एंटोन डोलगिख, डेटाआर्ट में एआई, हेल्थकेयर और लाइफ साइंसेज के प्रमुख - साक्षात्कार श्रृंखला

एंटोन डोलगिख हेल्थकेयर और लाइफ साइंसेज प्रैक्टिस में एआई और एमएल-उन्मुख परियोजनाओं का नेतृत्व करते हैं डेटाआर्ट और एमएल विधियों के साथ व्यावसायिक समस्याओं को हल करने पर केंद्रित शैक्षिक और प्रशिक्षण डेवलपर्स चलाता है। डेटाआर्ट में काम करने से पहले, डोलगिख ने बेल्जियम के एक प्रमुख निजी अनुसंधान विश्वविद्यालय, यूनिवर्सिटी लिब्रे डी ब्रुक्सलेज़ में कॉम्प्लेक्स सिस्टम विभाग में काम किया।

वह क्या चीज़ थी जिसने मूल रूप से आपको एआई और जीवन विज्ञान को करियर के रूप में अपनाने के लिए प्रेरित किया?

घटनाओं और तथ्यों के बीच संबंध खोजने का जुनून। मुझे हमेशा पढ़ना पसंद है. मैं किताबों से प्यार करता हूँ। विश्वविद्यालय में, मैंने जानकारी का एक नया स्रोत खोजा - लेख। कुछ बिंदु पर, ऐसा प्रतीत हुआ कि संपूर्ण तस्वीर प्राप्त करना, जानकारी के ढेर से सुंदर सत्य को स्पष्ट करना लगभग असंभव है। और यहाँ AI आता है। निश्चित रूप से सांख्यिकी, मशीन लर्निंग, और शीर्ष पर एआई के साथ प्राकृतिक विज्ञान, मानव मस्तिष्क की ज्ञान की प्यास और एक ऐसी दुनिया के बीच पुल बनाने का काम करते हैं जहां सभी कानून ज्ञात हैं और कोई ब्लैक बॉक्स नहीं है।

आप वर्तमान में उन डेवलपर्स को शिक्षित और प्रशिक्षित करते हैं जो एमएल विधियों के साथ व्यावसायिक समस्याओं को हल करने पर केंद्रित हैं। क्या मशीन लर्निंग का कोई विशिष्ट क्षेत्र है जिस पर आप अधिक ध्यान केंद्रित करते हैं, उदाहरण के लिए गहन शिक्षण?

हाँ, गहन शिक्षा एक बहुत लोकप्रिय और, ईमानदारी से कहें तो, शक्तिशाली साधन है; हम इसकी उपेक्षा नहीं कर सकते. मैं व्यक्तिगत रूप से शास्त्रीय एल्गोरिदम की बायेसियन व्याख्या, या यहां तक ​​​​कि तंत्रिका नेटवर्क और बायेसियन दृष्टिकोण का संयोजन पसंद करता हूं - उदाहरण के लिए, बायेसियन वेरिएशनल ऑटोएन्कोडर। लेकिन मेरा मानना ​​है कि नए एमएल लोगों को सिखाने के लिए सबसे महत्वपूर्ण बात यह है कि एमएल मशीनरी को जादुई ब्लैक बॉक्स की तरह आंख मूंदकर इस्तेमाल न करें, बल्कि प्रत्येक विधि के पीछे के बुनियादी सिद्धांतों को समझें। व्यावसायिक दर्शकों के लिए प्राप्त भविष्यवाणियों को समझाने की क्षमता एक आवश्यक कौशल है।

मार्च 2019 में, आपने 'क्या हम मशीन रेडियोलॉजिस्ट और उनकी गलतियों के लिए तैयार हैं?' शीर्षक से एक लेख लिखा था। लेख में आपने मशीन रेडियोलॉजिस्ट बनाम मानव रेडियोलॉजिस्ट से परिणाम स्वीकार करने के पक्ष और विपक्ष को रेखांकित किया। यदि आपको परिणाम देने वाले मानव और मशीन के बीच चयन करना हो, तो आप किसे चुनेंगे और क्यों?

