMed Central PMCID: PMC5828367.


50: Verghese A, Shah NH, Harrington RA. What This Computer Needs Is a Physician: 
Humanism and Artificial Intelligence. JAMA. 2018 Jan 2;319(1):19-20. doi:
10.1001/jama.2017.19198. PubMed PMID: 29261830.


51: O'Sullivan S, Holzinger A, Zatloukal K, Saldiva P, Sajid MI, Wichmann D.
Machine learning enhanced virtual autopsy. Autops Case Rep. 2017 Dec 8;7(4):3-7. 
doi: 10.4322/acr.2017.037. eCollection 2017 Oct-Dec. PubMed PMID: 29259926;
PubMed Central PMCID: PMC5724048.


52: McDonald L, Ramagopalan SV, Cox AP, Oguz M. Unintended consequences of
machine learning in medicine? F1000Res. 2017 Sep 19;6:1707. doi:
10.12688/f1000research.12693.1. eCollection 2017. PubMed PMID: 29250316; PubMed
Central PMCID: PMC5701440.


53: Schneider G. Automating drug discovery. Nat Rev Drug Discov. 2018
Feb;17(2):97-113. doi: 10.1038/nrd.2017.232. Epub 2017 Dec 15. Review. PubMed
PMID: 29242609.


54: Thakor RT, Anaya N, Zhang Y, Vilanilam C, Siah KW, Wong CH, Lo AW. Just how
good an investment is the biopharmaceutical sector? Nat Biotechnol. 2017
Dec;35(12):1149-1157. doi: 10.1038/nbt.4023. Epub 2017 Dec 8. PubMed PMID:
29220034.


55: Becker AS, Mueller M, Stoffel E, Marcon M, Ghafoor S, Boss A. Classification 
of breast cancer in ultrasound imaging using a generic deep learning analysis
software: a pilot study. Br J Radiol. 2018 Feb;91(1083):20170576. doi:
10.1259/bjr.20170576. Epub 2018 Jan 10. PubMed PMID: 29215311.


56: Sipper M, Moore JH. Artificial intelligence: more human with human. BioData
Min. 2017 Dec 1;10:34. doi: 10.1186/s13040-017-0157-1. eCollection 2017. PubMed
PMID: 29213332; PubMed Central PMCID: PMC5709984.


57: Gambus P, Shafer SL. Artificial Intelligence for Everyone. Anesthesiology.
2018 Mar;128(3):431-433. doi: 10.1097/ALN.0000000000001984. PubMed PMID:
29166324.


58: Mayo RC, Leung J. Artificial intelligence and deep learning - Radiology's
next frontier? Clin Imaging. 2018 May - Jun;49:87-88. doi:
10.1016/j.clinimag.2017.11.007. Epub 2017 Nov 16. Review. PubMed PMID: 29161580.


59: King BF Jr. Guest Editorial: Discovery and Artificial Intelligence. AJR Am J 
Roentgenol. 2017 Dec;209(6):1189-1190. doi: 10.2214/AJR.17.19178. PubMed PMID:
29161146.


60: Lakhani P, Prater AB, Hutson RK, Andriole KP, Dreyer KJ, Morey J, Prevedello 
LM, Clark TJ, Geis JR, Itri JN, Hawkins CM. Machine Learning in Radiology:
Applications Beyond Image Interpretation. J Am Coll Radiol. 2018
Feb;15(2):350-359. doi: 10.1016/j.jacr.2017.09.044. Epub 2017 Nov 17. PubMed
PMID: 29158061.


61: Kahn CE Jr. From Images to Actions: Opportunities for Artificial Intelligence
in Radiology. Radiology. 2017 Dec;285(3):719-720. doi: 10.1148/radiol.2017171734.
PubMed PMID: 29155645.


62: Dreyer KJ, Geis JR. When Machines Think: Radiology's Next Frontier.
Radiology. 2017 Dec;285(3):713-718. doi: 10.1148/radiol.2017171183. Review.
PubMed PMID: 29155639.


63: Bossaerts P, Murawski C. Computational Complexity and Human Decision-Making. 
Trends Cogn Sci. 2017 Dec;21(12):917-929. doi: 10.1016/j.tics.2017.09.005.
Review. PubMed PMID: 29149998.


64: Chartrand G, Cheng PM, Vorontsov E, Drozdzal M, Turcotte S, Pal CJ, Kadoury
S, Tang A. Deep Learning: A Primer for Radiologists. Radiographics. 2017
Nov-Dec;37(7):2113-2131. doi: 10.1148/rg.2017170077. Review. PubMed PMID:
29131760.


65: Yuste R, Goering S, Arcas BAY, Bi G, Carmena JM, Carter A, Fins JJ, Friesen
P, Gallant J, Huggins JE, Illes J, Kellmeyer P, Klein E, Marblestone A, Mitchell 
C, Parens E, Pham M, Rubel A, Sadato N, Sullivan LS, Teicher M, Wasserman D,
Wexler A, Whittaker M, Wolpaw J. Four ethical priorities for neurotechnologies
and AI. Nature. 2017 Nov 8;551(7679):159-163. doi: 10.1038/551159a. PubMed PMID: 
29120438.


66: Wartman SA, Combs CD. Medical Education Must Move from the Information Age to
the Age of Artificial Intelligence. Acad Med. 2017 Nov 1. doi:
10.1097/ACM.0000000000002044. [Epub ahead of print] PubMed PMID: 29095704.


