Karim Aly, administrerende direktør for Noze – Intervju-serie

Karim Aly er administrerende direktør for Noze, en canadisk AI-startup, der har udviklet verdens førende teknologi til at digitalisere lugtesansen. Han er fokuseret på at gennemføre virksomhedens vision om at forvandle sundhedssektoren ved at give maskiner evnen til at lugte.

Før Noze etablerede Karim en af de første startup-studier i Canada i samarbejde med en af landets største universiteter. Tidligere i sin karriere var han en aktiv iværksætter på opkommende markeder, hvor han havde grundlagt flere teknologivirksomheder, der voksede til over 20 lande i Mellemøsten og Sydøstasien.

Idéen til digital lugt var oprindeligt konceptueret i 2014, kan du dele nogle indsigt fra disse tidlige dage?

Det var virkelig en funktion af den naturlige nysgerrighed hos vores grundlægger og tekniske direktør – Ashok Prabhu Masilamani – hvor han var drevet til at forstå, hvorfor vi havde digitaliseret lyd (mikrofon), digitaliseret syn (kamera) og digitaliseret berøring (haptik), men ikke lugt. Da han fik afklaret lagene, begyndte han at forstå de nøglefejl, der havde hindret os i at digitalisere lugt. Som en karrierevidenskabsmand blev disse erfaringer hjørnestenen i Ashoks vision for en ny startup; en, der ville udvikle en platform, der kunne bringe lugtopfattelse til den digitale verden, og dermed blev Noze født.

Virksomheden brugte de næste 6 år på at innovere og perfektionere verdens mest avancerede digitale lugtopfattelsesramme, der har løst problemerne med virkelige lugtdetektion og -sporingsopgaver. Selvom teknologien tydeligt har potentiale i en række områder fra luftforurening til lov og orden, har vi valgt at fokusere på at anvende vores digitale lugtplatform udelukkende inden for sundhedssektoren. Faktisk har vi lige annonceret en $1 million grant fra Bill & Melinda Gates Foundation til at udvikle en AI-drevet sundhedsåndedrætsanalyse, der kan detektere infektions sygdomme som malaria og tuberkulose gennem lugtbiomarkører (flygtige organiske forbindelser) i åndedrættet. Dette vil være en game-changer for millioner af mennesker.

I 2015 havde NASA’s Jet Propulsion Laboratory (JPL) en teknologi, der svarede til jeres holds vision. Hvad var denne teknologi, og hvordan sikrede jeres hold denne patent?

I 2014 havde NASA’s Jet Propulsion Laboratory udviklet en innovativ “digital næse”-teknologi til at detektere multiple damp/væsker i orbitalfartøjer i rummet. NASA var fokuseret på at teste denne kapacitet på Den Internationale Rumstation (ISS), som er et langt mere krævende miljø til at “lugte” damp/væsker sammenlignet med her på jorden. Vi så et enormt potentiale i deres tidlige erfaringer, og derfor besluttede vi at accelerere vores rejse ved at sikre en eksklusiv licens til de seks patenter, der blev holdt af JPL i det digitale næse-rum. Siden da har vi radikalt udviklet og forbedret JPL’s digitale næse-teknologi ved at tilføje proprietære lag af aromadata-engineering og perceptive AI-algoritmer for at lancere verdens mest kraftfulde digitale lugtopfattelsesplatform.

Hvad er de forskellige maskinlærings-teknologier, der anvendes for at producere en unik digital lugt?

At producere en fortolkelig digital lugt indebærer faktisk langt mere end bare maskinlæring. Hos Noze indså vi tidligt, at digital lugt skal ses som en ramme, en, der ligner et pattedyrs lugtesystem. Hos pattedyr er frontenden af lugtesystemet en diversificeret samling af lugt-receptorer. For at efterligne disse lugt-receptorer byggede vi en sensor-chip med en diversificeret samling af kemiske receptorer. Når en lugt introduceres til pattedyrs lugt-receptorer, producerer de en unik neural kode, og på samme måde producerer vores kemiske receptor-array en unik “digital lugt”, når en lugt passerer over det.

