साक्षात्कार
हलीम अब्बास, कॉग्नोआ में मुख्य एआई अधिकारी - साक्षात्कार श्रृंखला
हलीम अब्बास मुख्य एआई अधिकारी हैं कॉग्नोआवह एक एआई इनोवेटर और उद्योग के दिग्गज हैं, जिन्होंने ईबे और टेराडेटा जैसी गेम चेंजिंग तकनीक में विश्व स्तरीय डेटा विज्ञान परियोजनाओं का नेतृत्व किया। कॉग्नोआ बाल चिकित्सा व्यवहार स्वास्थ्य में देखभाल का एक अद्वितीय मानक बनाने के लिए समर्पित है जो सभी बच्चों और परिवारों के लिए आजीवन परिणामों में सुधार के लिए उच्च गुणवत्ता वाले उत्पाद प्रदान करके प्रारंभिक हस्तक्षेप तक समान पहुंच सुनिश्चित करता है।
सबसे पहले आपको मशीन लर्निंग और डेटा साइंस की ओर किस चीज़ ने आकर्षित किया?
मुझे बचपन से ही कंप्यूटर प्रोग्रामिंग में रुचि थी। बाद में जीवन में, अनुसंधान के दायरे में काम करने और कम्प्यूटेशनल एल्गोरिदम के माध्यम से क्या हासिल करना संभव है इसकी खुली चुनौतियों का पता लगाने की अदम्य इच्छा के कारण मैंने मशीन लर्निंग के उभरते क्षेत्र की ओर रुख किया।
Ebay में एक पूर्व वरिष्ठ अनुसंधान वैज्ञानिक के रूप में आपके पास Ebay प्लेटफ़ॉर्म के लिए खोज परिणाम रैंकिंग को अनुकूलित करने की पृष्ठभूमि है। मशीन लर्निंग में कुछ बुनियादी सबक क्या हैं जो आपने इस अनुभव से सीखे हैं?
ईबे पर, मेरी टीम को कंपनी का पहला मशीन लर्निंग-संचालित खोज परिणाम रैंकिंग एल्गोरिदम बनाने का काम सौंपा गया था। किसी भी समय बिक्री के लिए लाखों आइटम और हर दिन अरबों खोज क्वेरी के साथ, सबसे बड़ी तकनीकी चुनौती भारी पैमाने पर काबू पाने की थी।
अंततः, मुझे लगता है कि उस अनुभव से मेरी सबसे बड़ी सीख लक्ष्य की परिभाषा के बारे में खुला दिमाग रखना था। पता चला, यदि रैंकिंग एल्गोरिदम ने खरीदार को केवल सर्वोत्तम सौदों के साथ सफलतापूर्वक प्रस्तुत किया, तो उनके लेनदेन करने की संभावना कम थी। अच्छे सौदों को पहचानने के लिए उन्हें गैर-अच्छे सौदों को भी देखने की ज़रूरत थी। सफलता के लिए डेटा-संचालित दृष्टिकोण के साथ-साथ उस तथ्य को समझने और तदनुसार रणनीति को समायोजित करने के लिए खुले दिमाग की आवश्यकता होती है।
कॉग्नोआ में किन स्थितियों का निदान किया जाता है?
कॉग्नोआ एक बाल चिकित्सा व्यवहारिक स्वास्थ्य कंपनी है जो डिजिटल डायग्नोस्टिक्स और चिकित्सीय विकसित कर रही है। हमारा लक्ष्य बाल चिकित्सा स्वास्थ्य देखभाल को सुव्यवस्थित करने के लिए प्रौद्योगिकी का लाभ उठाना और बाल व्यवहार संबंधी स्वास्थ्य देखभाल में अधूरी जरूरतों को पूरा करना है। हम ऑटिज़्म से शुरुआत कर रहे हैं।
बच्चों में ऑटिज्म और अन्य स्थितियों के निदान के लिए एक वर्गीकरण प्रणाली के निर्माण के पीछे कुछ चुनौतियाँ क्या हैं?