67: Paiva OA, Prevedello LM. The potential impact of artificial intelligence in
radiology. Radiol Bras. 2017 Sep-Oct;50(5):V-VI. doi:
10.1590/0100-3984.2017.50.5e1. PubMed PMID: 29085178; PubMed Central PMCID:
PMC5656066.


68: Cabitza F, Banfi G. Machine learning in laboratory medicine: waiting for the 
flood? Clin Chem Lab Med. 2018 Mar 28;56(4):516-524. doi: 10.1515/cclm-2017-0287.
Review. PubMed PMID: 29055936.


69: Singh S, Okun A, Jackson A. Artificial intelligence: Learning to play Go from
scratch. Nature. 2017 Oct 18;550(7676):336-337. doi: 10.1038/550336a. PubMed
PMID: 29052631.


70: Silver D, Schrittwieser J, Simonyan K, Antonoglou I, Huang A, Guez A, Hubert 
T, Baker L, Lai M, Bolton A, Chen Y, Lillicrap T, Hui F, Sifre L, van den
Driessche G, Graepel T, Hassabis D. Mastering the game of Go without human
knowledge. Nature. 2017 Oct 18;550(7676):354-359. doi: 10.1038/nature24270.
PubMed PMID: 29052630.


71: Bonderman D. Artificial intelligence in cardiology. Wien Klin Wochenschr.
2017 Dec;129(23-24):866-868. doi: 10.1007/s00508-017-1275-y. Epub 2017 Oct 4.
Review. PubMed PMID: 28980130; PubMed Central PMCID: PMC5711980.


72: Miner AS, Milstein A, Hancock JT. Talking to Machines About Personal Mental
Health Problems. JAMA. 2017 Oct 3;318(13):1217-1218. doi:
10.1001/jama.2017.14151. PubMed PMID: 28973225.


73: Henglin M, Stein G, Hushcha PV, Snoek J, Wiltschko AB, Cheng S. Machine
Learning Approaches in Cardiovascular Imaging. Circ Cardiovasc Imaging. 2017
Oct;10(10). pii: e005614. doi: 10.1161/CIRCIMAGING.117.005614. Review. PubMed
PMID: 28956772; PubMed Central PMCID: PMC5718356.


74: Kayaalp M. Patient Privacy in the Era of Big Data. Balkan Med J. 2018 Jan
20;35(1):8-17. doi: 10.4274/balkanmedj.2017.0966. Epub 2017 Sep 13. PubMed PMID: 
28903886; PubMed Central PMCID: PMC5820452.


75: Hassabis D, Kumaran D, Summerfield C, Botvinick M. Neuroscience-Inspired
Artificial Intelligence. Neuron. 2017 Jul 19;95(2):245-258. doi:
10.1016/j.neuron.2017.06.011. Review. PubMed PMID: 28728020.


76: Horvitz E. AI, people, and society. Science. 2017 Jul 7;357(6346):7. doi:
10.1126/science.aao2466. PubMed PMID: 28684472.


77: Olczak J, Fahlberg N, Maki A, Razavian AS, Jilert A, Stark A, Sköldenberg O, 
Gordon M. Artificial intelligence for analyzing orthopedic trauma radiographs.
Acta Orthop. 2017 Dec;88(6):581-586. doi: 10.1080/17453674.2017.1344459. Epub
2017 Jul 6. PubMed PMID: 28681679; PubMed Central PMCID: PMC5694800.


78: Househ M, Aldosari B. The Hazards of Data Mining in Healthcare. Stud Health
Technol Inform. 2017;238:80-83. PubMed PMID: 28679892.


79: Lee JG, Jun S, Cho YW, Lee H, Kim GB, Seo JB, Kim N. Deep Learning in Medical
Imaging: General Overview. Korean J Radiol. 2017 Jul-Aug;18(4):570-584. doi:
10.3348/kjr.2017.18.4.570. Epub 2017 May 19. Review. PubMed PMID: 28670152;
PubMed Central PMCID: PMC5447633.


80: Krittanawong C, Zhang H, Wang Z, Aydar M, Kitai T. Artificial Intelligence in
Precision Cardiovascular Medicine. J Am Coll Cardiol. 2017 May
30;69(21):2657-2664. doi: 10.1016/j.jacc.2017.03.571. Review. PubMed PMID:
28545640.


81: Ahmed MN, Toor AS, O'Neil K, Friedland D. Cognitive Computing and the Future 
of Health Care Cognitive Computing and the Future of Healthcare: The Cognitive
Power of IBM Watson Has the Potential to Transform Global Personalized Medicine. 
IEEE Pulse. 2017 May-Jun;8(3):4-9. doi: 10.1109/MPUL.2017.2678098. PubMed PMID:
28534755.


82: Ravignani A, Cook PF. The evolutionary biology of dance without frills. Curr 
Biol. 2016 Oct 10;26(19):R878-R879. doi: 10.1016/j.cub.2016.07.076. Epub 2016 Oct
10. PubMed PMID: 27728787.


83: Reul C, Köberle P, Üçeyler N, Puppe F. Expectation-Driven Text Extraction
from Medical Ultrasound Images. Stud Health Technol Inform. 2016;228:712-6.
PubMed PMID: 27577478.


84: Ogiela L, Takizawa M. Medical Image Analysis by Cognitive Information Systems
- a Review. J Med Syst. 2016 Oct;40(10):212. doi: 10.1007/s10916-016-0566-6. Epub
2016 Aug 15. Review. PubMed PMID: 27526188.