Yapay Zekâ Araçlarının Teşhis Başarısı ve İnsan Faktörü
Hastalıkları teşhis etmede doktorları geride bırakabilen yapay zekâ araçları günümüzde mevcutken, yeni bir çalışma bu teknolojilerin doğruluğundaki asıl engelin algoritmalarda değil, kullanıcıların bunları kullanış biçiminde olduğunu gösteriyor.
Basit Bir Boğaz Kaşınması Senaryosu
Örneğin boğazınızda hafif bir kaşınma hissettiğinizi düşünün. Arama motorunu açıp semptomlarınızı yazdığınızda, dakikalar içinde nadir ve ciddi hastalıklarla ilgili bilgilere ulaşabiliyorsunuz.
Oxford Üniversitesi Çalışması
AndroidHeadlines sitesinde yayımlanan ve Arabiya Business’ın aktardığı rapora göre, Oxford Üniversitesi’nin gerçekleştirdiği çalışma, ChatGPT ve benzeri yapay zekâ modellerinin algoritma düzeyinde doğrudan kullanıldığında %94,9 teşhis doğruluğuna ulaşabildiğini ortaya koydu.
İnsan Faktörünün Düşürdüğü Başarı Oranı
Ne var ki bu oran, modellerin insanlar tarafından kullanıldığında %34,5’e kadar geriledi.
Katılımcıların Etkileşimi ve Hataları
Çalışmayı yöneten Dr. Adam Mehdi, 1.300’den fazla gönüllünün, çeşitli tıbbi durumları canlandırarak üç farklı yapay zekâ modeliyle etkileşime girmesini sağladı. Sistemler doğru yanıtları verebilse de, kullanıcıların eksik soru sorması, önemli semptomları unutmaları veya semptomların zamanlamasını ve şiddetini doğru belirtmemeleri nedeniyle doğruluk düşüyordu.
Yapay Zekâların Bağlam ve Duyguyu Anlamama Sınırlaması
Kullanıcıların, yapay zekânın tıpkı yakın bir arkadaş gibi “anlayacağını” varsayması sık rastlanan bir hataydı. Oysa modeller, duygu ve bağlamı yalnızca açıkça verildiğinde kavrayabiliyor; belirsiz ve eksik yönlendirmelerle doğru çalışamıyor.
Başarılı Entegrasyon Örneği: Johns Hopkins Deneyi
Bir başka örnek, Johns Hopkins Üniversitesi’nde yapıldı. Burada geliştirilen bir yapay zekâ aracı, doktorlardan saatler önce sepsisi tespit etti ve hasta ölümlerini %20 oranında azalttı. Başarının sırrı, aracın hastane sistemine sorunsuz entegre edilmesi ve gerçek zamanlı tıbbi cihaz verilerine dayanmasıydı; karışık hasta tanımlamaları değil.
Sonuç: AI Yeteneği ve Kullanıcı Yönlendirmesi Arasındaki Uçurum
Çalışma, sorunun yapay zekânın kapasitesinde değil, kullanıcıların yönlendirmesinde olduğunu vurguluyor. Özellikle sağlık gibi hassas alanlarda, dağınık veya belirsiz girdilerle sistemlerin doğru teşhis yapması güçleşiyor; bu nedenle güçlü bir yapay zekâ, ancak doğru ve net kullanıcı etkileşimiyle etkili oluyor.