मैं एक मानव रेडियोलॉजिस्ट को प्राथमिकता देता हूं। इसलिए नहीं कि मुझे कुछ विशेष ज्ञान है कि एआई में त्रुटियों की अत्यधिक संभावना है और निर्णय आंतरिक रूप से ग़लत होते हैं। नहीं, यह अधिक सहानुभूति और मनोवैज्ञानिक प्रकृति का प्रश्न है। मैं इस कठिन समय में मानव डॉक्टरों का समर्थन करना चाहता हूं। इसके अलावा, मेरा मानना ​​है कि निकट भविष्य में, हम एआई को केवल मानवीय क्षमता में वृद्धि करते हुए देखेंगे।

आपने हाल ही में एक श्वेत पत्र लिखा है जिसका नाम है 'जीवनकाल पर आर्टिफिशियल इंटेलिजेंस का प्रभाव.' इस पेपर में, आपने कहा कि एआई को लंबे जीवन की खोज में एक उपकरण के रूप में देखा जाना चाहिए। ऐसी कुछ अधिक आशाजनक पद्धतियाँ क्या हैं जिन्हें AI मानव जीवन काल को बढ़ाने की खोज में लागू कर सकता है?

आज एआई का नया उपकरण शास्त्रीय उपकरणों और दृष्टिकोणों के बराबर वैज्ञानिक प्रयोगशालाओं में काम करना शुरू कर रहा है। यह तथ्य अपने आप में आशाजनक है. न केवल प्रयोगशालाओं में बल्कि हमारे व्यक्तिगत जीवन में भी भारी मात्रा में डेटा की बाढ़ से निपटने के संघर्ष में एआई हमारी मदद करने के लिए है, न कि प्रतिस्थापित करने के लिए।

उसी श्वेत पत्र में बायोजेरोन्टोलॉजी रिसर्च फाउंडेशन एआई के निदेशक और इनसिलिको मेडिसिन के सीईओ डॉ. एलेक्स झावोरोंकोव के दावे की भी चर्चा की गई है कि जीवन काल को 150 वर्ष तक बढ़ाना कोई शानदार लक्ष्य नहीं है। क्या आप मानते हैं कि 2020 में जन्मा बच्चा 120 या 150 साल तक भी जीवित रह पाएगा?

मैं विश्वास करना चाहता हूँ। शिक्षा और विश्वास से एक वैज्ञानिक होने के नाते, मुझे अपने निर्णय तथ्यों पर, क्षेत्र में वैज्ञानिक तरीकों की प्रगति को समझने पर आधारित करने होंगे। हमने सामान्य तौर पर आनुवंशिकी, जैव प्रौद्योगिकी और चिकित्सा के क्षेत्र में एक प्रभावशाली छलांग लगाई है और इससे मेरा विश्वास मजबूत होता है। और यह मत भूलिए कि जीवनकाल बढ़ाने में सफलता का एक बड़ा हिस्सा स्वस्थ वातावरण और स्वस्थ जीवनशैली है, इसलिए हमें इस पर काम करना होगा।

इसी पेपर में आपने माइंड अपलोडिंग (ट्रांसह्यूमनिज़्म) की क्षमता का उल्लेख किया है। क्या आप मानते हैं कि यह अंततः एक वास्तविकता हो सकती है, और यह आपको व्यक्तिगत रूप से कैसा महसूस कराता है?

मैंने इसके बारे में बहुत सोचा है. सच कहूँ तो, इससे मुझे निराशा महसूस होती है। मुझे लगता है कि हम व्यक्तित्व को दर्पण में जो देखते हैं उससे जोड़ते हैं, और मेरे लिए, अपने चरित्र को अपने शरीर से अलग करना कठिन है। फिर भी, इसका मतलब यह नहीं है कि यह संभव नहीं है। और, हां, मेरा मानना ​​है कि देर-सबेर माइंड अपलोडिंग संभव हो जाएगी। इसके परिणामों का अनुमान लगाना बहुत कठिन है।

आप वर्तमान में डेटाआर्ट में एआई, हेल्थकेयर और लाइफ साइंसेज के प्रमुख हैं। डेटाआर्ट वर्तमान में किन सबसे दिलचस्प परियोजनाओं पर काम कर रहा है?

हमारे पास नई दवा विकास के लिए समर्पित एक परियोजना है। यह प्रेरणादायक है कि औषधीय रसायन विज्ञान और फार्माकोलॉजी में प्रगति को बढ़ावा देने और निर्देशित करने के लिए कम्प्यूटेशनल तरीके कैसे विकसित हुए हैं। हम क्लिनिकल परीक्षण रिपोर्ट, चिकित्सा लेख और विशेष मंचों जैसे चिकित्सा ग्रंथों से जानकारी निकालने के लिए एआई को लागू करने पर भी बहुत काम करते हैं। यह कठिन काम है, लेकिन यह हमें स्वास्थ्य सेवा के डिजिटलीकरण के करीब ले जाता है और मुझे यह रोमांचक लगता है।

एक शौकीन पुस्तक प्रेमी के रूप में, मुझे यह भी पूछना है कि आप कौन सी किताबें सुझाते हैं?

