வாட்சன் ஹெல்த் நிறுவனத்தை ஐபிஎம் விற்கப்போகிறது. ஏன் இது தோற்றுப் போனது? மக்கள் தங்கள் செயற்கை நுண்ணறிவு (ஆர்டிஃபிஷியல் இண்டெல்லிஜென்ஸ்) கனவுகளிலிருந்து எழுந்திருக்க வேண்டுமா? இந்தத் தோல்வியிலிருந்து என்ன பாடங்களைக் கற்றுக் கொள்ளலாம்?
ஐபிஎம் நிறுவனம் தன்னுடைய சிகிச்சை (ஹெல்கேர்) பிரிவைக் கைவிட்டுவிட்டது. இவர்கள் இரு முக்கிய சந்தைகளில் செயல்பட எத்தனித்தார்கள். முதலாவது செயற்கை நுண்ணறிவு நோயறிதல் ஆகும். இரண்டாவது சிகிச்சை ஆராய்ச்சி மற்றும் அந்த சிகிச்சைக்கான மருந்து தயாரிப்பு மேம்பாடு ஆகும். பத்து ஆண்டுகளாக வாட்ஸன் பிரிவு பணம் சம்பாதிக்கவில்லை. இப்போது, இறுதியாக விற்பதற்காக ஓராண்டிற்கும் மேலாக சந்தையில் உள்ளது. வாட்சன் ஹெல்த் யூனிட் என்பது ஐ.பி.எம் நோயறிதல் மற்றும் சிகிச்சை உரையாடல் பெட்டிகளின் (சாட் செய்யும் ரோபாட்) பகுத்தறிவு அமைப்பாகும். மருத்துவமனைக்கு வரும் வெளிநோயாளிகளுக்கும், வாகன காப்பீட்டு நிறுவனங்களுக்கும் மருந்து நிறுவனங்களுக்கும் தரவு தகவல்களை நிர்வகிப்பதிலும் நோயறிதலுக்கு உதவவும் முக்கியமாகும்.
மனிதரையும் அந்த மனித உடலின் வினோதங்களையும் உடல்நலத்தில் உள்ள இடியாப்ப சிக்கல்களையும் புரியாமல் கால்விட்டதால் – இந்தத் தோல்வி என்று இந்தத் தோல்வியை எளிமையாகச் சொல்ல நினைப்பவர்கள் எளிமையாக்கலாம். ஆனால், இந்த வீழ்ச்சிக்கான காரணங்களை ஆராய்ந்து பார்க்க வேண்டும். செயற்கை நுண்ணறிவு எங்கு செல்லுபடியாகும், எப்படி உபயோகிக்கலாம், எவ்வாறு பயன்படும் என்பதைத் தெரிந்து கொண்டு, அங்கு அந்த நுட்பத்தை பிரயோகிப்போம்.
ஐபிஎம் ஹெல்த் துவங்கியபோது இரு இலட்சியங்களை முன்வைத்தது:
- புற்றுநோய்க்கு முற்றுப்புள்ளி வைக்கும் வைத்தியம்
- தீராத வியாதிகளுக்கு மருந்து கண்டுபிடித்துக் கொடுப்பது.
வாட்ஸன் ஹெல்த்தின் தோல்விக்கு இந்த மாதிரி அகலக்கால் லட்சியங்களே காரணம் என்று வாதிடுவோர் ஒரு தரப்பு இருக்கிறார்கள். ஏற்கனவே இந்தத் துறையில் பல்லாண்டு காலம் பழம் தின்று கொட்டைப் போட்ட ஜாம்பவான்கள் இருக்கிறார்கள். அவர்களுடன் கை கோர்த்துக் கொண்டிருக்க வேண்டும். அவர்களின் முந்தைய சறுக்கல்களை அடையாளம் கண்டுகொண்டு, அதற்கு பதிலகளைக் கண்டுபிடித்திருக்க வேண்டும். கடந்த பத்தாண்டுகளில் நிறைய முன்னேற்றங்களை ஐ.பி.எம். ஹெல்த் சாதித்திருக்கிறது. எனினும், பொன் முட்டையிடும் வாத்து ஒன்றைக் கூடக் கொணரவில்லை. ஆயிரம் வாத்துகள் சாகலாம்; அல்லது சாதாரண முட்டைகளைப் பொரிக்கலாம்; ஆனால், ஒரேயொரு பொன்முட்டை வாத்தாவது இருந்தால்தான் இந்த மாதிரி நிறுவனங்கள் செழிக்கும்.
