Stefano Pacifico ja David Heeger, Epistemic AI:n perustajat – Haastattelusarja

Epistemic AI käyttää viimeisintä Natural Language Processing (NLP) -tekniikkaa, koneoppimista ja syväoppimista algoritmeja karttaamaan suhteita kasvavan biolääketieteellisen tietämyksen joukossa, useista julkisista ja yksityisistä lähteistä, mukaan lukien tekstinasiakirjoja ja tietokantoja. Tietämyksen kartoittamisen prosessin kautta käyttäjät työskentelevät vuorovaikutteisesti alustan kanssa kartoittaakseen ja ymmärtääkseen biolääketieteellisen tietämyksen alajoukkoja, jotka paljastavat käsitteitä ja suhteita, jotka muuten jäävät perinteisen haun ulottumattomiin.

Haastattelimme molempia Epistemic AI:n perustajia keskustellakseen näistä uusimmista kehityksistä.

Stefano Pacifico tulee 10+ vuoden soveltamasta tekoäly- ja NLP-kehityksestä. Aikaisemmin Bloombergilla, jossa hän vietti 7 vuotta, ja oli Elemental Cognitionissa ennen Epistemicin perustamista.

David Heeger on hopeaprofessori datasta ja neurotieteestä NYU:ssa, ja on viettänyt uransa tietojenkäsittelytieteen, tekoälyn ja bioscientificin välillä. Hän on National Academy of Sciencesin jäsen. Perustajina he kokoavat soveltamansa suuren mittakaavan tekoäly- ja NLP-järjestelmien asiantuntemuksen suurten tietämyksen kokoelmien ymmärtämiseksi, asiantuntemuksen kanssa laskennallisen biologian ja biolääketieteellisen tietämyksen alalta vuosien tutkimuksen jälkeen.

Mikä sai sinut kiinnostumaan tekoälystä ja luonnollisen kielen prosessoinnista (NLP)?

Stefano Pacifico: Kun olin yliopistossa Roomassa, ja tekoäly ei ollut lainkaan suosittua (se oli jopa erittäin marginaalista), kysyin silloiselta ohjaajaltani, minkä erikoistumisen minun pitäisi valita saatavilla olevista. Hän sanoi: “Jos haluat tienata rahaa, ohjelmistosuunnittelu ja tietokannat, mutta jos haluat olla outo mutta hyvin edistynyt, valitse tekoäly”. Olin myyty “outoon”. Aloin työskennellä tietämyksen edustamisessa ja päättelyssä tutkia, miten autonomiset agentit voivat pelata jalkapalloa tai pelastaa ihmisiä. Sitten kaksi toteutusta sai minut rakastumaan NLP:hen: ensinnäkin, autonomiset agentit saattavat joutua viestimään luonnollisella kielellä toisilleen! Toiseksi, virallisten tietämyksen perusten rakentaminen käsin on vaikea, kun taas luonnollinen kieli (teksteissä) tarjoaa jo suurimman tietämyksen perustan kaikista. Tiedän, että nämä saattavat tuntua nykyään ilmeisiltä havainnoilta, mutta ne eivät olleet aikaisemmin yleisiä.

Mikä oli inspiraatio Epistemic AI:n perustamiseen?

Stefano Pacifico: Teen rohkean väitteen. Kukaan ei tänään ole sopivaa työkalua ymmärtääkseen ja yhdistääkseen tietämyksen suurissa, kasvavissa asiakirjojen ja tietojen kokoelmissa. Olin aiemmin työskennellyt tämän ongelman parissa rahoitusmaailmassa. Ajattele uutisia, rahoitusselosteita, hintatietoja, yritysten toimia, ilmoituksia jne. Löysin tämän ongelman houkuttelevaksi; ja se on vaikea ongelma; ja tärkeä! Kun tapasin liikekumppaniini, tohtori David Heegerin, vietimme aikaa arvioiden startup-mahdollisuuksia biolääketieteellisessä teollisuudessa. Kun tajusimme tämän alueen valtavan tietomäärän, se oli kuin kaikki olisi ollut oikeassa paikassa. Biolääketieteelliset tutkijat kamppailevat tietoverkkotyön kanssa yrittäessään hallita laajaa ja nopeasti laajenevaa biolääketieteellisen tietämyksen perustaa, mukaan lukien asiakirjoja (esim. artikkeleita, patenteja, kliinisiä kokeita) ja tietokantoja (esim. geenejä, proteiineja, reittejä, lääkkeitä, sairauksia, lääketieteellisiä termejä). Tämä on suuri kipupiste tutkijoille, ja ilman sopivaa ratkaisua heidän on käytettävä perinteisiä hakutyökaluja (PubMed ja Google (GOOGL ) Scholar) ja manuaalisesti kokoeltuja tietokantoja. Nämä työkalut ovat sopivia asiakirjojen löytämiseen avainsanojen perusteella (esim. yksi geeni tai julkaistu artikkeli), mutta eivät sopiva kattavan tietämyksen hankkimiseen aihealueesta tai alatutkimuksesta (esim. COVID-19) tai tulosten tulkinnasta korkean läpäisyn biologisissa kokeissa, kuten geenisekvensoinnissa, proteiinien ilmenemisessä tai kemikaalien seulonnassa. Perustimme Epistemic AI:n ajatuksella ratkaista tämä ongelma alustalla, joka sallii heidän työskennellä vuorovaikutteisesti ja kartoittaa ja ymmärtää biolääketieteellisen tietämyksen alajoukkoja, jotka paljastavat käsitteitä ja suhteita, jotka muuten jäävät perinteisen haun ulottumattomiin.

