نماذج ومنصات الذكاء الاصطناعي
ستيفانو باسيفيكو، وديفيد هيغر، المؤسسان المشاركان لشركة Epistemic AI – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
Epistemic AI تستخدم أحدث تقنيات معالجة اللغة الطبيعية (NLP) والتعلم الآلي والتعلم العميق لربط العلاقات بين مجموعة متزايدة من المعرفة البيولوجية، من مصادر عامة وخاصة متعددة، بما في ذلك المستندات وقواعد البيانات. من خلال عملية خريطة المعرفة، يعمل المستخدمون بشكل تفاعلي مع المنصة لخريطة وفهم مجموعات فرعية من المعرفة البيولوجية، مما يكشف عن مفاهيم وعلاقات لم تكن لتحصل عليها بالطرق التقليدية للبحث.
قمنا بمقابلة كل من المؤسسين المشاركين لشركة Epistemic AI لمناقشة أحدث التطورات.
ستيفانو باسيفيكو يأتي من أكثر من 10 سنوات في تطوير الذكاء الاصطناعي و NLP التطبيقي. كان في بلومبرغ سابقًا، حيث قضى 7 سنوات، وكان في شركة Elemental Cognition قبل أن يؤسس Epistemic.
ديفيد هيغر هو أستاذ فضي للعلوم البيولوجية والاعصاب في جامعة نيويورك، وقضى مسيرته في ربط علوم الحاسوب والذكاء الاصطناعي والعلوم البيولوجية. وهو عضو في الأكاديمية الوطنية للعلوم. كما مؤسسين، يجمعون بين خبرة بناء أنظمة الذكاء الاصطناعي و NLP التطبيقية الكبيرة لفهم مجموعات كبيرة من المعرفة، مع خبرة في البيولوجيا الحاسوبية والعلوم البيولوجية من سنوات البحث في هذا المجال.
ما هو الشيء الذي أدخل вас و جذبك إلى الذكاء الاصطناعي و معالجة اللغة الطبيعية (NLP)؟
ستيفانو باسيفيكو: عندما كنت في الكلية في روما، والذكاء الاصطناعي لم يكن مشهورًا على الإطلاق (في الواقع كان على الهامش)، سألت مستشاري آنذاك ماذا يجب أن أختار من بين التخصصات المتاحة. قال لي: “إذا كنت تريد كسب المال، الهندسة البرمجية وقواعد البيانات، ولكن إذا كنت تريد أن تكون غريبًا ولكن متقدمًا جدًا، اختر الذكاء الاصطناعي”. كنت قد بعتت عند قول “غريب”. ثم بدأت العمل على تمثيل المعرفة والاستدلال لدراسة كيف يمكن للوكلاء المستقلين لعب كرة القدم أو إنقاذ الناس. ثم جاءتني两个 استنارة جعلتني أحب NLP: أولاً، الوكلاء المستقلون قد يضطرون إلى التواصل بلغة طبيعية فيما بينهم! ثانيًا، بناء قواعد المعرفة الرسمية يدوياً صعب، بينما اللغة الطبيعية (في النص) توفر بالفعل أكبر قاعدة معارف من جميع الأنواع. أعلم اليوم أن هذه الملاحظات قد تبدو واضحة، ولكنها لم تكن كذلك من قبل.