என்னுடைய வேலையில் வருடந்தோறும் அடையவேண்டிய இலக்குகள் இருக்கும். அது தவிர மாதா மாதம், வாரா வாரம் இலக்குகள் வைத்துக் கொள்வோம். ஐ.பி.எம். ஹெல்த் மாதிரி அல்சைமருக்கு ஒரு மாத்திரை, புற்றுநோய்க்கு இன்னொரு மாத்திரை என்று பெரிய இலக்குகள் கிடையாது. புற்றுநோய் ஆராய்ச்சிக்கு உதவுவோம்; புற்றுநோய் எவ்வாறு உருவாகிறது என ஆராய்வோருக்கு கைகொடுப்போம் என்று சின்னஞ்சிறிய இலக்குகள் ஆக வைத்துக் கொள்வோம். ஆனால், இந்த மாதிரி குட்டிக் குட்டியான சிகரங்களை மட்டுமே மனத்தில் வைத்துக் கொண்டால் இமாலய எவரெஸ்ட் சிகரத்தின் மீது ஏறி உலகத்திற்கே உச்சாணிக் கொம்பாக முடியாது.
ஐ.பி.எம். சியீஓ ஜின்னி (வர்ஜீனியா) ரொமெட்டி (IBM CEO Virginia Rometty) இதைத் தெளிவாகவே சொன்னார். இது முடவன் கொம்புத்தேனுக்கு ஆசைப்படுவது போல். மூன் ஷாட் – பூமியில் இருந்து கொண்டு ஆகாசத்தில் இருக்கும் நட்சத்திரத்தைக் குறி வைத்து கில்லி அடிப்பது போல்.
ஏன்?
செயற்கை அறிவைக் கொண்டு வெறுமனே மருத்துவ மொழியாக்கங்களையும் மருந்து ஆராய்ச்சிகளையும் எல்லோருக்கும் எளிதில் கொண்டு போவது எல்லோரும் செய்யக் கூடிய வித்தை. அது எங்களுக்குப் போதுமானது அல்ல. அதன் மேற்சென்று, நோயாளிகளுக்கு என்ன நோய் வந்திருக்கும், அவருக்கு எந்த மருந்து எப்பொழுது, எப்படி கொடுக்கவேண்டும்; என்று முழுமையாகக் குணப்படுத்துவதும், அந்த நோயே மீண்டும் ஜென்ம ஜென்மத்திற்கும் தலையெடுக்காமல், அடியோடு அழிப்பது – எங்கள் குறிக்கோள் என்கிறார்.
இது அபாரமான முயற்சி. குறிப்பிடத்தக்கக் குறிக்கோள். எங்கே சறுக்கினார்கள்? பிற்காலத்தில் இதே இலட்சியத்தை கையில் எடுக்கும் செயற்கை நுண்ணறிவு ஆய்வாளர்கள் எதை கவனத்தில் கொள்ள வேண்டும்?
நான்கு படிப்பினைகள்
1. சந்தையாக்கம் முக்கியம்தான்; ஆனால், அறிவியல் அஸ்திவாரம் அதைவிட வெகு முக்கியம்
2011ல் ஜெப்பர்டி என்னும் நிகழ்ச்சியில் ஐ.பி.எம். வாட்ஸன் பங்கெடுக்கிறது. அந்தப் போட்டியில் தில்லாலங்கடியான இருவரை வீழ்த்தி வெற்றிவாகை சூடுகிறது. அது ஒரு பொது அறிவுப் போட்டி. விஸ்வநாதன் ஆனந்த் எத்தனை வாரங்கள் கிராண்ட்மாஸ்டராக விளங்கினார், எத்தனை சாமி படங்களை ஹரி எடுத்தார் போன்ற கேள்விகள் கேட்கப்படும். அதில் ஞாபக சக்தியும் கொஞ்சம் சூட்சும புத்தியும் இருந்தால் போதும்.
