Halim Abbas, Cognoan Chief AI -upseeri – Haastattelusarja

Halim Abbas on Cognoan Chief AI -upseeri, ja hän on AI- innovaattori ja alan veteraani, joka on johtanut maailmanluokan data science -projekteja teknologiayrityksissä kuten eBay ja Teradata. Cognoa on omistautunut luomaan vertaansa vailla olevan huippuluokan hoitostandardin lasten käyttäytymisen terveydenhuollossa, joka takaa tasapuolisen pääsyrän varhaiseen puuttumiseen toimittamalla korkealaatuisia tuotteita, jotka parantavat elinikäistä tuloksia kaikille lapsille ja perheille.

Mikä alun perin veti sinut machine learningiin ja data scienceen?

Olin aina kiinnostunut tietokoneohjelmoinnista lapsena. Myöhemmin elämässäni suuntauduin machine learningin nousuun, koska halusin toimia tutkimuksen reunalla ja tutkia, mitä voidaan saavuttaa laskennallisten algoritmien avulla.

Ebayn entisenä Senior Research Scientistinä sinulla on tausta hakutulosten sijoittamisessa Ebay-alustalla. Mitkä ovat joitain perustavia machine learning -oppeja, jotka opit tästä kokemuksesta?

Ebayssa tiimini tehtävänä oli luoda yhtiön ensimmäinen koskaan machine learning -voimainen hakutulosten sijoitusalgoritmi. Kymmenien miljoonien myytävien tuotteiden ja miljardien hakukyselyjen kanssa jokaisena päivänä suurin tekninen haaste oli voittaa valtava mittakaava.

Lopulta luulen, että suurin opetus, jonka sain tästä kokemuksesta, oli pitää mieli avoinna itse tavoitteen määritelmästä. Osoittautui, että jos sijoitusalgoritmi esitti ostajalle vain parhaat tarjoukset, he olivat vähemmän todennäköisesti transaktioita. Heidän piti myös nähdä niin hyvät kuin huonot tarjoukset, jotta he voivat tunnistaa hyvät tarjoukset sellaisina. Se vaati data-pohjaisen lähestymistavan menestykseen sekä avoimen mielen, jotta voimme toteuttaa tämän tosiasian ja sopeuttaa strategiaamme sen mukaan.

Mitkä ovat joitain olosuhteita, joita Cognoassa diagnosoidaan?

Cognoa on lasten käyttäytymisen terveydenhuollon yritys, joka kehittää digitaalisia diagnostiikka- ja terapia-ratkaisuja. Tavoitteemme on hyödyntää teknologiaa lasten terveydenhuollon sujuvoittamiseen ja käyttäytymisen terveydenhuollon puutteiden korjaamiseen. Aloitan autismista.

Mitkä ovat joitain haasteita, jotka liittyvät luokittelu järjestelmän rakentamiseen autismiin ja muihin lasten oireisiin?

Lisäksi siitä, että esikoululaiset eivät ole yhteistyökykyisiä potilaita, yksi päähaasteista meillä on, mitä kutsuvat määrittelymeluksi. Se tarkoittaa yrittää kouluttaa tekoälyalgoritmeja luokittamaan olosuhteita, kun kliininen tietäminen olosuhteiden rajoista on edelleen kehittymässä. Joidenkin tapausten kohdalla ihmisten asiantuntijat voivat olla eri mieltä yhden tietyn lapsen diagnoosista, ja yhteinen ymmärrys diagnoosin perustuvista elementeistä on edelleen kehittymässä. Esimerkiksi se, mitä kutsuttiin Aspergerin oireyhtymäksi muutama vuosi sitten, on nyt autismikirjon häiriön (ASD) alla, ja aiemmin erilliset käsitteet tarkkaavaisuus- ja ylivilkkaushäiriöstä (ADD) ovat nyt yhdistetty tarkkaavaisuus- ja ylivilkkaushäiriöksi (ADHD). Muita kehittyviä diagnostisia luokituksia (kuten aistien prosessointihäiriö tai SPD) eivät ole vielä saaneet aikaan diagnostisen ja tilastollisen käsikirjan.

Näitä subjektiivisia, muuttuvia rajoja esittää data-tieteilijälle mielenkiintoisia ja kooltaan merkittäviä haasteita, jotka on voitettava.

Cognoa rakensi 3-tuloksen diagnostisen järjestelmän. Miksi järjestelmä on suunniteltu tällä tavalla?

Autismi on monimutkainen neurologinen kehityshäiriö, jolla on laaja valikoima esitysmuotoja ja yhdistelmähäiriöitä.

Rakensimme diagnostiikkavälineen, joka auttaa ensisijaisia hoitajia diagnosoimaan autismia 18-72 kuukauden ikäisillä lapsilla, jotka ovat vaarassa kehitysviiveestä huolimatta hoitajan, vanhemman tai lääkärin huolenaiheesta. Cognoan diagnostiikkaväline toimii ainutlaatuisella tavalla keräämällä ja yhdistämällä sekä hoitajien että lääkärien syötteitä yhteen ratkaisuun, jotta voidaan analysoida niitä autismille altistavia signaaleja. Diagnostiikkavälineemme käyttää tekoälyä arvioidakseen kaikki syötteet, ja kun tieto on riittävä, se antaa positiivisen tai negatiivisen tuloksen autismista, jonka lastenlääkäri käyttää yhdessä lapsen kliinisen esittämisen kanssa antaakseen diagnoosin ja ohjatakseen asianmukaiset seuraavat hoitotoimenpiteet.