Perustimme Epistemic AI:n idealla, joka sallii heidän:

1. Lyhentää aikaa, joka kuluu tietämyksen keräämiseen ja kattavien tietämyksen karttojen rakentamiseen
2. Paljastaa ristiriitoista tietoa, joka voi olla vaikea löytää (oikeat löydökset tulevat usein katsomalla valkoista tilaa tieteenalojen välillä);
3. Tunnistaa syynäisiä hypoteeseja löytämällä polkuja ja puuttuvia linkkejä tietämyksen kartassa.

Mitä julkisia ja yksityisiä lähteitä käytetään näiden suhteiden kartoittamiseen?

Stefano Pacifico: Tällä hetkellä me otamme kaikki julkinen lähteet, joita voimme saada käsiimme, mukaan lukien Pubmed ja clinicaltrials.gov. Me otamme myös geenejä, lääkkeitä, sairauksia ja niiden vuorovaikutuksia sisältävät tietokannat. Me myös sisällytämme yksityisiä tietolähteitä valituille asiakkaille, mutta emme ole vapaita paljastamaan yksityiskohtia vielä.

Mitä koneoppimismenetelmiä käytetään tietämyksen kartoittamiseen?

Stefano Pacifico: Yksi syvään uskottu uskomus Epistemic AI:ssa on, että fanatismi ei ole hyödyllistä tuotteiden rakentamisessa. Rakentaa arkkitehtuuri, joka yhdistää useita koneoppimismenetelmiä, oli päätös, joka tehtiin alussa, ja ne kattavat tietämyksen edustamisesta muunnosmallien kautta graafisen upottamisen, mutta sisältävät myös yksinkertaisempia malleja, kuten regressioita ja satunnaisia metsiä. Jokainen komponentti on yhtä yksinkertainen kuin se tarvitsee olla, mutta ei yksinkertaisempi. Vaikka uskomme, että olemme jo rakentaneet NLP-komponentteja, jotka ovat valmiita tiettyihin tehtäviin, emme pelkää yksinkertaisempia perusmalleja, kun se on mahdollista.

Voitko mainita joitakin yrityksiä, voittoa tavoittelemattomia organisaatioita tai akateemisia laitoksia, jotka käyttävät Epistemic-alustaa?

Stefano Pacifico: Vaikka haluaisin, meillä ei ole sopimusta asiakkaiden kanssa tehdä niin. Voin sanoa, että meillä on käyttäjiä allekirjoittanut hyvin korkean profiilin laitoksista kaikissa kolmessa segmentissä (yritykset, voittoa tavoittelemattomat organisaatiot ja akateemiset laitokset). Lisäksi aikomme pitää alustaa ilmaisena akateemisille/ei-kaupallisille tarkoituksille.

Miten Epistemic auttaa tutkijoita keskushermoston (CNS) ja muiden tautispesifisten biomerkkien tunnistamisessa?

Dr. David Heeger: Neurotiede on erittäin monitieteinen ala, joka kattaa molekyylisen ja solutason biologian ja genetiikan, mutta myös psykologian, kemian ja fysiikan, insinööritieteiden ja matematiikan periaatteita. Se on niin laaja, että kukaan ei voi olla asiantuntija kaikessa. Tutkijat akateemisissa laitoksissa ja lääke- ja bioteknologiayrityksissä joutuvat erikoistumaan. Mutta tiedämme, että tärkeät oivallukset ovat monitieteisiä, yhdistäen tietoa alatutkimuksista. AI-pohjainen ohjelmistoalusta, jonka rakennamme, mahdollistaa jokaisen olemisen monitieteisemmän, näkemään yhteydet heidän oman erikoisalueensa ja muiden aiheiden välillä ja tunnistamaan uusia hypoteeseja. Tämä on erityisen tärkeää neurotieteessä, koska se on jo itsessään erittäin monitieteinen ala. Aivojen toiminta ja toimintahäiriö on tieteellisesti vaikein ongelma, jonka tiede on koskaan kohdannut. Olemme tehtävissä muuttaa tapaa, jolla biolääketieteelliset tutkijat työskentelevät ja ajattelevat.