அதே மாதிரி மருத்துவத் துறையிலும் நுழைந்து டாக்டர்களையும் ஓரங்கட்டுவோம் என்று ஐ.பி.எம். விளம்பரம் செய்கிறார்கள். இனிமேல் பெரிய மருத்துவமனைகளும் தொடர் சோதனைகளும் தேவையே இல்லை. வீட்டுக்கொரு எந்திரன் கணினி. அந்த வாட்சன் கணினியிடம் உங்கள் ரத்தத்தையும் சரித்திரத்தையும் கொடுத்தால் போதும். எல்லாவற்றையும் கணித்து ஆருடம் சொல்வது போல் பூரண நலனையும் அலசி ஆராயும். என்ன சிக்கல், எப்படி தீர்வு என்று சொல்லிவிடும்.
இந்த மாதிரி விளம்பரம் செய்யும்போது நோய் சிகிச்சை ஆராய்ச்சியும் ஆரம்பமாகவில்லை. மருத்துவர்களுடனுடம் கலந்தாலோசிக்கவில்லை. சிகிச்சை மையங்களுடனும் தொடர்பில் இல்லை. வெறுமனே ஒரு க்விஸ் போட்டியில் வென்றதை வைத்து காதில் பூ சுற்ற ஆரம்பிக்கிறார்கள். சட்டியில் ஏதாவது இருந்தால்தானே அகப்பையில் வரும்?
புற்றுநோய் ஆராய்ச்சியைப் பொருத்தவரை வாட்சன் திறன்படவே செயல்பட்டது. ஆனால், புற்றுநோய் என்பது ஒரு கடல். மூளை, மார்பகம் என்று ஆயிரக்கணக்கான நோய் அறிகுறிகளும் சிகிச்சை மாறுபாடுகளும் இருக்கின்றன. மார்பகப் புற்றுநோய் என்பது எளிமையாக சுருக்கினால் கூட, அதில் கூட மரபியல் மாற்றம் பொருத்து பல்வேறு காரணிகள் தோற்றுவாயாக உள்ளன. (மேலும்: IBM’s Watson supercomputer recommended ‘unsafe and incorrect’ cancer treatments, internal documents show)
2016ல் டெக்சாஸ் பல்கலைக்கழகம் இந்தத் தோல்விக்கான காரணங்களை முழுமையாக ஆராய்ந்து ஆய்வறிக்கையை வெளியிட்டுள்ளது (The University of Texas System Administration: Special Review of Procurement Procedures Related to the M.D. Anderson Cancer Center Oncology Expert Advisor Project). அறுபத்தி இரண்டு மில்லியன் டாலர் (கிட்டத்தட்ட 450 கோடி ரூபாய்) செல்வழித்த பின் அந்தத் திட்டத்தைக் கைவிட்டு இருக்கிறார்கள். எந்திர தற்கற்றலுக்கும் (மெஷின் லெர்னிங்) மருத்துவ நலனுக்கும் சம்பந்தமேயில்லாமல் இருந்தது முதல் பிரச்சினை. மருத்துவர்களின் தேவைகளுக்கும் எந்திரம் சொல்லும் விஷயங்களுக்கும் சம்பந்தமேயில்லாமல் இருந்தது இரண்டாவது பிரச்சினை.
அதாவது புற்றுநோய் நோயாளிகளின் தகவல்களை வாட்சன் உள்ளிழுத்துக் கொண்டது. இதுவரை கண்டுபிடித்த, ஆராய்வு முடிவுகளை உள்ளிழுத்துக் கொண்டது. இந்த இரண்டையும் வைத்து நல்லதொரு வழிமுறையைச் சொல்லும் என்று எதிர்பார்க்கிறார்கள். ஆனால், நோயாளியின் வயது, அவரின் சொந்த ஊர், இனம், மொழி, அவருடைய நோய்க்கட்டியின் அளவு, இதுவரை எந்த சிகிச்சைகளைக் கையாண்டிருக்கிறார்கள், அதன் பக்கவிளைவுகள் – என எல்லா விஷயத்தையும் கருத்தில் கொள்ளவில்லை வாட்சன். ஒரு தடவை ஒரு டாக்டர் பிழையைச் சொல்கிறார்; பல டாக்டர்கள் எத்தனை தடவை அதே கணினியிடம் மன்றாடுவார்கள?
