تقديم العرض الوظيفي
ستيفانو باسيفيكو وديفيد هيجر ، مؤسسا Epistemic AI - سلسلة مقابلات
الذكاء المعرفي يستخدم أحدث تقنيات معالجة اللغة الطبيعية (NLP)، والتعلم الآلي، والتعلم العميق لرسم خريطة للعلاقات بين مجموعة متنامية من المعارف الطبية الحيوية، من مصادر متعددة عامة وخاصة، بما في ذلك الوثائق النصية وقواعد البيانات. من خلال عملية رسم خريطة المعرفة، يتفاعل المستخدمون مع المنصة لرسم خريطة وفهم مجموعات فرعية من المعارف الطبية الحيوية، مما يكشف عن مفاهيم وعلاقات قد لا تُكتشف عادةً في عمليات البحث التقليدية.
أجرينا مقابلات مع كل من مؤسسي Epistemic AI لمناقشة هذه التطورات الأخيرة.
ستيفانو باسيفيكو يأتي من أكثر من 10 سنوات في مجال تطوير الذكاء الاصطناعي والمعالجة اللغوية العصبية التطبيقية. عمل سابقًا في Bloomberg ، حيث أمضى 7 سنوات ، وكان في Elemental Cognition قبل أن يبدأ Epistemic.
ديفيد هيجر أستاذ فضي في علوم البيانات وعلم الأعصاب في جامعة نيويورك ، وقد أمضى حياته المهنية في ربط علوم الكمبيوتر والذكاء الاصطناعي والعلوم الحيوية. وهو عضو في الأكاديمية الوطنية للعلوم. كمؤسسين ، فإنهم يجمعون بين الخبرة في بناء أنظمة AI و NLP مطبقة على نطاق واسع لفهم مجموعات كبيرة من المعرفة ، مع خبرة في علم الأحياء الحسابي وعلوم الطب الحيوي من سنوات من البحث في المنطقة.
ما الذي قدمك وجذبك إلى الذكاء الاصطناعي ومعالجة اللغات الطبيعية (NLP)؟
ستيفانو باسيفيكو: عندما كنت في الكلية في روما ، ولم يكن الذكاء الاصطناعي شائعًا على الإطلاق (في الواقع كان هامشيًا جدًا) ، سألت مستشاري في ذلك الوقت عن التخصص الذي كان يجب أن أتخذه من بين المتاحين. قال: "إذا كنت ترغب في كسب المال ، وهندسة البرمجيات وقواعد البيانات ، ولكن إذا كنت تريد أن تكون غريبًا ولكن متقدمًا جدًا ، فاختر الذكاء الاصطناعي". تم بيعي في "غريب". ثم بدأت العمل على تمثيل المعرفة والتفكير لدراسة كيف يمكن للوكلاء المستقلين لعب كرة القدم أو إنقاذ الناس. ثم جعلني إدراكان أقع في حب البرمجة اللغوية العصبية: أولاً ، قد يضطر الوكلاء المستقلون إلى التواصل مع اللغة الطبيعية فيما بينهم! ثانيًا ، يعد بناء قواعد المعرفة الرسمية يدويًا أمرًا صعبًا ، بينما توفر اللغة الطبيعية (في النص) بالفعل أكبر قاعدة معرفية على الإطلاق. أعلم اليوم أن هذه الملاحظات قد تبدو واضحة ، لكنها لم تكن سائدة من قبل.
ما هو الدافع وراء إطلاق Epistemic AI؟
ستيفانو باسيفيكو: سأقوم بتقديم مطالبة جريئة. لا أحد اليوم لديه الأدوات الكافية لفهم وربط المعرفة الموجودة في مجموعات كبيرة ومتنامية باستمرار من الوثائق والبيانات. سبق لي أن عملت على حل هذه المشكلة في عالم المال. فكر في الأخبار والبيانات المالية وبيانات التسعير وإجراءات الشركات والإيداعات وما إلى ذلك. لقد وجدت هذه المشكلة مخيفة. وبالطبع هذه مشكلة صعبة. وواحد مهم! عندما التقيت المؤسس المشارك لي ، الدكتور ديفيد هيجر ، أمضينا وقتًا طويلاً في تقييم فرص الشركات الناشئة في صناعة الطب الحيوي. عندما أدركنا الحجم الهائل للمعلومات المتولدة في هذا المجال ، بدا الأمر كما لو أن كل شيء سقط في مكانه الصحيح. يكافح باحثو الطب الحيوي مع زيادة المعلومات ، بينما يحاولون التعامل مع القاعدة الواسعة والمتوسعة بسرعة للمعرفة الطبية الحيوية ، بما في ذلك الوثائق (مثل الأوراق وبراءات الاختراع والتجارب السريرية) وقواعد البيانات (على سبيل المثال ، الجينات والبروتينات والمسارات والأدوية والأمراض ، المصطلحات الطبية). هذه نقطة ألم رئيسية للباحثين ، وفي ظل عدم توفر حل مناسب ، يضطرون إلى استخدام أدوات البحث الأساسية (PubMed و Google Scholar) واستكشاف قواعد البيانات المنسقة يدويًا. هذه الأدوات مناسبة للعثور على الكلمات الأساسية المطابقة للمستندات (على سبيل المثال ، جين واحد أو ورقة دورية منشورة) ، ولكن ليس لاكتساب معرفة شاملة حول موضوع أو مجال فرعي (على سبيل المثال ، COVID-19) ، أو لتفسير نتائج الإنتاجية العالية تجارب علم الأحياء ، مثل التسلسل الجيني ، أو التعبير عن البروتين ، أو فحص المركبات الكيميائية. لقد بدأنا Epistemic AI بفكرة معالجة هذه المشكلة من خلال منصة تتيح لهم بشكل تكراري:
- تقصير الوقت لجمع المعلومات وبناء خرائط معرفية شاملة
- المعلومات السطحية متعددة التخصصات التي يمكن أن يكون من الصعب العثور عليها (الاكتشافات الحقيقية غالبًا ما تأتي من البحث في المساحة البيضاء بين التخصصات) ؛
- حدد الفرضيات السببية من خلال إيجاد المسارات والروابط المفقودة في خريطة المعرفة الخاصة بك.