ما هو التحفيز وراء إطلاق Epistemic AI؟
ستيفانو باسيفيكو: سأقدم ادعاءً جريئًا. لا أحد اليوم لديه أدوات كافية لفهم وربط المعرفة الموجودة في مجموعات كبيرة ومتزايدة من الوثائق والبيانات. كنت قد عملت على هذا المشكل في عالم المالية. فكر في الأخبار والبيانات المالية وبيانات التسعير والإجراءات الشركة والتقارير وغيرها. وجدت أن هذا المشكل مخمور؛ ومهم! عندما التقيت بشركائي، ديفيد هيغر، قمنا بتقييم فرص العمل في مجال الأبحاث البيولوجية. عندما أدركنا حجم المعلومات المتولدة في هذا المجال، كان كما لو أن كل شيء وقع في مكانه الصحيح. يصعب على الباحثين في الأبحاث البيولوجية التعامل مع情報ية المعلومات، بينما يحاولون التعامل مع قاعدة معارف بيولوجية واسعة ومتزايدة سريعًا، بما في ذلك الوثائق (مثل الأوراق والبراءات والدراسات السريرية) وقواعد البيانات (مثل الجينات والبروتينات والمسارات والأدوية والأمراض والمصطلحات الطبية). هذا هو نقطة ألم كبيرة للباحثين، ولا توجد حلول مناسبة متاحة، لذلك يضطرون إلى استخدام أدوات بحث أساسية (PubMed و Google (GOOGL ) Scholar) واستكشاف قواعد البيانات المحددة يدوياً. هذه الأدوات مناسبة للعثور على الوثائق التي تتوافق مع الكلمات الرئيسية (مثل جين معين أو ورقة بحث منشورة)، ولكنها لا تتيح الحصول على معرفة شاملة حول مجال معين أو فرعية (مثل COVID-19)، أو تفسير نتائج التجارب البيولوجية عالية الإنتاجية، مثل تسلسل الجينات أو التعبير البروتيني أو فحص المركبات الكيميائية. بدأنا Epistemic AI مع فكرة لمواجهة هذا المشكل من خلال منصة تمكنهم من:
- تقليل الوقت اللازم لجمع المعلومات وبناء خرائط معرفة شاملة
- إظهار المعلومات متعددة التخصصات التي يمكن أن تكون صعبة العثور عليها (الاكتشافات الهامة غالبًا ما تأتي من النظر إلى الفراغ بين التخصصات)
- تحديد الفرضيات السببية من خلال العثور على مسارات وروابط مفقودة في خريطة المعرفة
ما هي بعض المصادر العامة والخاصة التي تستخدم لربط هذه العلاقات؟
ستيفانو باسيفيكو: في الوقت الحالي، نحن نبتلع جميع المصادر العامة المتاحة التي يمكننا الحصول عليها، بما في ذلك Pubmed و clinicaltrials.gov. نبتلع قواعد بيانات الجينات والأدوية والأمراض وتفاعلاتها. كما نضمن مصادر بيانات خاصة لبعض العملاء، ولكننا لسنا مخولين لإفصاح عن أي تفاصيل حتى الآن.
ما هي أنواع تقنيات التعلم الآلي المستخدمة لخريطة المعرفة؟
ستيفانو باسيفيكو: واحدة من المعتقدات العميقة في Epistemic AI هي أن التطرف ليس مفيدًا لبناء المنتجات. بناء هيكل يدمج عدة تقنيات للتعلم الآلي كان قرارًا تم اتخاذه في وقت مبكر، وتشمل هذه التقنيات تمثيل المعرفة والنموذج المحول، من خلال تمثيلات الرسوم، ولكنها تشمل أيضًا نماذج أبسط مثل الانحدار والغابات العشوائية. كل مكون هو بسيط كما يحتاج، ولكن ليس أبسط. بينما نعتقد أننا قد بنينا بالفعل مكونات NLP هي الأفضل في مجالها لبعض المهام، نحن لا نتهرب من نماذج أساسية أبسط عندما يكون ذلك ممكنًا.
يمكنك ذكر بعض الشركات أو المنظمات غير الهادفة للربح أو المؤسسات الأكاديمية التي تستخدم منصة Epistemic؟
ستيفانو باسيفيكو: بينما أحب أن أفعل ذلك، لم نتفق مع مستخدمينا على ذلك. يمكنني القول أننا قد وقعنا مع أشخاص من مؤسسات عالية المستوى في جميع القطاعات الثلاث (الشركات والمنظمات غير الهادفة للربح والمؤسسات الأكاديمية). بالإضافة إلى ذلك، نعتزم الحفاظ على المنصة مجانية للأغراض الأكاديمية / غير الهادفة للربح.
كيف تساعد Epistemic الباحثين في تحديد علامات بيولوجية محددة للأمراض في الجهاز العصبي المركزي (CNS) وغيرها من الأمراض؟
د. ديفيد هيغر: العلوم العصبية هي مجال متعدد التخصصات للغاية، بما في ذلك البيولوجيا الجزيئية والخلوية والوراثة، ولكن أيضًا علم النفس والكيمياء ومبادئ الفيزياء والهندسة والرياضيات. إنه واسع جدًا بحيث لا يمكن لأي شخص أن يكون خبيرًا في كل شيء. يضطر الباحثون في المؤسسات الأكاديمية والشركات الصيدلانية إلى التخصص. لكننا نعلم أن الرؤى المهمة هي متعددة التخصصات، وتجميع المعرفة من التخصصات الفرعية. منصة البرمجيات التي نبنيها تمكن الجميع من أن يكونوا أكثر تخصصًا، لرؤية العلاقات بين مجالات الخبرة الفرعية الخاصة بهم ومواضيع أخرى، ولتحديد فرضيات جديدة. هذا مهم بشكل خاص في العلوم العصبية لأنها مجال متعدد التخصصات للغاية من البداية. وظيفة وعدم وظيفة الدماغ البشري هو أكثر مشكلة صعبة واجهتها العلوم على الإطلاق. نحن في مهمة لتغيير طريقة عمل العلماء البيولوجيين و حتى كيف يفكرون.