பயன்படுத்துவதை விட்டுவிட்டனர்.
செயற்கை நுண்ணறிவும் கணினி செயலிகளும் சட்டுபுட்டென்று உங்களின் திடம், மணம், குணம், நிறத்திற்கேற்ப மாறாது. அதற்கென்று உள்ள விதிமுறைகளை அது பின்பற்றும், இன்று நீங்கள் ஒரு மாற்றத்தைக் கேட்டீர்கள் என்றால், அதை செய்து முடிக்க எனக்கு (ஒரு நிறுவனத்திற்கு) ஆறேழு வாரங்கள் பிடிக்கும். அதன் பின் களத்தில் சோதனை. அதை செய்து முடிக்க ஒன்னொரு ஆறேழு மாதங்கள். அதன் பின் அந்த டாக்டர் இன்னொரு பிழையைக் கண்டுபிடிப்பார். அதை கணினி நிரலியில் சரி செய்து, சோதித்து முடிக்க இன்னொரு ஆறு மாதம். அதற்குள் வைத்தியக்காரரை தேடி வந்தவர்கள் எல்லோரும் பரலோகம் போய் சேர்ந்திருப்பார்கள்.
எனவே, முதலில் சரியான நிரலியை எழுதி முடியுங்கள். ஓரளவாவது ஒழுங்காக வேலை செய்யட்டும். அதன் பின் அதை விற்கும் வேலையைத் துவங்குங்கள்.
உங்களுக்கு அத்யந்தமான சிலரிடம் உங்களின் செயலியைக் கொடுங்கள். பரிசோதனையில் விடுங்கள். அவர்களின் மறுமொழியைக் காதுகொடுத்துக் கேளுங்கள். அவர்கள் சொல்வதை நிறைவேற்றுங்கள்.
எடுத்தோமா… கவிழ்த்தோமா… என்றில்லாமல் களத்தில் கால் வைப்பதற்கும் முன் புடமிட்ட பொன் ஆக்குங்கள்
2. ஒரு சிக்கலைத் தேர்ந்தெடுங்கள்; சரியான சிக்கலாகத் தேர்ந்தெடுங்கள்
அர்ச்சுனர் கதை தெரிந்திருக்கும். எதையும் நீங்கள் எவ்வளவு கவனமாக பார்க்கிறீர்கள் என்பதையும், எவ்வளவு தூரம் உங்கள் கவனத்தை தொடர்ந்து அதிலேயே தக்க வைத்துக் கொள்ள முடிகிறது என்பதையும் பொறுத்திருக்கிறது.
துரோணர் பாண்டவர்கள் மற்றும் கௌரவர்களின் வில்வித்தை திறனை பரிசோதித்து பார்க்க விரும்பினார். எனவே ஒரு மரத்தின் உச்சியில் மரத்தாலான கிளி பொம்மையை தொங்கவிட்டார்.
அனைத்து மாணவர்களையும் பார்த்து, “இளவரசர்களே, ஒரு வீரனுக்கு தேவையான பல்வேறு வித்தைகளை நீங்கள் கற்றுக்கொண்டு விட்டீர்கள். இப்போது பரீட்ச்சைக்கான நேரம் வந்து விட்டது. உங்கள் திறன்களை எனக்கு காண்பிக்கும் நேரம் வந்து விட்டது. இப்போது, வில்வித்தையில் உங்களது திறனை எனக்கு நீங்கள் காட்ட வேண்டும். அதோ, அந்த மரத்தின் மீது கண்களுக்கு மட்டும் வர்ணம் பூசப்பட்ட ஒரு மர பறவையை வைத்துள்ளேன். அதை குறி வைத்து, அதன் கண்ணை தாக்க வேண்டும்” என கூறினார்.