• यहूदिया पर्ल "कारणता: मॉडल, तर्क और अनुमान“. शीर्षक स्वयं-व्याख्यात्मक है - पुस्तक कार्य-कारण संबंधों के बारे में है। यदि (एक दिन) हम सच्चा एआई चाहते हैं तो हमें इसे कारण और प्रभाव के बारे में तर्क करना सिखाना होगा;
• यदि आप कारणात्मक और व्यावहारिक तरीकों में रुचि रखते हैं तो डैफने कोल्लर और नीर फ्रीडमैन का मौलिक कार्य "संभाव्य ग्राफिकल मॉडल: सिद्धांत और तकनीकें" सही विकल्प होगा;
• हम उम्मीद करते हैं कि शक्तिशाली AI हमें समझने में सक्षम होगा। अत: हमें इसे भाषा सिखानी होगी। प्राकृतिक भाषा प्रसंस्करण प्राकृतिक भाषाओं की समझ की समस्या से निपटता है। मेरे मन में दो शीर्षक हैं जिनसे मुझे बहुत मदद मिली:
  1. योव गोल्डबर्ग, प्राकृतिक भाषा प्रसंस्करण में तंत्रिका नेटवर्क विधियाँ (मानव भाषा प्रौद्योगिकियों पर संश्लेषण व्याख्यान), 2017
  2. क्रिस्टोफर डी. मैनिंग, प्रभाकर राघवन, हेनरिक शुट्ज़ सूचना पुनर्प्राप्ति का एक परिचय, 2009
• निश्चित नहीं है कि अगली पुस्तक एआई को समर्पित है, लेकिन यह आंकड़ों और भविष्यवाणियों के लिए एक गैर-मानक दृष्टिकोण प्रदर्शित करती है जो किसी भी एआई शोधकर्ता के लिए उपयोगी होगी: बर्ट्रेंड एस. क्लार्क, जेनिफर एल. क्लार्क पूर्वानुमानित आँकड़े: मॉडलों से परे विश्लेषण और अनुमान
• और मैं सूची को एक विज्ञान कथा पुस्तक के साथ समाप्त करूंगा: स्टैनिस्लाव लेम,  द स्टार डायरीज़

क्या कुछ और है जो आप डेटाआर्ट के बारे में साझा करना चाहेंगे?

डेटाआर्ट यह जीवन और गतिविधि के लगभग हर पहलू के डिजिटलीकरण की ओर हालिया रुझान का एक उत्कृष्ट उदाहरण है। यह प्रवृत्ति सॉफ़्टवेयर विकास में ज़िम्मेदारी बढ़ाती है क्योंकि आज यह केवल एक दुकान के लिए साइट बनाने के बारे में नहीं है, उदाहरण के लिए, जिस स्थिति में डेवलपर की गलती से न्यूनतम परिणाम होंगे। आज एक डेवलपर की गलती एक राष्ट्रीय या विश्वव्यापी तबाही बन सकती है यदि इसमें उदाहरण के लिए, एक परमाणु संयंत्र के कामकाज को नियंत्रित करने वाला कोई कार्यक्रम शामिल हो। व्यापक अर्थों में सॉफ्टवेयर विकास के लिए डेटाआर्ट का जिम्मेदार दृष्टिकोण मुझे हम जो विकसित करते हैं उस पर विश्वास दिलाता है, और मुझे कंपनी का हिस्सा होने और हम जो काम कर रहे हैं उस पर बहुत गर्व है।

घंटों की एक और हालिया परियोजना के लिए, पिछले साल डेटाआर्ट ने 'स्किनकेयरएआई' नामक एक प्रोटोटाइप एप्लिकेशन लॉन्च किया था, जो मेलेनोमा के शुरुआती लक्षणों का पता लगाने के लिए त्वचा की छवियों का विश्लेषण करता है। मशीन लर्निंग (एमएल) तकनीक में नवीनतम प्रगति के साथ, स्किनकेयरएआई को इंटरनेशनल स्किन इमेजिंग सहयोग (आईएसआईसी) चुनौती के लिए डेटाआर्ट एमएल विशेषज्ञ एंड्री सोरोकिन द्वारा विकसित किया गया था।

हमारी कुछ अन्य परियोजनाओं और केस अध्ययनों के बारे में अधिक जानने के लिए, कृपया डेटाआर्ट पर जाएँ हेल्थकेयर और लाइफ साइंसेज इस पृष्ठ पर ज़ूम कई वीडियो ट्यूटोरियल और अन्य साहायक साधन प्रदान करता है।