Anton Dolgikh, Responsable de l’IA, des soins de santé et des sciences de la vie chez DataArt – Série d’entretiens

Anton Dolgikh dirige les projets d’IA et de ML dans le domaine des soins de santé et des sciences de la vie chez DataArt et anime des formations et des ateliers pour les développeurs axés sur la résolution de problèmes commerciaux à l’aide de méthodes de ML. Avant de rejoindre DataArt, Dolgikh a travaillé au département des systèmes complexes de l’Université libre de Bruxelles, une université de recherche privée belge de premier plan.

Qu’est-ce qui vous a initialement inspiré à poursuivre une carrière dans l’IA et les sciences de la vie ?

Une passion pour la recherche des liens entre les phénomènes et les faits. J’aime toujours lire. J’adore les livres. À l’université, j’ai découvert une nouvelle source d’information – les articles. À un moment donné, il est apparu que pour obtenir une image complète, pour cristalliser la belle vérité à partir d’une masse d’informations, c’est presque impossible. Et voici l’IA. Les statistiques, l’apprentissage automatique, bien sûr, et la science naturelle avec l’IA au sommet agissent pour construire un pont entre la soif de connaissance du cerveau humain et un monde où toutes les lois sont connues et où il n’y a pas de boîtes noires.

Vous formez et entraînez actuellement des développeurs qui se concentrent sur la résolution de problèmes commerciaux à l’aide de méthodes de ML. Y a-t-il un domaine spécifique de l’apprentissage automatique sur lequel vous vous concentrez davantage, par exemple l’apprentissage profond ?

Oui, l’apprentissage profond est un instrument très populaire et, soyons honnêtes, puissant ; nous ne pouvons pas l’ignorer. Je préfère personnellement l’interprétation bayésienne des algorithmes classiques, ou même une combinaison de réseaux de neurones et d’une approche bayésienne — par exemple, un auto-encodeur variationnel bayésien. Mais je crois que la chose la plus importante à enseigner aux nouveaux développeurs de ML est de ne pas utiliser aveuglément la machinerie de ML comme une boîte noire magique, mais de percevoir les principes de base derrière chaque méthode. Une compétence indispensable est la capacité d’expliquer les prédictions obtenues pour un public commercial.

En mars 2019, vous avez écrit un article intitulé ‘Sommes-nous prêts pour les radiologues machines, et leurs erreurs ?’. Dans l’article, vous avez exposé les avantages et les inconvénients d’accepter les résultats des radiologues machines par rapport aux radiologues humains. Si vous deviez choisir entre un humain et une machine pour vous donner des résultats, lequel choisiriez-vous et pourquoi ?

Je préfère un radiologue humain. Non pas parce que j’ai une connaissance spéciale qui suggère que l’IA est fortement sujette aux erreurs et que les décisions sont intrinsèquement erronées. Non, c’est plus une question d’empathie et de nature psychologique. Je veux soutenir les médecins humains pendant cette période difficile. De plus, je crois que dans un avenir proche, nous ne verrons que l’IA augmenter les capacités humaines.

Vous avez récemment écrit un livre blanc intitulé ‘L’impact de l’intelligence artificielle sur la durée de vie‘. Dans ce document, vous avez déclaré que l’IA devrait être considérée comme un outil dans la recherche d’une vie plus longue. Quelles sont certaines des méthodologies les plus prometteuses que l’IA pourrait appliquer pour prolonger la durée de vie humaine ?

Aujourd’hui, le nouvel outil de l’IA commence à fonctionner dans les laboratoires scientifiques au même niveau que les instruments et les approches classiques. Ce fait en soi est prometteur. L’IA est là pour nous aider, et non pour nous remplacer, dans la lutte contre les quantités massives de données qui inondent non seulement les laboratoires, mais également nos vies personnelles.

Il est également question dans le même livre blanc d’une affirmation du directeur de la recherche en biogérontologie et PDG d’Insilico Medicine, le Dr Alex Zhavoronkov, selon laquelle prolonger la durée de vie à 150 ans n’est pas un objectif fantastique. Croyez-vous qu’un enfant né en 2020 pourra vivre jusqu’à 120 ou même 150 ans ?

Je veux y croire. En tant que scientifique par éducation et conviction, je dois baser mes décisions sur des faits, sur la compréhension des progrès des méthodes scientifiques dans le domaine. Nous avons fait un bond impressionnant dans les domaines de la génétique, de la biotechnologie et de la médecine en général, et cela renforce ma conviction. Et n’oubliez pas qu’une partie importante du succès dans le prolongement de la durée de vie est un environnement sain et un mode de vie sain, nous devons donc travailler sur cela.