Sensor-frontenden af den digitale lugt-ramme er kun toppen af isbjerget. Den er bakket op af en cloud-baseret, velkurateret digital lugt-bibliotek og en kemisk perceptiv AI-motor. Magien sker, når alle dele arbejder sammen i harmoni.

Kan du diskutere algoritmerne, der anvendes til at fortolke lugt?

For at fortolke en lugt må vi oprette en dataset af digitale lugt for den pågældende lugt. Vi opdagede, at lugt-datasettet, der er konstrueret fra Noze-sensor-chippen, indeholder rig kemisk semantisk information repræsenteret i form af manifold. I computer-vision-verdenen er anvendelsen af manifold-læringsteknikker en populær tilgang. Men til forskel fra computer-vision, der er et data-rigt domæne, er verden af digital lugt et data-scarce domæne. Derfor anvender vores AI-værktøjskasse en række nylige tilgange som meta-læring, few-shot-læring og manifold-læring på vores formål-byggede lugt-datasets.

En virkelig lugt fra en lugt ville indeholde alle de tilhørende baggrundsstøj, der ville kunne forstyrre korrekt fortolkning. Dette er hvorfor vores proprietære datasets er omhyggeligt kurateret, bygget ved hjælp af en kombination af data-punkter, der repræsenterer baggrunds-lugte (støj) samt data-punkter, der repræsenterer lugten selv. Dette giver vores AI-algoritmer mulighed for at blive trænet til at genkende og afvise baggrunds-støjen, mens de korrekt fortolker den indkommende lugt.

Kan du diskutere Nozes cloud-baserede platform og processen for at tilføje nye lugte, og hvor stor er biblioteket af lugt?

Vores cloud-baserede IoT-platform er vært for det digitale lugt-bibliotek og den perceptive AI-motor. Vores bibliotek består af to typer datasets; en, der er aktivt konstrueret for at skabe lugt for udvalgte lugte og baggrunde, og en, der er passivt oprettet fra den kontinuerlige sampling, der foregår af enheder i markedet, der indeholder vores sensor-chip. Disse passivt sampede lugt er kurateret og gemt i vores lugt-bibliotek, så de kan henvises til og matchet med lugte, som platformen måske kan lære i fremtiden. Da vores platform er forbundet med alle vores enheder i markedet, har vi også udviklet kraftfulde netværkseffekter, hvor der er en kontinuerlig, kollektiv læreproces mellem enheder. Med andre ord kan en enhed lære at fortolke en ny lugt fra erfaringer, der er erhvervet på en helt anden enhed.

Vi har truffet en grundlæggende beslutning om at fokusere på at bygge høj-kvalitets lugt, der kan aktivere meningsfulde brugsområder. Vores overbevisning er, at succes i digital lugt ikke blot er et spørgsmål om antal, men vil blive forankret i den økonomiske og samfundsmæssige værdi, der kan låses op fra det underliggende lugt-bibliotek. Det sagde, indeholder vores proprietære bibliotek i dag over 100 velkuraterede lugt, drevet af næsten 100 millioner datapunkter.

Hvad er nogle af de forskellige brugsområder for digitale lugt i fremstilling?

Man kan let forestille sig, hvordan næsten enhver industri kan udvinde massive fordele fra digitaliseringen af lugtesansen. I fremstilling er der nogle tydeligt værdifulde brugsområder, især dem, der er relateret til forbedring af sikkerhed og overholdelse af regler. Forestil dig, at du kan detektere en brændende ledning i din maskineri blot fra lugtene, der frigøres, og derefter have mulighed for at standse driften, før en brand bryder ud, eller forestil dig, at du kan kontinuerligt spore en samling af biprodukt-damp for at identificere øjeblikket, hvor deres koncentration stiger over HS&E-grænsen for at evakuere og ventilere området.

Vores unikke evne til at differentiere lugt-signaler fra baggrunds-støj er, hvad der giver os mulighed for at bestemme, at lugten faktisk kommer fra en ledning, der brænder, og ikke for eksempel fra cigaret-røg eller en varm kop kaffe. At undgå falske positive resultater, der skyldes andre “baggrunds”-lugte, er kritisk vigtigt og en af de største udfordringer for at commercialisere en digital lugt-platform.

Hvordan anvendes denne teknologi i forhold til mad?