ما هي بعض المصادر العامة والخاصة المستخدمة لرسم خريطة لهذه العلاقات؟
ستيفانو باسيفيكو: في هذا الوقت ، نستوعب جميع المصادر المتاحة للجمهور والتي يمكننا الحصول عليها ، بما في ذلك Pubmed و Clinicaltrials.gov. نحن نستوعب قواعد بيانات الجينات والأدوية والأمراض وتفاعلاتها. نقوم أيضًا بتضمين مصادر البيانات الخاصة لعملاء محددين ، لكن ليس لدينا الحرية في الكشف عن أي تفاصيل حتى الآن.
ما نوع تقنيات التعلم الآلي المستخدمة لرسم خرائط المعرفة؟
ستيفانو باسيفيكو: من المعتقدات الراسخة في Epistemic AI أن التعصب ليس مفيدًا لبناء المنتجات. كان بناء بنية تدمج العديد من تقنيات التعلم الآلي قرارًا تم اتخاذه في وقت مبكر ، وتتراوح تلك من تمثيل المعرفة إلى نماذج المحولات ، من خلال تضمين الرسوم البيانية ، ولكنها تشمل أيضًا نماذج أبسط مثل الانحدارات والغابات العشوائية. كل مكون بسيط كما يجب ، ولكن ليس أبسط. بينما نعتقد أننا قمنا بالفعل ببناء مكونات NLP الحديثة لمهام معينة ، فإننا لا نخجل من النماذج الأساسية الأبسط عندما يكون ذلك ممكنًا.
هل يمكنك تسمية بعض الشركات أو المؤسسات غير الربحية أو الأكاديمية التي تستخدم منصة Epistemic؟
ستيفانو باسيفيكو: على الرغم من أنني أرغب في ذلك ، إلا أننا لم نتفق مع مستخدمينا على القيام بذلك. أستطيع أن أقول أنه كان لدينا أشخاص اشتركوا من مؤسسات رفيعة المستوى في جميع القطاعات الثلاثة (الشركات والمؤسسات غير الربحية والمؤسسات الأكاديمية). بالإضافة إلى ذلك ، نعتزم إبقاء المنصة مجانية للأغراض الأكاديمية / غير الهادفة للربح.
كيف يساعد Epistemic الباحثين في تحديد الجهاز العصبي المركزي (CNS) وغيرها من المؤشرات الحيوية الخاصة بالأمراض؟
د. ديفيد هيجر: علم الأعصاب هو مجال متعدد التخصصات للغاية بما في ذلك البيولوجيا الجزيئية والخلوية وعلم الجينوم ، ولكن أيضًا علم النفس والكيمياء ومبادئ الفيزياء والهندسة والرياضيات. إنه واسع جدًا بحيث لا يمكن لأي شخص أن يكون خبيرًا فيه على الإطلاق. يضطر الباحثون في المؤسسات الأكاديمية وشركات الأدوية / التكنولوجيا الحيوية إلى التخصص. لكننا نعلم أن الرؤى المهمة متعددة التخصصات ، وتجمع بين المعرفة من التخصصات الفرعية. تتيح منصة البرمجيات المدعومة بالذكاء الاصطناعي التي نبنيها للجميع أن يكونوا أكثر تعددًا للتخصصات ، وأن يروا الروابط بين مجالات خبرتهم الفرعية الفردية والمواضيع الأخرى ، وأن يحددوا فرضيات جديدة. هذا مهم بشكل خاص في علم الأعصاب لأنه مجال متعدد التخصصات لتبدأ به. تعد وظيفة الدماغ البشري واختلاله من أصعب مشكلة واجهها العلم على الإطلاق. نحن في مهمة لتغيير الطريقة التي يعمل بها علماء الطب الحيوي وحتى طريقة تفكيرهم.