முதலில் அழைக்கப்பட்டது யுதிஷ்டர். பறவையை குறி வைக்கும் படி அவனிடம் துரோணாச்சாரியார் கூறினார். ஆனால் அம்பை விடுவதற்கு முன் தன் கேள்விக்கு பதிலளிக்க கூறினார். யுதிஷ்டர் தயாரான போது, “யுதிஷ்டிரா, உன் கண்களுக்கு என்ன தெரிகிறது என கூற முடியுமா”, என துரோணாச்சாரியா கேட்டார். “எனக்கு பறவை, மரம், மரத்தில் உள்ள பழங்கள் மற்றும் இன்னும் அதிகமான பறவைகள் தெரிகிறது.” என யுதிஷ்டிரா துரோணாச்சாரியாரிடம் கூறினான். வில்லையும் அம்பையும் வைத்து விட்டு போக சொன்னார். ஆச்சரியமடைந்த யுதிஷ்டர் குருவின் சொல்லை மதித்து அவர் சொன்னபடி செய்தான்.
அடுத்தது துரியோதனின் முறை. அவனிடமும் அதே கேள்வியை கேட்டார். அதற்கு அவனோ, “குருதேவா, எனக்கு பறவை, மரம், இலைகள், பழங்கள், மற்றொரு பறவை தெரிகிறது” என கூறினான். ஆனால் அவன் வாக்கியத்தை அவன் முடிப்பதற்குள்ளேயே, “நீ போகலாம்” என துரோணாச்சாரியா கூறினார். கோபமடைந்த துரியோதனன் அம்பையும் வில்லையும் தரையில் தூக்கிப்போட்டு விட்டு சென்றான்.
அடுத்தது பீமனின் முறை. மறுபடியும் அவனிடம் அதே கேள்வியை கேட்டார் துரோணாச்சாரியார். “குருதேவா, எனக்கும் பறவை, மரம், பழங்கள்…” என அவன் கூறிக்கொண்டிருக்கும் போதே அவனை தடுத்து நிறுத்தி ஓரமாக நிறக் சொன்னார்.
அடுத்தது இரட்டையர்களின் முறை. அவர்களுக்கும் அதே கேள்வி கேட்கப்பட்ட போது, “எனக்கு மக்கள், மரங்கள் மற்றும் பறவை தெரிகிறது” என நகுலன் கூறினான். சகாதேவனோ “எனக்கு பறவை, பழங்கள் மற்றும் மரம் தெரிகிறது” என கூறினான்.
கடைசியாக வந்தது அர்ஜுனன். அர்ஜுனன் தயாரான போது “அர்ஜுனா, உனக்கு என்ன தெரிகிறது?” என அவனிடம் துரோணாச்சாரியார் கேட்டார். “குருதேவா, எனக்கு பறவையின் கண்கள் மட்டுமே தெரிகிறது. வேறு எதுவும் தெரியவில்லை.” என கூறினார். “அம்பை விடு!” என புன்னகையுடன் துரோணாச்சாரியார் கூறினார். குறியைப் பார்த்த அர்ஜுனன் அம்பை செலுத்தினான்.
மற்ற இளவரசர்களிடம் திரும்பிய துரோணாச்சாரியா, “இந்த சோதனையின் நோக்கம் உங்களுக்கு புரிந்ததா? ஒன்றை குறி வைக்கும் போது, குறியை தவிர நீங்கள் வேறு எதையும் கவனிக்க கூடாது. தீவிரமான கவனம் இருந்தால் மட்டுமே உங்களால் குறியை தவற விட முடியாது. உங்களுக்கு மரம், இலைகள் மற்றும் மக்கள் மட்டுமே தெரிந்தனர். அதற்கு காரணம் உங்களுக்கு கொடுத்த வேலையில் உங்களுக்கு கவனம் இல்லை. அர்ஜுனன் மட்டுமே சரியாக கவனம் செலுத்தினான். இப்போது புரிகிறதா, அர்ஜுனன் ஏன் சிறந்த மாணவன் என்று?” என கேட்டார்.
இவ்வளவு நீட்டி முழக்கி இந்தக் கதையை மீண்டும் சொல்வது எதற்காக?
