Anton Dolgikh, Jefe de Inteligencia Artificial, Salud y Ciencias de la Vida en DataArt – Serie de Entrevistas

Anton Dolgikh lidera proyectos de inteligencia artificial y aprendizaje automático en la práctica de Salud y Ciencias de la Vida en DataArt y dirige programas educativos y de capacitación para desarrolladores enfocados en resolver problemas empresariales con métodos de aprendizaje automático. Antes de trabajar en DataArt, Dolgikh trabajó en el Departamento de Sistemas Complejos de la Universidad Libre de Bruselas, una destacada universidad de investigación privada belga.

¿Qué fue lo que originalmente te inspiró a perseguir la inteligencia artificial y las ciencias de la vida como carrera?

Una pasión por buscar los vínculos entre fenómenos y hechos. Siempre me ha gustado leer. Me encantan los libros. En la universidad, descubrí una nueva fuente de información: artículos. En algún momento, parecía que para obtener una visión completa, para cristalizar la hermosa verdad a partir de una masa de información, era casi imposible. Y ahí es donde entra la inteligencia artificial. La estadística, el aprendizaje automático, por supuesto, y la ciencia natural con la inteligencia artificial en la cima, todo actúa para construir un puente entre la sed de conocimiento del cerebro humano y un mundo donde todas las leyes son conocidas y no hay cajas negras.

Actualmente educas y capacitas a desarrolladores que se enfocan en resolver problemas empresariales con métodos de aprendizaje automático. ¿Hay un campo específico de aprendizaje automático en el que te enfocas más, por ejemplo, el aprendizaje profundo?

Sí, el aprendizaje profundo es un instrumento muy popular y, si somos honestos, poderoso; no podemos ignorarlo. Personalmente, prefiero la interpretación bayesiana de los algoritmos clásicos, o incluso una combinación de redes neuronales y un enfoque bayesiano, por ejemplo, un Autoencoder Variacional Bayesiano. Pero creo que lo más importante que debemos enseñar a los nuevos desarrolladores de aprendizaje automático es no utilizar ciegamente la maquinaria de aprendizaje automático como una caja negra mágica, sino percibir los principios básicos detrás de cada método. Una habilidad fundamental es la capacidad de explicar las predicciones obtenidas para una audiencia empresarial.

En marzo de 2019, escribiste un artículo llamado ‘¿Estamos listos para los radiólogos de máquina y sus errores?’. En el artículo, describiste los pros y los contras de aceptar resultados de radiólogos de máquina en comparación con radiólogos humanos. Si tuvieras que elegir entre un ser humano y una máquina que te dieran resultados, ¿cuál elegirías y por qué?

Preferiría un radiólogo humano. No porque tenga algún conocimiento especial de que la inteligencia artificial es muy propensa a cometer errores y las decisiones son intrínsecamente erróneas. No, es más una cuestión de empatía y naturaleza psicológica. Quiero apoyar a los médicos humanos durante este período difícil. Además, creo que en el futuro más cercano, solo veremos a la inteligencia artificial aumentar la capacidad humana.

Recientemente escribiste un documento blanco llamado ‘El impacto de la inteligencia artificial en la longevidad‘. En este documento, afirmaste que la inteligencia artificial debe verse como una herramienta en la búsqueda de una vida más larga. ¿Cuáles son algunas de las metodologías más prometedoras que la inteligencia artificial podría aplicar en la búsqueda de extender la longevidad humana?

Hoy en día, la nueva herramienta de la inteligencia artificial comienza a operar en laboratorios científicos al mismo nivel que los instrumentos y enfoques clásicos. Este hecho en sí mismo es prometedor. La inteligencia artificial está aquí para ayudarnos, no para reemplazarnos, en la lucha para hacer frente a las enormes cantidades de datos que inundan no solo los laboratorios, sino también nuestras vidas personales.

También se discute en el mismo documento blanco la afirmación del director de inteligencia artificial de la Fundación de Investigación de Biogerontología y CEO de Insilico Medicine, el Dr. Alex Zhavoronkov, de que aumentar la longevidad a 150 años no es un objetivo fantástico. ¿Crees que un niño nacido en 2020 podrá vivir hasta 120 o incluso 150 años?