Dans le même document, vous mentionnez le potentiel du téléchargement de l’esprit (transhumanisme). Croyez-vous que cela pourrait éventuellement devenir une réalité, et comment cela vous fait-il vous sentir personnellement ?

J’y ai beaucoup réfléchi. Honnêtement, cela me rend frustré. Je pense que nous associons la personnalité à ce que nous voyons dans un miroir, et pour moi, il est difficile de détacher mon caractère de mon corps. Néanmoins, cela ne signifie pas que cela est impossible. Et, oui, je crois que plus tôt ou plus tard, le téléchargement de l’esprit deviendra réalisable. Les conséquences sont beaucoup plus difficiles à prévoir.

Vous êtes actuellement le responsable de l’IA, des soins de santé et des sciences de la vie chez DataArt. Quels sont certains des projets les plus intéressants sur lesquels DataArt travaille actuellement ?

Nous avons un projet consacré au développement de nouveaux médicaments. C’est inspirant de voir comment les méthodes computationnelles se sont développées pour alimenter et diriger les progrès en chimie médicinale et en pharmacologie. Nous faisons également beaucoup de travail sur l’application de l’IA pour extraire des informations à partir de textes médicaux tels que des rapports d’essais cliniques, des articles médicaux et des forums spécialisés. C’est un travail difficile, mais cela nous rapproche de la digitalisation des soins de santé, et je trouve cela excitant.

En tant qu’amateur de livres, je dois également vous demander quels livres vous recommandez ?

• Judea Pearl “Causalité: Modèles, raisonnement et inférence“. Le titre est auto-explicatif – le livre est sur les relations causales. Si (un jour) nous voulons avoir une véritable IA, nous devons lui enseigner le raisonnement sur la cause et l’effet;
• Si vous êtes intéressé par les méthodes causatives et pratiques, alors le travail fondamental de Daphne Koller et Nir Friedman “Modèles graphiques probabilistes: Principes et techniques” sera le bon choix;
• Nous attendons une IA puissante capable de nous comprendre. Nous devons donc lui enseigner le langage. Le traitement automatique des langues naturelles traite du problème de la compréhension des langues naturelles. J’ai deux titres en tête qui m’ont beaucoup aidé:
  1. Yoav Goldberg, Méthodes de réseaux de neurones dans le traitement automatique des langues naturelles (Conférences synthétiques sur les technologies du langage humain), 2017
  2. Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze Introduction au traitement automatique des langues, 2009
• Je ne suis pas sûr que le prochain livre soit dédié à l’IA, mais il démontre une approche non standard de la statistique et des prévisions qui sera utile pour tout chercheur en IA: Bertrand S. Clarke, Jennifer L. Clarke Statistiques prédictives: Analyse et inférence au-delà des modèles
• Et je terminerais la liste avec un livre de science-fiction: Stanislav Lem, Les carnets d’étoiles

Y a-t-il autre chose que vous aimeriez partager sur DataArt ?

DataArt est un excellent exemple de la tendance récente vers la digitalisation de presque tous les aspects de la vie et de l’activité. Cette tendance augmente la responsabilité dans le développement de logiciels, car aujourd’hui, il ne s’agit plus seulement de construire un site pour une boutique, par exemple, dans lequel cas une erreur du développeur aura des conséquences minimes. Aujourd’hui, une erreur du développeur pourrait devenir une catastrophe nationale ou mondiale si elle implique un programme contrôlant le fonctionnement, par exemple, d’une centrale nucléaire. L’approche responsable de DataArt en matière de développement de logiciels dans un sens large me donne confiance dans ce que nous développons, et je suis très fier de faire partie de l’entreprise et du travail que nous faisons.

En ce qui concerne un autre projet récent, l’année dernière, DataArt a lancé un prototype d’application appelé ‘SkinCareAI’, qui analyse les images de la peau pour détecter les signes précoces du mélanome. Faisant appel aux dernières avancées en technologie d’apprentissage automatique (ML), SkinCareAI a été développé par l’expert en ML de DataArt, Andrey Sorokin, pour le défi de la Collaboration internationale d’imagerie de la peau (ISIC).

Pour en savoir plus sur certains de nos autres projets et études de cas, veuillez visiter la page Soins de santé et sciences de la vie de DataArt.