வாட்சன் எல்லாவற்றிலும் கால் வைத்தார். மரபணுத்தொகுதியியல் ஆராய்ச்சி; நம் மரபணுத் தொகுதி எவ்வாறு வகுக்கப்பட்டிருக்கிறது என்று பட்டியல் போட்டு வரிசைமுறைப்படுத்தல் செய்தல் எல்லாம் ஒரு பக்கம் சென்று கொண்டிருந்தது.
இன்னொரு பக்கம் சேமநல நிறுவனங்களில் மோசடியை எவ்வாறு கண்டுபிடிப்பது என்பதற்கான நிரலியும் விற்கப்பட்டது. காப்பீடு தருவோரை ஏமாற்றும் பல காரியங்கள் நடக்கும். போலியாக உடம்பு சரியில்லாதது போல் ஆஸ்பத்திரியில் சேர்க்கப்பட்டு, அந்த சிகிச்சைக்கு ஆயிரக்கணக்கில் பணம் செல்வழித்ததாகக் காண்பிக்கும் மருத்துவமனைகளும் மருத்துவர்களும் அதிகம். அவர்களை அடையாளம் கண்டு, காட்டிக் கொடுக்கும் செயலிகளையும் ஐபிஎம் கணினி செயற்கை நுண்ணறிவு கொண்டு செயல்பாட்டில் விட்டு வருகிறது.
இதெல்லாம் உள்ளே, நிஜமாகவே பணம் ஈட்டும் செயற்பாடுகள். ஆனால், வெளியில், பொது அரங்கில் இன்னொரு முகத்தை ஐ.பி.எம் வாட்ஸன் காண்பித்து வந்தார். அது புற்று நோய் சிகிச்சை.
புற்று நோய் சிகிச்சையில் கூட குறிப்பிட்ட இடங்களில் செயற்கை நுண்ணறிவு கைகொடுத்து, மருத்துவர்களுடன் கை கோர்க்கும் விஷயங்கள் இருக்கின்றன. உதாரணமாக ஆயிரக்கணக்கான முலை ஊடுகதிர்ப்படம் சோதனைப்படங்களும் எக்ஸ்ரேக்களும் குவிந்திருக்கும். அதில் இருந்து தனித்துத் தெரிபவர்களை, அபாயத்தில் சிக்கியிருக்கக் கூடியவர்களை மட்டும் கண்டுபிடிக்கலாம். அவர்களை மட்டும் அடுத்த கட்ட சோதனைகளுக்கு பரிந்துரைக்கலாம்.
இதையும் கூட தனியாக விற்றிருக்கலாம். அதுவும் வாட்ஸன் செய்யவில்லை. மருத்துவர்களுக்கும் அவர்களின் உதவியாளர்களுக்கும் ஒவ்வொருத்தராக சோதிப்பது, ஒவ்வொருவரின் சோதனைக்குப் பின்பும் செவியுணரா ஒலி சோதனையா அல்லது அதீத ஒலிப்படப் பரிசோதனையா என்று முடிவெடுப்பது – என்று இது மீண்டும் மீண்டும் செய்யவேண்டிய அலுப்பூட்டும் வேலை. இதை மட்டும் வாட்சன் ஹெல்த் பரிபூரணமாக செய்திருந்தால் கூட வெற்றி பெற்றிருக்கும்.
ஆனால், வாட்ஸன் ஹெல்த் அவ்வாறு செயல்படவில்லை. என்ன நோயானாலும் எங்கிட்ட வாங்க… அத்தனையும் எனக்குத் தெரியும் என்று முழங்கிக் கோட்டை விட்டது.
ஒரு வில்! ஒரு சொல்!! ஒரு இல்!!!
3. தரவுகளை சேகரிப்பதும் சேமித்த விஷயங்களை ஒருங்கிணைப்பதும் அத்தனை சுளுவான காரியமல்ல
உங்கள் நிறுவனம் எப்படி வேகமாக வளர முடியும்? புதிய உத்திகள், புதிய வாடிக்கையாளர்கள், புதிய சந்தைகள் – எல்லாவற்றிலும் டக் டக்கென்று கால்வைப்பது எப்படி?