Epistemic mahdollistaa myös geenimekanismien löytämisen hermoston sairauksissa. Voitko kuljettaa meidät läpi, miten tämä toimii?

Dr. David Heeger: Useimmat neurologiset sairaudet, psykiatriset sairaudet ja kehityshäiriöt eivät ole yksinkertaisia selityksiä geneettisistä eroista. On muutamia oireyhtymistä, joissa tietty mutaatio on tiedetty aiheuttavan sairauden. Mutta se ei yleensä ole tapahtunut. On satoja geneettisiä eroja, esimerkiksi, jotka on liitetty autismiin. On jonkinlainen ymmärrys joistakin näistä geeneistä niiden perustavanlaatuisista biologisista funktioista. Esimerkiksi jotkut autismiin liittyvistä geeneistä pitävät synapsia yhdessä aivoissa (huomaa kuitenkin, että samat geenit suorittavat yleensä eri funktioita muiden elimistön osien kanssa). Mutta on vain vähän ymmärrystä siitä, miten nämä geneettiset erot voivat selittää monimutkaisen joukon käyttäytymisen eroja, joita yksilöt autismilla näyttävät. Pahentaa asiaa, kaksi yksilöä samalla geneettisellä erolla saattavat olla täysin erilaisia tuloksia, yksi diagnosoidaan autismiksi ja toinen ei. Ja kaksi yksilöä täysin erilaisilla geneettisillä profiileilla saattavat olla samat tulokset hyvin samankaltaisilla käyttäytymisen puutteilla. Ymmärtääksesi kaiken tämän on tehtävä yhteys genetiikasta ja molekyylibiologiasta solutason neurotieteeseen (miten geneettiset erot aiheuttavat yksittäisten hermosolujen toimimisen eri tavoin) ja sitten järjestelmän neurotieteeseen (miten nämä solutason eroavaisuudet aiheuttavat suurten hermosolmujen verkostojen toimimisen eri tavoin) ja sitten psykologiaan (miten nämä eroavaisuudet hermosolmujen toiminnassa aiheuttavat eroja kognitioissa, tunteissa ja käyttäytymisessä). Ja kaikki tämä on ymmärrettävä kehityksellisestä näkökulmasta. Geneettinen ero saattaa aiheuttaa puutteen tietyssä aivojen toiminnassa. Mutta aivot eivät vain istu siinä ja ota sitä. Aivot ovat erittäin sopeutuvia. Jos on puuttuva tai rikkinäinen mekanismi, aivot kehittävät eri tavoin korvaamaan sen niin hyvin kuin mahdollista. Tämä kompensaatio saattaa olla molekyylinen, esimerkiksi aktivoimalla toinen synapsireseptori korvaamaan rikkinäisen synapsireseptorin. Tai kompensaatio saattaa olla käyttäytymisen muutos. Lopputulos riippuu ei vain alkuperäisestä geneettisestä erosta, vaan myös eri kompensaatiopyrkimyksistä, jotka riippuvat muista molekyylisistä, solutason, piirin, järjestelmän ja käyttäytymisen mekanismeista.

Kukaan ei ole tarpeeksi tietänyt ymmärtääksesi kaiken tämän. Tarvitsemme kaikki apua. AI-pohjainen ohjelmistoalusta, jonka rakennamme, mahdollistaa jokaisen keräämään ja linkittämään kaiken relevantin biolääketieteellisen tietämyksen, näkemään yhteydet ja tunnistamaan uusia hypoteeseja.

Miten biolääke- ja akateemiset laitokset käyttävät Epistemiciä COVID-19-haasteen ratkaisemiseen?

Stefano Pacifico: Olemme julkaisseet julkisen version alustastamme, joka sisältää COVID-19:aan liittyvät tietokannat ja on vapaasti käytettävissä kaikille, jotka tekevät COVID-19-tutkimusta. Se on saatavilla osoitteessa https://covid.epistemic.ai

Mitä muita sairauksia tai geneettisiä ongelmia Epistemic on käytetty?

Stefano Pacifico: Olemme yhteistyössä autismintutkijoiden kanssa ja olemme viime aikoina kokoamassa uutta tutkimushanketta cystisen fibroosin parissa. Mutta olemme iloisia yhteistyöstä minkä tahansa tutkijoiden tai laitosten kanssa, jotka tarvitsevat apua tutkimuksessaan.

Onko jotain muuta, mitä haluaisit jakaa Epistemicistä?

Stefano Pacifico: Rakennamme liikkeen ihmisten pariin, jotka haluavat muuttaa tapaa, jolla biolääketieteelliset tutkijat työskentelevät ja ajattelevat. Toivomme, että moni teistä lukee haluavat liittyä meihin!

Kiitos molemmille ajastanne vastataksemme kysymyksiimme. Lukijat, jotka haluavat oppia lisää, voivat vierailla Epistemic AI:ssa.