इस तथ्य के अलावा कि प्रीस्कूलर मरीज़ों का सबसे अधिक सहयोग नहीं करते हैं, हमारे लिए मुख्य चुनौतियों में से एक वह है जिसे हम निश्चित शोर कहते हैं। अर्थात्, उन स्थितियों को वर्गीकृत करने के लिए एआई एल्गोरिदम को प्रशिक्षित करने का प्रयास किया जा रहा है जब उक्त स्थितियों की सीमाओं के आसपास नैदानिक विज्ञान अभी भी विकसित हो रहा है। कुछ मामलों में, मानव विशेषज्ञ एक विशेष बच्चे के निदान के बारे में आपस में असहमत हो सकते हैं, और किसी विशेष निदान के अंतर्निहित तत्वों की सामूहिक समझ अभी भी एक उभरता हुआ विज्ञान है। उदाहरण के लिए, जिसे कुछ साल पहले एस्पर्जर कहा जाता था, उसे अब ऑटिज्म स्पेक्ट्रम डिसऑर्डर (एएसडी) के दायरे में माना जाता है, और ध्यान घाटे विकार (एडीडी) बनाम हाइपरएक्टिविटी की पहले की अलग-अलग धारणाओं को अब एकीकृत निदान के पहलू माना जाता है। अटेंशन डेफिसिट हाइपरएक्टिविटी डिसऑर्डर (एडीएचडी)। अन्य उभरते नैदानिक वर्गीकरण (जैसे संवेदी प्रसंस्करण विकार या एसपीडी) को अभी भी नैदानिक और सांख्यिकीय मैनुअल में शामिल नहीं किया गया है।
डेटा वैज्ञानिक के लिए, ये व्यक्तिपरक, बदलती सीमाएँ दूर करने के लिए दिलचस्प, बड़ी चुनौतियाँ पेश करती हैं।
कॉग्नोआ ने 3-परिणाम निदान प्रणाली का निर्माण किया। सिस्टम को इस तरह क्यों डिज़ाइन किया गया है?
ऑटिज्म एक जटिल न्यूरोडेवलपमेंटल स्थिति है जिसमें कई प्रकार की प्रस्तुतियाँ और सहरुग्णताएँ होती हैं।
हमने प्राथमिक देखभाल चिकित्सकों को 18 से 72 महीने की उम्र के बच्चों में ऑटिज्म का सटीक और कुशलतापूर्वक निदान करने में मदद करने के लिए एक निदान सहायता बनाई है, जो देखभालकर्ता या माता-पिता या चिकित्सक की चिंता के आधार पर विकासात्मक देरी के जोखिम में हैं। कॉग्नोआ की निदान सहायता भविष्य कहनेवाला ऑटिज़्म संकेतों के लिए उनका विश्लेषण करने के लिए देखभाल करने वालों या माता-पिता और चिकित्सकों दोनों से इनपुट एकत्र और संयोजित करके एक ही समाधान में काम करती है। हमारी निदान सहायता सभी इनपुटों का मूल्यांकन करने के लिए एआई का उपयोग करती है और - जब जानकारी पर्याप्त होती है - ऑटिज्म के लिए एक सकारात्मक या नकारात्मक परिणाम प्रदान करती है जिसे बाल रोग विशेषज्ञ निदान प्रदान करने और उचित अगले कदमों को निर्देशित करने के लिए बच्चे की नैदानिक प्रस्तुति के साथ संयोजन में उपयोग करता है। -देखभाल।
गलत वर्गीकरण के जोखिम को कम करने के लिए, एल्गोरिदम को जोखिम नियंत्रण उपाय के रूप में एक अनिश्चित आउटपुट प्रदान करने के लिए भी डिज़ाइन किया गया है ताकि "ऑटिज्म के लिए सकारात्मक/नकारात्मक" परिणामों के उच्च पूर्वानुमानित मूल्यों को सुनिश्चित किया जा सके, जिससे गलत नकारात्मक की संभावना कम हो सके ( चूंकि झूठी नकारात्मकता डिवाइस के उपयोग से जुड़ा सबसे बड़ा जोखिम है)। जब मॉडल प्रतिक्रिया कम आत्मविश्वास का संकेत देती है तो भविष्यवाणी से दूर रहने की यह प्रक्रिया एक है मशीन लर्निंग एल्गोरिदम में जोखिम नियंत्रण की मानक विधि.
क्या आप चर्चा कर सकते हैं कि जब माता-पिता द्वारा प्रदान किए गए डेटा के प्रकार की बात आती है तो कॉग्नोआ माता-पिता के पूर्वाग्रह पर कैसे काबू पाता है?