Epistemic أيضًا تمكن من اكتشاف آليات وراثية لأمراض الجهاز العصبي المركزي. يمكنك أن تشرح لنا كيف يعمل هذا؟
د. ديفيد هيغر: معظم الأمراض العصبية والاضطرابات النفسية والاضطرابات التطورية لا تملك تفسيرًا بسيطًا من حيث الاختلافات الجينية. هناك عدد قليل من الاضطرابات المتلازمة التي تُعرف فيها الطفرة التي تسبب الاضطراب. ولكن هذا ليس عادة الحال. هناك مئات من الاختلافات الجينية، على سبيل المثال، التي تم ربطها باضطرابات طيف التوحد (ASD). هناك بعض الفهم لبعض الجينات المرتبطة باضطرابات طيف التوحد حول الوظائف التي تقوم بها فيما يتعلق بالبيولوجيا الأساسية. على سبيل المثال، بعض الجينات المرتبطة باضطرابات طيف التوحد تحتفظ بالخلايا العصبية معًا في الدماغ (ملاحظة، ومع ذلك، أن نفس الجينات عادةً تقوم بوظائف مختلفة في أنظمة الجسم الأخرى). ولكن هناك القليل من الفهم حول كيف يمكن أن تفسر هذه الاختلافات الجينية مجموعة متنوعة من الاختلافات السلوكية التي يعرضها الأفراد الذين يعانون من اضطرابات طيف التوحد. لفهم كل هذا يتطلب ربط الجينوميات والبيولوجيا الجزيئية بالعصبية الخلوية (كيف تسبب الاختلافات الجينية差异ًا في وظيفة الخلايا العصبية الفردية) ثم إلى علوم الأعصاب النظمية (كيف تسبب هذه الاختلافات في وظيفة الخلايا العصبية差异ًا في وظيفة شبكات كبيرة من الخلايا العصبية المتصلية) ثم إلى علم النفس (كيف تسبب هذه الاختلافات في وظيفة الشبكات العصبيةاختلافات في الإدراك والانفعالات والسلوك). وكل هذا يحتاج إلى الفهم من منظور تطوري. قد تسبب اختلاف جيني عيبًا في جانب معين من وظيفة العصبية. ولكن الدماغ لا يجلس هناك ويتحمل ذلك. الأدمغة مرنة. إذا كان هناك آلية مفقودة أو معطوبة، فإن الدماغ سيتطور بشكل مختلف لتعويض ذلك قدر الإمكان. قد تكون التعويض جزيئيًا، على سبيل المثال، تعزيز مستقبلات سنابتيكية أخرى لاستبدال وظيفة مستقبل سنابتيكي معطوب. أو قد تكون التعويض سلوكيًا. النتيجة النهائية تعتمد ليس فقط على الاختلاف الجيني الأولي ولكن أيضًا على محاولات التعويض التي تعتمد على آليات جزيئية وخلويّة ودوائر ونظم وسلوكية.
لا يملك أي فرد المعرفة لفهم كل هذا. نحن جميعًا بحاجة إلى مساعدة. منصة البرمجيات التي نبنيها تمكن الجميع من جمع وربط جميع المعرفة البيولوجية ذات الصلة، لرؤية العلاقات وتحديد فرضيات جديدة.
كيف تستخدم الشركات الصيدلانية والمؤسسات الأكاديمية Epistemic لمواجهة تحدي COVID-19؟
ستيفانو باسيفيكو: لقد أطلقنا إصدارًا عامًا من منصتنا الذي يتضمن مجموعات بيانات محددة لـ COVID-19 ومتاح بحرية لجميع الأشخاص الذين يconductبحثًا حول COVID-19. متاح في https://covid.epistemic.ai
ما هي الأمراض أو القضايا الوراثية الأخرى التي تم استخدام Epistemic لها؟
ستيفانو باسيفيكو: لقد تعاوننا مع باحثين في التوحد ونحن حاليًا نجمع جهودًا بحثية جديدة لمرض التليف الكيسي. ولكننا سعداء بالتعاون 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 الباحثين البيولوجيين وكيف يفكرون. نحن نتمنى حقًا أن ينضم العديد من قراءك إلينا!
شكرًا لكما على الوقت الذي قمتما بتحديده لاجابة على أسئلتنا. القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا Epistemic AI.