Selvom vores teknologi ikke anvendes i madindustrien i øjeblikket, er der mange potentielle anvendelser på tværs af madforsyningskæden, hvor den kan anvendes. Som eksempel kan vi tage et kig på madfriskhed. Hvad hvis din køleskab kunne detektere, hvilke madvarer der blev placeret indeni, og derefter forudsige, hvor lang tid der var tilbage, før hver enkelt af dem gik til spilde? Denne samme løsning kunne også anvendes i supermarkeder og restauranter, der sammen med hjemmene kollektivt står for over 80% af den mad, der går til spilde hvert år – et problem på 400 milliarder dollars alene i USA.

Fra en helt anden vinkel kan digital lugt også hjælpe med at automatisere madlavningen ved at spore aromaen af en ret eller opskrift fra start til slut for at give kokken (eller automatisere en apparat) instruktioner om, hvad der skal gøres på hver enkelt trin. Vi byggede faktisk en demo, hvor vi trænede vores AI på den komplette madlavningsproces for en kyllingeborst på en indendørs grill. Vi kunne give brugeren besked på, når grllen var tilstrækkeligt varm til at tilføje kyllingen, når at vende den og når at fjerne den fra grllen for at ende med en perfekt tilberedt kyllingeborst.

En interessant anvendelse er i detektion af virus, kan du specificere, hvordan dette fungerer?

Menneskekroppen udskiller visse lugt-biomarkører eller flygtige organiske forbindelser som en fysiologisk respons på infektion. Dette fænomen er dog ikke begrænset til kun virus-infektion. Disse flygtige organiske forbindelser, der kan udskilles fra både vores åndedræt eller vores hud, kan indikere tilstedeværelsen af forskellige kliniske tilstande eller sygdomme. Hvis du tænker på en “sundheds-åndedrætsanalyse”, der kan, med en enkelt åndedræt, potentielt detektere malaria, tuberkulose, diabetes og andre tilstande i deres tidligste stadier, kan du let begynde at værdsætte den indvirkning, vores teknologi kan have på evnen til at tage tidlige og rette handlinger og forbedre patient-udfald. Det er netop denne vision, vi arbejder på lige nu med multiple partnere, herunder Bill & Melinda Gates Foundation og The Montreal Heart Institute, blandt andre. Som virksomhed har vi fundet vores formål, og vi kunne ikke være mere begejstrede for både det arbejde, vi laver, og den meningsfulde indvirkning, det kan have.

Hvad er din vision for fremtiden for digital lugt-genkendelse?

Nozes digitale lugt-platform er et kraftfuldt værktøj, der har digitaliseret lugtesansen. I de sidste 8 år har vi perfektioneret denne teknologi til at fungere uden for kontrollerede laboratoriemiljøer. Vi har bygget flere lugt-detekterings- eller sporingsløsninger for hverdags-scenarier, hvor vores løsninger har fungeret robust på trods af udfordringerne i hver. I dag er vores mål at anvende denne teknologi til at hæve sundheden til et helt nyt niveau. Vi har kun skrabet overfladen af, hvad vi kan fortolke fra de flygtige stoffer, der kontinuerligt udskilles fra vores åndedræt og hud. Vi tror, at vores platform kan dramatisk ændre sundhedsstatus quo ved at digitalisere disse signaturer og korrelerer deres tilstedeværelse med forskellige sundhedsforhold. Det sagde, er detektion af lugt fra menneskers åndedræt og hud ikke uden udfordringer. De flygtige stoffer af interesse er som regel til stede sammen med forvirrende baggrunde, herunder tilstedeværelsen af eksogene flygtige organiske forbindelser, højere temperaturer og kondenserende fugt. Hver af disse egenskaber kan påvirke detektionsnøjagtigheden, hvilket gør det særligt udfordrende at bygge en pålidelig og skalerbar løsning.

Som følge heraf har vores vision for digital lugt altid været uambigu: at levere en skalerbar løsning, der fungerer robust og pålideligt i den virkelige verden, ikke kun i laboratoriet. Først da kan vi virkelig aktivere ubegrænset adgang til screening og diagnostik, der kan hjælpe med at redde liv og forbedre sundheden. Og i dag er vi på randen af at levere det til verden.