Quiero creer. Siendo un científico por educación y creencia, debo basar mis decisiones en hechos, en la comprensión del progreso de los métodos científicos en el área. Hemos dado un salto impresionante en los campos de la genética, la biotecnología y la medicina en general, y esto fortalece mi creencia. Y no olvidemos que una parte sustancial del éxito en el aumento de la longevidad es un entorno saludable y un estilo de vida saludable, así que debemos trabajar en esto.

En el mismo documento se menciona el potencial de la carga de la mente (transhumanismo). ¿Crees que esto podría ser eventualmente una realidad y cómo te hace sentir personalmente?

He pensado mucho en ello. Francamente, me hace sentir frustrado. Creo que asociamos la personalidad con lo que vemos en el espejo, y para mí, es difícil separar mi carácter de mi cuerpo. Sin embargo, esto no significa que no sea posible. Y sí, creo que más tarde o más temprano, la carga de la mente se volverá factible. Las consecuencias son mucho más difíciles de prever.

Actualmente eres el Jefe de Inteligencia Artificial, Salud y Ciencias de la Vida en DataArt. ¿Cuáles son algunos de los proyectos más interesantes en los que DataArt está trabajando actualmente?

Tenemos un proyecto dedicado al desarrollo de nuevos fármacos. Es inspirador cómo los métodos computacionales han evolucionado para impulsar y dirigir el progreso en la química medicinal y la farmacología. También hacemos mucho trabajo en la aplicación de la inteligencia artificial para extraer información de textos médicos como informes de ensayos clínicos, artículos médicos y foros especializados. Es un trabajo difícil, pero nos acerca a la digitalización de la atención médica, y me parece emocionante.

Como ávido amante de los libros, también necesito preguntar qué libros recomiendas.

• Judea Pearl “Causalidad: Modelos, razonamiento e inferencia“. El título es autoexplicativo – el libro es sobre relaciones causales. Si (algún día) queremos tener una verdadera inteligencia artificial, debemos enseñarle a razonar sobre la causa y el efecto;
• Si estás interesado en los métodos causativos y prácticos, entonces el trabajo fundamental de Daphne Koller y Nir Friedman “Modelos gráficos probabilísticos: Principios y técnicas” será la elección correcta;
• Esperamos que la inteligencia artificial poderosa sea capaz de entendernos. Por lo tanto, debemos enseñarle el lenguaje. El procesamiento del lenguaje natural aborda el problema de la comprensión de los lenguajes naturales. Tengo dos títulos en mente que me ayudaron mucho:
  1. Yoav Goldberg, Métodos de redes neuronales en el procesamiento del lenguaje natural (Conferencias sintéticas sobre tecnologías del lenguaje humano), 2017
  2. Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze Introducción a la recuperación de información, 2009
• No estoy seguro de que el siguiente libro esté dedicado a la inteligencia artificial, pero demuestra un enfoque no estándar para las estadísticas y las predicciones que será útil para cualquier investigador de inteligencia artificial: Bertrand S. Clarke, Jennifer L. Clarke Estadísticas predictivas: Análisis e inferencia más allá de los modelos
• Y terminaría la lista con una novela de ciencia ficción: Stanislav Lem, Los diarios estelares

¿Hay algo más que te gustaría compartir sobre DataArt?

DataArt es un excelente ejemplo de la tendencia reciente hacia la digitalización de casi todos los aspectos de la vida y la actividad. Esta tendencia aumenta la responsabilidad en el desarrollo de software porque hoy en día no se trata solo de construir un sitio web para una tienda, por ejemplo, en el que caso un error del desarrollador tendría consecuencias mínimas. Hoy en día, un error del desarrollador podría convertirse en una catástrofe nacional o mundial si implica un programa que controla el funcionamiento de, por ejemplo, una planta nuclear. El enfoque responsable de DataArt hacia el desarrollo de software en un sentido amplio me da confianza en lo que desarrollamos, y estoy muy orgulloso de ser parte de la empresa y del trabajo que estamos haciendo.

En cuanto a otro proyecto reciente, el año pasado DataArt lanzó una aplicación prototipo llamada ‘SkinCareAI’, que analiza imágenes de la piel para detectar signos tempranos de melanoma. Presentando los últimos avances en tecnología de aprendizaje automático, SkinCareAI fue desarrollado por el experto en aprendizaje automático de DataArt, Andrey Sorokin, para el desafío de la Colaboración Internacional de Imágenes de la Piel (ISIC).

Para obtener más información sobre algunos de nuestros otros proyectos y estudios de caso, visite la página de Salud y Ciencias de la Vida de DataArt.