Anton Dolgikh, Διευθυντής του Τμήματος AI, Υγείας και Επιστημών Ζωής στην DataArt – Συνέντευξη

Ο Anton Dolgikh είναι ο Διευθυντής του Τμήματος AI και ML-προσανατολισμένων έργων στην Υγεία και Επιστήμες Ζωής της DataArt και διευθύνει εκπαιδευτικά και εκπαιδευτικά προγράμματα για τους développers που επικεντρώνονται στην επίλυση επιχειρηματικών προβλημάτων με μεθόδους ML. Πριν από την εργασία του στη DataArt, ο Dolgikh εργάστηκε στο Τμήμα Συμπλεγμάτων Συστημάτων στο Université Libre de Bruxelles, ένα από τα κορυφαία ιδιωτικά ερευνητικά πανεπιστήμια του Βελγίου.

Τι ήταν αυτό που σας ενέπνευσε αρχικά να ακολουθήσετε την AI και τις επιστήμες ζωής ως καριέρα;

Μια αγάπη για την αναζήτηση των συνδέσμων μεταξύ φαινομένων και γεγονότων. Πάντα μου αρέσει να διαβάζω. Αγαπώ τα βιβλία. Στο πανεπιστήμιο, ανακάλυψα μια νέα πηγή πληροφοριών – τα άρθρα. Σε κάποιο σημείο, φάνηκε ότι για να λάβω μια πλήρη εικόνα, να κρυστάλλω την όμορφη αλήθεια από μια μάζα πληροφοριών είναι σχεδόν αδύνατο. Και εδώ έρχεται η AI. Η στατιστική, η μηχανική μάθηση και η φυσική επιστήμη με την AI στην κορυφή όλων αυτών συμβάλλουν στην κατασκευή της γέφυρας μεταξύ της ανθρώπινης επιθυμίας για γνώση και ενός κόσμου όπου όλες οι νόμοι είναι γνωστοί και δεν υπάρχουν μαύρες κούτες.

Τώρα εκπαιδεύετε και εκπαιδεύετε développers που επικεντρώνονται στην επίλυση επιχειρηματικών προβλημάτων με μεθόδους ML. Υπάρχει ένα συγκεκριμένο πεδίο της μηχανικής μάθησης στο οποίο επικεντρώθηκα περισσότερο, για παράδειγμα η βαθιά μάθηση;

Ναι, η βαθιά μάθηση είναι ένα πολύ δημοφιλές και, ας είμαστε ειλικρινείς, ισχυρό όργανο· δεν μπορούμε να το αγνοήσουμε. Προσωπικά, προτιμώ την Bayesian ερμηνεία των κλασικών αλγορίθμων, ή ακόμη και μια συνδυασμένη προσέγγιση νευρωνικών δικτύων και Bayesian· για παράδειγμα, ένα Bayesian Variational Autoencoder. Αλλά πιστεύω ότι το πιο σημαντικό πράγμα που πρέπει να διδάξουμε στους νέους ML είναι να μην χρησιμοποιούν τη μηχανή ML σαν μαγική μαύρη κούτα, αλλά να αντιλαμβάνονται τις βασικές αρχές πίσω από κάθε μέθοδο. Μια απαραίτητη ικανότητα είναι η ικανότητα να εξηγούν τις προβλέψεις που λαμβάνονται για ένα επιχειρηματικό κοινό.

Τον Μάρτιο του 2019, έγραψα ένα άρθρο με τίτλο ‘Είμαστε έτοιμοι για τους μηχανικούς ακτινολόγους και τα λάθη τους;’. Στο άρθρο, περιέγραψα τα πλεονεκτήματα και τα μειονεκτήματα της αποδοχής αποτελεσμάτων από μηχανικούς ακτινολόγους έναντι ανθρώπινων ακτινολόγων. Αν έπρεπε να επιλέξω μεταξύ ενός ανθρώπου και μιας μηχανής που μου δίνει αποτελέσματα, ποια θα επέλεγα και γιατί;

Προτιμώ έναν ανθρώπινο ακτινολόγο. Όχι因为 έχω κάποια ειδική γνώση ότι η AI είναι πολύ ευάλωτη σε λάθη και οι αποφάσεις είναι εγγενώς εσφαλμένες. Όχι, είναι περισσότερο ένα ζήτημα ευσπλαχνίας και ψυχολογικής φύσης. Θέλω να υποστηρίξω τους ανθρώπινους γιατρούς κατά τη διάρκεια αυτής της δύσκολης περιόδου. Επιπλέον, πιστεύω ότι στο κοντινό μέλλον, θα δούμε μόνο την AI να αυξάνει τις ανθρώπινες ικανότητες.

