L’intelligenza artificiale cinese TaiChu e CARES Copilot punta a rivoluzionare la medicina e oltre, con notevoli avanzamenti nel settore medico.
L’emergente potenza tecnologica della Cina si manifesta con il lancio di TaiChu e CARES Copilot 1.0, due modelli avanzati di intelligenza artificiale (IA) che si propongono di trasformare il panorama sia generico che specializzato, in particolare nel campo della medicina.
Il progetto, sostenuto dalla prestigiosa Accademia cinese delle scienze, capitalizza sulla tecnologia LLama 2.0 di Meta Platforms Inc., segnando un passo importante nella corsa globale alla supremazia nell’IA. TaiChu, ottenendo l’approvazione normativa, si immerge in settori critici quali sanità, trasporti e produzione, mentre CARES Copilot 1.0, con la sua specializzazione medica, sostiene neurochirurghi in ostici interventi cerebrali.
I testi condotti presso vari ospedali a Pechino testimoniano la fiducia nei progressi IA, con l’intento di estendere l’applicazione di CARES Copilot ad altri centri urbani. Trainato dai molteplici data set di dominio pubblico, incluso un arsenale accademico sostanzioso, CARES Copilot dimostra una, per così dire, acuta intelligenza medica, analizzando dati diagnostici come immagini, risonanza magnetica, e scansioni TC.
La visione di TaiChu e CARES Copilot non si limita alla raccolta e processazione dati, ma aspira a intervenire dinamicamente nell’esito delle cure, aiutando i medici a soppesare i rischi associati a determinate procedure chirurgiche. Nonostante le sfide rappresentate da sanzioni tecnologiche, che limitano l’accesso a risorse come i chip di Nvidia, gli scienziati cinesi restano risoluti nel perseguire l’obiettivo di un IA con qualità competitive a livello internazionale.
Il segreto dietro l’audace progetto, secondo esperti come il neurochirurgo Feng Ming, sta nell’utilizzo di dati clinicamente rilevanti derivati dai principali nosocomi cinesi, risorse che molti concorrenti non possiedono. L’IA così creata potrebbe quindi godere di un vantaggio unico in termini di qualità e pertinenza dei dati addestrativi.