Jotta voimme vähentää virheellisten luokittelujen riskiä, algoritmi on suunniteltu myös antamaan epämääräinen tuloste riskienhallintatoimenpiteenä varmistamaan “autismin positiivisen/negatiivisen” tulosten korkeat ennustearvot, vähentämällä virheellisten negatiivisten tulosten (koska virheelliset negatiiviset ovat suurin riski laitteen käytössä) todennäköisyyttä. Tämä menettely, jossa pidämme taukoa ennustettaessa, kun mallivastaus osoittaa alhaisempaa luottamusta, on tekoälyalgoritmien standardiriskienhallintamenetelmä.

Voitko keskustella siitä, miten Cognoa voittaa vanhempien puolueellisuuden, kun on kyse siitä, minkälaisia tietoja vanhemmat antavat?

Hyvä kysymys. Yksi tekoälyn suurimmista eduista on, että se on erityisen hyödyllistä ylittämään odotettavissa olevat häiriöt ja puolueellisuus syötetiedoissa. Vanhempien kertomukset omista lapsistaan odotetaan subjektiivisia ja puolueellisia, mutta perustuvat hyvin pitkiin havaintojen ikkunoihin, kun taas lääkärien raportit ovat todennäköisesti objektiivisempia, mutta vähemmän perustuvia lyhyisiin havaintojen ikkunoihin.

Yhdistämällä molemmat syötteet yhteen tekoälyprosessiin, tekoälyalgoritmi pystyy sopeutumaan näiden syötteiden täydentävään luonteeseen ja oppimaan kuvioita, joita voidaan käyttää hyödyntämään parasta kummastakin tietojoukosta yhteen määritykseen, joka on luotettavampi kuin kumpikaan tietojoukko yksin.

Mitkä ovat joitain data science -parhaita käytäntöjä, joita Cognoa käyttää välttääkseen rotu- tai sukupuolipuolueellisuutta tiedoissa?

Cognoa on sitoutunut rakentamaan tuotteita, jotka tarjoavat tasapuolisen pääsyrän hoitoon. Olemme tietoisia siitä, että tekoälypohjaiset innovaatiot voivat imeä ja vahvistaa yhteiskunnan sisäisiä puolueellisuuksia. Esimerkiksi tytöt diagnosoidaan keskimäärin 1,5 vuotta myöhemmin kuin pojat, ja yksi neljästä alle 8-vuotiaasta lapsesta, joilla on autismi, useimmat mustia tai hispaanoja, ei diagnosoida lainkaan. Tämä johtuu siitä, että nykyisessä järjestelmässä on puutteita ja siksi, että diagnoosi on historiallisesti ollut vinoutunut autismipiirteiden suhteen, jotka ovat yleisiä valkoisilla pojilla, jotka voivat esittää autismipiirteitä toisin kuin nuoret tytöt ja ei-valkoiset lapset.

Toimiaksemme näiden olemassa olevien puolueellisuuksien kanssa, rakensimme tietoisesti ja tietoisesti teknologiamme huomioon ottamaan eroja sukupuolen, rodun, etnisen ja sosioekonomisen taustan välillä. Olemme kirjoittaneet ja sitoutuneet sosiaalisesti vastuulliseen tekoälykäsikirjaan, joka ohjaa käytäntöjämme. Tekoälyalgoritmimme on kehitetty tietoisesti ja kliinisesti validoituna potilastietojen avulla, jotka kuuluvat tuhansiin poikiin ja tyttöihin eri taustoista, olosuhteista, esitysmuodoista ja yhdistelmähäiriöistä.

Viittaamalla ulkoisiin tietopisteisiin ja hyödyntämällä satojen lääkärien yhdistettyjä kokemuksia, analysoimalla useita eri ihmisten piirteitä ja ominaisuuksia, Cognoan tekoälyllä on potentiaalia auttaa lääkäreitä kohtaamaan tiedostamattoman puolueellisuuden.

Mitkä ovat joitain terapeuttisia ratkaisuja, joita Cognoa tarjoaa?

Tällä hetkellä Cognoalla ei ole terapeuttisia ratkaisuja, jotka ovat käytettävissä. Kuitenkin useita ratkaisuja kehitetään Cognoassa, ja on selvää, että tekoälyllä on valtava potentiaali tehdä terapeuttisista ratkaisuista helpommin saatavilla lapsille, joilla on käyttäytymisen häiriöitä.

Onko jotain muuta, mitä haluaisit jakaa työstäsi Cognoassa?

En ole koskaan ollut yhdessä työssäni yhtä kauan kuin nykyisessä roolissani Cognoassa. Luulen, että se johtuu tyytyväisyydestä, jonka saan työskennellessäni ongelmalla, joka koskee niin monen ihmisen elämää niin henkilökohtaisella tasolla. Vanhempien auttaminen lastensa hoitamisessa on yhtä jaloa kutsua kuin mitä voisi toivoa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Cognoan sivustolla.