Халим Абас, главен директор по ИИ в Cognoa – Серия от интервюта

Халим Абас е главен директор по ИИ в Cognoa, той е иноватор в областта на изкуствения интелект и ветеран в индустрията, който ръководи проекти за наука за данни от световна класа в променящи играта технологии като eBay и Teradata. Cognoa е посветена на създаването на несравним стандарт на грижа за детското поведенческо здраве, който осигурява справедлив достъп до ранна интервенция чрез предоставяне на висококачествени продукти за подобряване на резултатите през целия живот за всички деца и семейства.

Какво първоначално ви привлече към машинното обучение и науката за данни?

Винаги съм се интересувал от компютърно програмиране като дете. По-късно в живота гравитирах към нововъзникващата област на машинното обучение поради неустоимото желание да работя на ръба на научните изследвания и да изследвам откритите предизвикателства на това, което е възможно да се постигне чрез изчислителни алгоритми.

Като бивш старши научен сътрудник в Ebay имате опит в оптимизирането на класирането на резултатите от търсенето за платформата Ebay. Какви са някои от основните уроци в машинното обучение, които научихте от този опит?

В eBay моят екип беше натоварен със задачата да създаде първия в компанията алгоритъм за класиране на резултатите от търсенето, базиран на машинно обучение. С десетки милиони артикули за продажба във всеки един момент и милиарди заявки за търсене всеки ден, най-голямото техническо предизвикателство беше да се преодолее огромният мащаб.

В крайна сметка мисля, че най-големият ми резултат от това преживяване беше да запазя отворен ум относно дефинирането на самата цел. Оказва се, че ако алгоритъмът за класиране представи успешно на купувача само най-добрите оферти, е по-малко вероятно да сключи транзакция. Те също трябваше да видят не толкова добрите сделки, за да разпознаят добрите сделки като такива. Необходими бяха основан на данни подход към успеха, както и непредубеденост, за да осъзнаем този факт и да коригираме стратегията съответно.

Какви са някои от състоянията, които се диагностицират в Cognoa?

Cognoa е компания за педиатрично поведенческо здраве, разработваща дигитална диагностика и терапия. Нашата цел е да използваме технологията, за да рационализираме педиатричното здравеопазване и да отговорим на незадоволените нужди в педиатричното поведенческо здравеопазване. Започваме с аутизма.

Какви са някои от предизвикателствата зад изграждането на система за класификатор за диагностициране на аутизъм и други състояния при деца?

Освен факта, че децата в предучилищна възраст не са най-кооперативните пациенти, едно от основните предизвикателства за нас е това, което наричаме дефиниционен шум. Това означава, че се опитваме да обучим AI алгоритми да класифицират състояния, когато клиничната наука около границите на споменатите състояния все още се развива. В някои случаи човешките специалисти може да не са съгласни помежду си относно диагнозата на едно конкретно дете, а колективното разбиране на основните елементи на определена диагноза все още е нововъзникваща наука. Например, това, което се наричаше болестта на Аспергер преди няколко години, сега се разглежда в рамките на разстройството от аутистичния спектър (ASD), а предишните отделни понятия за разстройство с дефицит на вниманието (ADD) срещу хиперактивност сега се считат за аспекти на единна диагноза, разстройство с дефицит на вниманието и хиперактивност (ADHD). Други нововъзникващи диагностични класификации (като разстройство на сензорната обработка или SPD) тепърва ще стигнат до Ръководството за диагностика и статистика.

За специалиста по данни тези субективни, променящи се граници представляват интересни, значителни предизвикателства, които трябва да бъдат преодолени.

Cognoa създаде диагностична система с 3 резултата. Защо системата е проектирана по този начин?

Аутизмът е сложно състояние на неврологичното развитие с широк спектър от прояви и съпътстващи заболявания.

Създадохме помощно средство за диагностика, за да помогнем на лекарите от първичната медицинска помощ да диагностицират точно и ефикасно аутизъм при деца на възраст от 18 до 72 месеца, които са изложени на риск от изоставане в развитието въз основа на загриженост на болногледач, родител или лекар. Помощта за диагностика на Cognoa работи по уникален начин, като събира и комбинира данни от лица, които се грижат за тях, или родители, и лекари в едно решение, за да ги анализира за предсказуеми сигнали за аутизъм. Нашето помощно средство за диагностика използва AI, за да оцени всички входящи данни и — когато информацията е достатъчна — предоставя положителен или отрицателен резултат за аутизъм, който педиатърът използва в комбинация с клиничното представяне на детето, за да постави диагноза и да насочи подходящи следващи стъпки - грижа.