உங்களின் போட்டியாளர்களை, மற்ற நிறுவனங்களை லபக் லபக்கென்று சாப்பிடுவதன் மூலம் இதெல்லாம் சாத்தியம். ஐபிஎம் ஹெல்த்தும் இதைச் செய்கிறது – ட்ரூவென், எக்ஸ்ப்ளோரிஸ், ஃபைடெல், மெர்ஜ் ஹெல்த்கேர் போன்ற நிறுவனங்களை விழுங்குகிறது.
விலை கொடுத்து வாங்குவது எளிது. வாங்கிய பொருளை கட்டி மேய்ப்பதும் அதை உங்களின் பிற சந்தையாக்கப்பட்ட நிரலிகளுடன் இணைப்பதும் சிரமம்.
புதியதாக ஒரு நிறுவனத்தை வாங்கிப் போடுவது என்பதை பல்வேறு காரணங்களுக்காகச் செய்வோம். பல சமயம் அந்த நிறுவனத்தை மொத்தமாக சந்தையில் இருந்து நீக்குவதற்காக மட்டுமே இதைச் செய்வோம். ஆனால், ஐ.பி.எம். ஹெல்த் – அந்தக் காரணங்களுக்காக இந்த நான்கு நிறுவனங்களை வாங்கவில்லை. அந்த நிறுவனங்களின் மென்பொருள்கள் நன்றாக செயல்பட்டது. அந்த நிறுவனங்களின் தரவு சேமிப்பு ஒன்றையொன்று மாறுபட்டு இருந்தது. இந்த நான்கு நிறுவனங்களையும் ஒருங்கிணைத்தால் ஒரு புதிரின் நான்கு பாகங்களை ஒருங்கிணைப்பது போல் சிறப்பாக கைகோர்க்கும். எனினும், இந்த மாதிரி புதிரை சட்டென்று விடுவிப்பது எளிதேயல்ல.
ஒரு நிறுவனம் விண்டொஸ் இயங்குதளம் கொண்டிருக்கும். இன்னொருவர் எல்லாவற்றையும் அமேசான் கிளவுட் கொண்டு சேகரிப்பார். ஒரு நிறுவனத்தின் சந்தாதாரர் எந்தத் தகவலையும் கொடுக்கக் கூடாது / பகிரக் கூடாது என்று மிரட்டி வழக்கு தொடுப்பார். இதற்கு அமெரிக்க சட்டமான ஹிப்பா (HIPAA) கை கொடுக்கும். அனைத்தையும் ஒரு இடத்தில், ஒரே மூலமாக ஆக்குவது என்பது வருடக்கணக்கான வேலை.
மெர்ஜ் ஹெல்கேர் நிறுவனம் படங்களையும் இயல்நிலை வரைவுகளையும் கொணர்ந்தது. காப்பீட்டு நிறுவனங்களின் விவரங்களையும் காப்புறுதி இழப்பீட்டுக் கோருரிமைகளையும் ட்ரூவென் கொணர்ந்தது. பிணி சார்ந்த தகவல்களையும் முந்தைய பிணியாளர்களின் சரித்திரங்களையும் ஃபைடெல் நிறுவனமும் எக்ஸ்ப்ளோரிஸ் நிறுவனமும் கொணர்ந்தது.
ஒன்று ஏ.டபிள்யூ.எஸ். கிள்வுட் எஸ்3 (AWS S3). இன்னொன்று என்.எஃப்.எஸ். எனப்படும் Network File System. ஒவ்வொன்றும் ஒரு இடத்தில் இருக்கும். ஒவ்வொன்றும் விதவிதமாக சேமிக்கப்பட்டிருக்கும். ஒன்றில் பிணியின் பெயர் ; மற்றொன்றில் நோய்ப்பெயர் எனப்பட்டிருக்கும்; இன்னொன்றில் நோயின் பெயர்; இன்னொன்றில் வெறும் பெயர் என நாமகரணம் சூடப்பட்டிருக்கும்.
வாங்கிப்போடுவது எல்லோராலும் முடியும். ஒரே கீதமாக, ஒரே நாதமாக ஒலிக்கச் செய்வது ஒரு சிலரால மட்டுமே முடியும்.