Πρόσφατα έγραψα μια λευκή βίβλο με τίτλο ‘Η Επίδραση της Τεχνητής Νοημοσύνης στη Διάρκεια Ζωής‘. Σ’ αυτή τη βίβλο, ανέφερα ότι η AI πρέπει να θεωρηθεί ως ένα εργαλείο στην αναζήτηση για μεγαλύτερη διάρκεια ζωής. Ποια είναι κάποια από τα πιο υποσχόμενα μεθοδολογικά που η AI θα μπορούσε να εφαρμόσει στην αναζήτηση για την επέκταση της ανθρώπινης διάρκειας ζωής;

Σήμερα, το νέο εργαλείο της AI αρχίζει να λειτουργεί σε επιστημονικά εργαστήρια παράλληλα με τα κλασικά όργανα και τις προσεγγίσεις. Αυτό το γεγονός είναι υποσχόμενο. Η AI είναι εδώ για να μας βοηθήσει, όχι να μας αντικαταστήσει, στην πάλη για την αντιμετώπιση των τεράστιων ποσοτήτων δεδομένων που πλημμυρίζουν όχι μόνο τα εργαστήρια αλλά και τις προσωπικές μας ζωές.

Στην ίδια λευκή βίβλο, αναφέρθηκε επίσης ότι ο Διευθυντής της Biogerontology Research Foundation και CEO της Insilico Medicine, Dr Alex Zhavoronkov, ισχυρίστηκε ότι η αύξηση της διάρκειας ζωής στα 150 χρόνια δεν είναι ένα φανταστικό στόχο. Πιστεύετε ότι ένα παιδί που γεννήθηκε το 2020 θα είναι σε θέση να ζήσει μέχρι τα 120 ή ακόμη και 150 χρόνια;

Θέλω να πιστεύω. Ως επιστήμονας με εκπαίδευση και πίστη, πρέπει να βασίζω τις αποφάσεις μου σε γεγονότα, στην κατανόηση της πρόοδου των επιστημονικών μεθόδων στην περιοχή. Έχουμε κάνει ένα εντυπωσιακό άλμα στα πεδία της γενετικής, της βιοτεχνολογίας και της ιατρικής γενικά, και αυτό ενισχύει την πίστη μου. Και μην ξεχάσουμε ότι ένα σημαντικό μέρος της επιτυχίας στην αύξηση της διάρκειας ζωής είναι ένα υγιές περιβάλλον και ένας υγιής τρόπος ζωής, οπότε πρέπει να εργαστούμε πάνω σε αυτό.

Σ’ αυτή τη λευκή βίβλο, αναφέρθηκε επίσης η πιθανότητα για την ανέβασμα του νου (μετα-ανθρωπισμός). Πιστεύετε ότι αυτό θα μπορούσε τελικά να γίνει πραγματικότητα, και πώς σας κάνει να νιώθετε προσωπικά;

Έχω σκεφτεί πολύ γι’ αυτό. Ειλικρινά, με κάνει να νιώθω απογοητευμένος. Πιστεύω ότι συνδέουμε την προσωπικότητα με αυτό που βλέπουμε στο καθρέφτη, και για μένα, είναι δύσκολο να αποσυνδεθώ το χαρακτήρα μου από το σώμα μου. Παρόλα αυτά, αυτό δεν σημαίνει ότι δεν είναι δυνατό. Και, ναι, πιστεύω ότι σε κάποιο σημείο, η ανέβασμα του νου θα γίνει εφικτό. Οι συνέπειες είναι πολύ πιο δύσκολο να προβλεφθούν.

Είστε τώρα ο Διευθυντής του Τμήματος AI, Υγείας και Επιστημών Ζωής στην DataArt. Ποια είναι κάποια από τα πιο ενδιαφέροντα έργα που η DataArt εργάζεται αυτή τη στιγμή;

Έχουμε ένα έργο αφιερωμένο στην ανάπτυξη νέων φαρμάκων. Είναι εμπνευστικό το πώς οι υπολογιστικές μεθόδους έχουν αναπτυχθεί για να κατευθύνουν την πρόοδο στη φαρμακευτική χημεία και φαρμακολογία. Επίσης, κάνουμε πολλή δουλειά στην εφαρμογή της AI για την εξαγωγή πληροφοριών από ιατρικά κείμενα, όπως αναφορές κλινικών δοκιμών, ιατρικά άρθρα και ειδικευμένα φόρουμ. Είναι δύσκολο έργο, αλλά μας φέρνει πιο κοντά στην ψηφιοποίηση της υγείας, και το βρίσκω ενθουσιασμό.