يتيح Epistemic أيضًا اكتشاف الآليات الجينية لاضطرابات الجهاز العصبي المركزي. هل يمكنك إطلاعنا على كيفية عمل هذا؟
د. ديفيد هيجر: معظم الأمراض العصبية والأمراض النفسية واضطرابات النمو ليس لها تفسير بسيط من حيث الاختلافات الجينية. هناك عدد قليل من الاضطرابات المتلازمية التي من المعروف أن طفرة معينة تسبب الاضطراب. لكن هذا ليس هو الحال عادة. هناك المئات من الاختلافات الجينية ، على سبيل المثال ، التي ارتبطت باضطرابات طيف التوحد (ASD). هناك بعض الفهم لبعض هذه الجينات حول الوظائف التي تخدمها من حيث علم الأحياء الأساسي. على سبيل المثال ، بعض الجينات المرتبطة بالتوحد تربط المشابك العصبية معًا في الدماغ (مع ذلك ، لاحظ أن الجينات نفسها تؤدي وظائف مختلفة في أنظمة الأعضاء الأخرى في الجسم). لكن هناك القليل جدًا من الفهم حول كيف يمكن لهذه الاختلافات الجينية أن تفسر المجموعة المعقدة من الاختلافات السلوكية التي يظهرها الأفراد المصابون بالتوحد. ومما زاد الطين بلة ، أن شخصين لهما نفس الاختلاف الجيني قد يكون لهما نتائج مختلفة تمامًا ، أحدهما مصاب بالتوحد والآخر ، لا. وقد يكون لشخصين لهما ملامح جينية مختلفة تمامًا نفس النتيجة مع عيوب سلوكية متشابهة جدًا. لفهم كل هذا يتطلب إجراء اتصال من علم الجينوم والبيولوجيا الجزيئية إلى علم الأعصاب الخلوي (كيف تؤدي الاختلافات الجينية إلى عمل الخلايا العصبية الفردية بشكل مختلف) ثم إلى علم الأعصاب للأنظمة (كيف تسبب هذه الاختلافات في الوظيفة الخلوية شبكات من أعداد كبيرة من الخلايا العصبية المترابطة لتعمل بشكل مختلف) ثم إلى علم النفس (كيف تؤدي هذه الاختلافات في وظيفة الشبكة العصبية إلى اختلافات في الإدراك والعاطفة والسلوك). وكل هذا يحتاج إلى فهمه من منظور تنموي. قد يتسبب الاختلاف الجيني في حدوث عجز في جانب معين من الوظيفة العصبية. لكن الدماغ لا يجلس هناك ويأخذه فقط. الأدمغة شديدة التكيف. إذا كانت هناك آلية مفقودة أو مكسورة ، فسيتطور الدماغ بشكل مختلف للتعويض قدر الإمكان. قد يكون هذا التعويض جزيئيًا ، على سبيل المثال ، تنظيم مستقبل متشابك آخر ليحل محل وظيفة المستقبل المشبكي المعطل. أو قد يكون التعويض سلوكيًا. لا تعتمد النتيجة النهائية على الاختلاف الجيني الأولي فحسب ، بل تعتمد أيضًا على المحاولات المختلفة للتعويض بالاعتماد على الآليات الجزيئية والخلوية والدوائر والأنظمة والآليات السلوكية الأخرى.
لا يوجد فرد لديه المعرفة لفهم كل هذا. نحن جميعا بحاجة للمساعدة. منصة البرمجيات المدعومة بالذكاء الاصطناعي التي نبنيها تمكن الجميع من جمع وربط كل المعرفة الطبية الحيوية ذات الصلة ، لمعرفة الروابط وتحديد الفرضيات الجديدة.
كيف تستخدم الأدوية الحيوية والمؤسسات الأكاديمية Epistemic لمواجهة تحدي COVID-19؟
ستيفانو باسيفيكو: لقد أصدرنا إصدارًا عامًا من نظامنا الأساسي يتضمن مجموعات بيانات خاصة بـ COVID ويمكن الوصول إليه مجانًا لأي شخص يقوم بالبحث عن COVID-19. إنه متاح على https://covid.epistemic.ai
ما هي بعض الأمراض أو القضايا الوراثية الأخرى التي استخدم فيها Epistemic؟
ستيفانو باسيفيكو: لقد تعاونا مع باحثي التوحد ونقوم مؤخرًا بتجميع جهود بحثية جديدة للتليف الكيسي. لكن يسعدنا التعاون مع أي باحثين أو مؤسسات أخرى قد تحتاج إلى مساعدة في أبحاثهم.
هل هناك أي شيء آخر تود مشاركته حول Epistemic؟
ستيفانو باسيفيكو: نحن نبني حركة من الناس الذين يريدون تغيير طريقة عمل وتفكير الباحثين في الطب الحيوي. نأمل مخلصين أن يرغب العديد من قرائك في الانضمام إلينا!
شكرا لكما على الوقت الذي خصصته للإجابة على أسئلتنا. القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا الذكاء المعرفي.