வாங்கி மட்டும் போடக்கூடாது. வாங்குவதற்கு முன் ஆயிரம் முறை யோசிக்க வேண்டும்; அலச வேண்டும்; திட்டமிட்டு ஒருங்கிணைக்க வேண்டும்.
4. ஒவ்வொரு மாதமும் லாபம் காட்டுவது என்பது சாத்தியமேயல்ல; இது தொலைதூரப் பயணம்
ஐ.பி.எம். போன்ற நிறுவங்கள் பங்குச் சந்தையில் இயங்குகின்றன. வால் ஸ்ட்ரீட்டுக்கு ஒரேயொரு கேள்விதான் – நேற்றைய தினத்தில் எவ்வளவு லாபம் சம்பாதித்தாய்?
ஒரு வருடத்திற்கு நான்கு காலாண்டுகள். அந்தந்தக் காலாண்டில் எவ்வளவு வரவு? எவ்வளவு செலவு? எத்தனை புதிய நுகர்வோர்? எம்புட்டு வருமானம்? சென்ற காலாண்டோடு ஒப்பிட்டால், இந்தக் காலாண்டில் இரட்டிப்பு இலாபம் கிடைத்ததா? அல்லது மூன்று பங்கு வருமானமா?
ஏதாவது சறுக்கினால், உடனடியாக தலைமைப் பதவியில் இருப்பவர்களை நீக்கு என்று முதலீட்டாளர்களின் கோஷம் கூரையைப் பிய்க்கும். அந்தப் பகுதியையே இழுத்து மூட வேண்டி வரும்.
அரச மரத்தைச் சுற்றி வந்தவுடன் அடிவயிற்றை ஸ்கேன் செய்து “ஆணா? பெண்ணா?” என்று கேட்கும் நிறுவனமாக இயங்கினால், ஆர்டிஃபிஷியல் இண்டெலிஜென்சில் ஜெயிக்க முடியாது.
வாட்சன் எவ்வாறு வேலை செய்கிறது: மருத்துவத்துறையில் ஐ.பி.எம்.
புத்தியுள்ள செயலி எல்லாம் வெற்றி காண்பதில்லை
வெற்றி பெற்ற செயலி எல்லாம் புத்திசாலி இல்லை என்றும் சொல்லலாம்.
2011இல் நல்வாழ்வியல் துறைக்குள் வாட்ஸன் அடியெடுத்து வைக்கிறது. அதன் பிறகு ஐம்பதிற்கும் மேற்பட்ட உடன்படிக்கைகள். எல்லாவற்றிலும் ஒரே குறிக்கோள் – செயற்கை நுண்ணறிவை மருத்துவத்தின் சகல மூலை முடுக்குகளிலும் நுழைப்பது. இவற்றில் சில பயன்பாடுகள் மருத்துவர்களுக்கான கருவிகள்; சில நம்மைப் போன்ற இறுதிகட்ட நுகர்வோருக்கான செயலிகள்; வீட்டில் இருந்தபடியே நம் உடல் உபத்திரவங்களைக் குணப்படுத்திக் கொள்வதற்கான செயல்பாடுகள் (அப்ளிகேஷன்கள்) முனைந்தெடுக்கப்பட்டன. மேலும் பற்பல ஆராய்ச்சிகள், பெருநிறுவனங்களின் துணைகொண்டு வளர்த்தெடுக்கப்பட்டன. அதிலிருந்து முக்கியமான திட்டங்களும், அவற்றின் இன்றைய நிலையையும் கீழேக் காணலாம் (நன்றி – ஐஈஈஈ ஸ்பெக்ட்ரெம்):
உசாத்துணை
- IBM is reportedly considering a sale of its Watson Health business
- IBM is now exploring the sale of the Watson healthcare business: report in the Wall Street Journal.
- The Digital Doctor: Hope, Hype, and Harm at the Dawn of Medicine’s Computer Age (McGraw-Hill)
- Majority of health care executives expect return on AI investments in under three years
- How IBM Watson Overpromised and Underdelivered on AI Health Care
- IBM’s Watson Health division
- Playing Doctor with Watson : Medical Applications Expose Current Limits of AI