Ως φαν του βιβλίου, πρέπει επίσης να σας ρωτήσω ποια βιβλία θα συνιστούσατε;

• Judea Pearl “Αιτιότητα: Μοντέλα, Λογική και Συλλογή“. Ο τίτλος είναι αυτοεξηγητικός – το βιβλίο είναι για αιτιτικές σχέσεις. Αν (κάποια μέρα) θέλουμε να έχουμε μια πραγματική AI, πρέπει να της διδάξουμε να συλλογίζεται για την αιτία και την επίδραση;
• Αν ενδιαφέρεστε για τις αιτιτικές και πρακτικές μεθόδους, τότε το θεμελιώδες έργο της Daphne Koller και του Nir Friedman “Πιθανοτικές Γραφικές Μοντέλα: Αρχές και Τεχνικές” θα είναι η σωστή επιλογή;
• Περιμένουμε μια ισχυρή AI να είναι σε θέση να μας καταλάβει. Έτσι, πρέπει να της διδάξουμε τη γλώσσα. Η Φυσική Γλώσσα Επεξεργασίας αντιμετωπίζει το πρόβλημα της κατανόησης των φυσικών γλωσσών. Έχω δύο τίτλους στο μυαλό μου που με βοήθησαν πολύ:
  1. Yoav Goldberg, Μέθοδοι Νευρωνικών Δικτύων στη Φυσική Γλώσσα Επεξεργασίας (Συνθετικές Διαλέξεις για τις Τεχνολογίες Ανθρώπινης Γλώσσας), 2017
  2. Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze Εισαγωγή στη Διαχείριση Πληροφοριών, 2009
• Δεν είμαι βέβαιος αν το επόμενο βιβλίο είναι αφιερωμένο στην AI, αλλά δείχνει μια μη τυπική προσέγγιση στα στατιστικά και τις προβλέψεις, η οποία θα είναι χρήσιμη για οποιοδήποτε ερευνητή AI: Bertrand S. Clarke, Jennifer L. Clarke Προβλεπτικά Στατιστικά: Ανάλυση και Συλλογή πέρα από τα Μοντέλα
• Και θα τελειώσω τη λίστα με ένα βιβλίο επιστημονικής φαντασίας: Stanislav Lem, Τα Ημερολόγια του Αστέρα

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την DataArt;

DataArt είναι ένα εξαιρετικό παράδειγμα της πρόσφατης τάσης προς την ψηφιοποίηση σχεδόν κάθε аспέκτου της ζωής και της δραστηριότητας. Αυτή η τάση αυξάνει την ευθύνη στην ανάπτυξη λογισμικού, επειδή σήμερα δεν είναι μόνο για την κατασκευή ενός ιστότοπου για ένα κατάστημα, για παράδειγμα, όπου ένα λάθος του développer θα έχει ελάχιστες συνέπειες. Σήμερα, ένα λάθος του développer θα μπορούσε να γίνει μια εθνική ή παγκόσμια καταστροφή, αν αφορά ένα πρόγραμμα που ελέγχει τη λειτουργία, για παράδειγμα, ενός πυρηνικού σταθμού. Η υπεύθυνη προσέγγιση της DataArt στην ανάπτυξη λογισμικού σε ευρύτερο βαθμό μου δίνει εμπιστοσύνη σε αυτό που αναπτύσσουμε, και είμαι πολύ περήφανος να είμαι μέρος της εταιρείας και του έργου που κάνουμε.

Όσον αφορά ένα άλλο πρόσφατο έργο, πέρυσι η DataArt κυκλοφόρησε ένα πρωτότυπο εφαρμογής που ονομάζεται ‘SkinCareAI’, το οποίο αναλύει εικόνες δέρματος για την ανίχνευση πρώιμων σημάτων του μελανώματος. Με τις τελευταίες προόδους στην τεχνολογία μηχανικής μάθησης (ML), η SkinCareAI αναπτύχθηκε από τον ML εμπειρογνώμονα της DataArt, Andrey Sorokin, για την πρόκληση της Διεθνούς Συνεργασίας για την Εικόνα του Δέρματος (ISIC).

Για να μάθετε περισσότερα για κάποια από τα άλλα έργα και μελέτες περίπτωσης μας, παρακαλούμε επισκεφθείτε τη σελίδα Υγείας και Επιστημών Ζωής της DataArt.