За да се намали рискът от фалшиви класификации, алгоритъмът също така е проектиран да предоставя неопределен изход като мярка за контрол на риска, за да се гарантират високите прогнозни стойности на резултатите „положителни/отрицателни за аутизъм“, минимизирайки вероятността от фалшиви отрицателни резултати ( тъй като фалшивите отрицателни резултати са най-високият риск, свързан с използването на устройството). Тази процедура на въздържане от прогнозиране, когато отговорът на модела показва по-ниска увереност, е a стандартен метод за контрол на риска в алгоритмите за машинно обучение.

Бихте ли обсъдили как Cognoa преодолява родителските пристрастия, когато става въпрос за типа данни, които се предоставят от родителите?

Страхотен въпрос. Едно от основните предимства на машинното обучение е, че е особено полезно за преодоляване на източници на шум и пристрастия, очаквани във входните данни. Очаква се разказите на родителите за собствените им деца да бъдат субективни и пристрастни, но базирани на много дълги прозорци на наблюдение, докато докладите на клиницистите вероятно ще бъдат по-обективни, но също така и по-малко информирани поради кратките прозорци на наблюдение.

Чрез комбиниране на двата набора входни данни в един единствен процес на машинно обучение, алгоритъмът за машинно обучение е в състояние да се адаптира към допълващия се характер на тези входни данни и да научи модели, които могат да се използват, за да се използва най-доброто от двата набора информация в едно определяне, което е повече надежден от всеки акаунт поотделно.

Кои са някои от най-добрите практики за наука за данни, които се използват в Cognoa, за да се избегнат расови или полови пристрастия в данните?

Като компания, Cognoa се ангажира да създава продукти за справедлив достъп до грижи. Ние сме наясно, че иновациите, базирани на изкуствен интелект, имат потенциала да абсорбират и разширят присъщите пристрастия в обществото. Например момичетата средно се диагностицират 1.5 години по-късно от момчетата и едно на всеки четири деца под 8-годишна възраст, живеещи с аутизъм, повечето от тях чернокожи или испанци, са не е диагностициран изобщо. Това се дължи на липсата на достъп в сегашната ни система и защото диагнозата исторически е била изкривена към чертите на аутизма, преобладаващи при белите момчета, които могат да представят характеристиките на аутизма по различен начин от младите момичета и децата, които не са бели.

За да се справим с тези съществуващи пристрастия, ние умишлено и съзнателно изградихме нашата технология, за да отчетем различията между пол, раса, етнически и социално-икономически произход. Написахме и се придържаме към Харта за социално отговорен AI, която ръководи нашите практики. Нашите AI алгоритми са съзнателно разработени и клинично валидирани с помощта на данни от досиета на пациенти, принадлежащи на хиляди момчета и момичета в различни географски райони с различен произход, състояния, презентации и съпътстващи заболявания.

Чрез препращане към набор от външни точки за данни и използване на комбинирания опит на стотици лекари, едновременно анализиране на различни човешки черти и характеристики, AI на Cognoa има потенциала да помогне на лекарите да се справят с несъзнателните пристрастия.

Какви са някои от терапевтичните решения, които се предлагат в Cognoa?

Понастоящем Конго не разполага с налични терапевтични решения за употреба. Въпреки това в Cognoa се разработват редица решения и е ясно, че AI има огромен потенциал да направи терапевтичните решения по-достъпни и достъпни за деца с поведенчески проблеми.

Има ли нещо друго, което бихте искали да споделите за работата си в Cognoa?

Никога не съм оставал на една работа толкова дълго, колкото сегашната ми роля в Cognoa. Мисля, че това е заради удовлетворението, което получавам от работата по проблем, който засяга живота на толкова много хора на толкова лично ниво. Да помагаш на родителите да се грижат за децата си е почти толкова благородно призвание, на което човек може да се надява.

Благодаря ви за страхотното интервю, читателите, които искат да научат повече, трябва да го посетят Cognoa.