बढ़िया सवाल. मशीन लर्निंग का एक प्रमुख लाभ यह है कि यह इनपुट डेटा में अपेक्षित शोर और पूर्वाग्रह के स्रोतों पर काबू पाने के लिए विशेष रूप से उपयोगी है। अपने स्वयं के बच्चों के बारे में माता-पिता के विवरण व्यक्तिपरक और पक्षपाती होने की उम्मीद की जाती है, लेकिन अवलोकन की बहुत लंबी खिड़कियों पर आधारित होती है, जबकि चिकित्सक की रिपोर्ट अधिक उद्देश्यपूर्ण होने की संभावना होती है, लेकिन अवलोकन की छोटी खिड़कियों के कारण कम जानकारीपूर्ण भी होती है।
दोनों इनपुट सेटों को एक एकल मशीन सीखने की प्रक्रिया में संयोजित करके, मशीन लर्निंग एल्गोरिदम उन इनपुटों की पूरक प्रकृति को अनुकूलित करने में सक्षम है, और पैटर्न सीखता है जिसका उपयोग दोनों जानकारी सेटों का सर्वोत्तम लाभ उठाने के लिए एक ही निर्धारण में किया जा सकता है जो कि अधिक है व्यक्तिगत रूप से प्रत्येक खाते से अधिक विश्वसनीय।
डेटा विज्ञान की कुछ सर्वोत्तम प्रथाएँ क्या हैं जिनका उपयोग कॉग्नोआ में डेटा में नस्लीय या लैंगिक पूर्वाग्रह से बचने के लिए किया जाता है?
एक कंपनी के रूप में, कॉग्नोआ देखभाल तक समान पहुंच के लिए उत्पाद बनाने के लिए प्रतिबद्ध है। हम जानते हैं कि एआई-आधारित नवाचारों में समाज में अंतर्निहित पूर्वाग्रहों को अवशोषित करने और बढ़ाने की क्षमता है। उदाहरण के लिए, औसतन लड़कियों का निदान किया जाता है लड़कों की तुलना में 1.5 साल बाद और 8 वर्ष से कम उम्र के चार बच्चों में से एक ऑटिज्म से पीड़ित है, जिनमें से अधिकांश काले या हिस्पैनिक हैं निदान नहीं किया जा रहा है बिल्कुल भी। यह हमारी वर्तमान प्रणाली में पहुंच की कमी के कारण है और क्योंकि निदान ऐतिहासिक रूप से श्वेत लड़कों में प्रचलित ऑटिज़्म लक्षणों की ओर झुका हुआ है, जो युवा लड़कियों और गैर-श्वेत बच्चों की तुलना में ऑटिज़्म के लक्षणों को अलग तरह से प्रस्तुत कर सकते हैं।
इन मौजूदा पूर्वाग्रहों को दूर करने के लिए, हमने लिंग, नस्लीय, जातीय और सामाजिक-आर्थिक पृष्ठभूमि में अंतर को ध्यान में रखते हुए जानबूझकर और सचेत रूप से अपनी तकनीक का निर्माण किया। हमने सामाजिक रूप से जिम्मेदार एआई चार्टर लिखा और उसका पालन किया है जो हमारी प्रथाओं का मार्गदर्शन करता है। हमारे एआई एल्गोरिदम को विविध पृष्ठभूमि, स्थितियों, प्रस्तुतियों और सह-रुग्णताओं वाले भौगोलिक क्षेत्रों में हजारों लड़कों और लड़कियों से संबंधित रोगी रिकॉर्ड डेटा का उपयोग करके जानबूझकर विकसित और चिकित्सकीय रूप से मान्य किया गया है।
बाहरी डेटा बिंदुओं के समूह को संदर्भित करके और सैकड़ों चिकित्सकों के संयुक्त अनुभवों का उपयोग करके, एक साथ विभिन्न मानवीय लक्षणों और विशेषताओं का विश्लेषण करके, कॉग्नोआ के एआई में चिकित्सकों को अचेतन पूर्वाग्रह से निपटने में मदद करने की क्षमता है।
कॉग्नोआ में पेश किए जाने वाले कुछ चिकित्सीय समाधान क्या हैं?
वर्तमान में, कांगोआ के पास उपयोग के लिए चिकित्सीय समाधान उपलब्ध नहीं हैं। हालाँकि, कॉग्नोआ में कई समाधान विकास में हैं, और यह स्पष्ट है कि एआई में चिकित्सीय समाधानों को व्यवहार संबंधी स्थितियों वाले बच्चों के लिए अधिक सुलभ और उपलब्ध बनाने की अपार क्षमता है।
क्या कुछ और है जो आप कॉग्नोआ में अपने काम के बारे में साझा करना चाहेंगे?
कॉग्नोआ में मेरी वर्तमान भूमिका के बराबर मैं कभी भी एक नौकरी पर नहीं रहा। मुझे लगता है कि ऐसा उस समस्या पर काम करने से मिलने वाली संतुष्टि के कारण है जो व्यक्तिगत स्तर पर इतने सारे लोगों के जीवन को छूती है। माता-पिता को अपने बच्चों की देखभाल में मदद करना उतना ही महान कार्य है जितनी कोई उम्मीद कर सकता है।
बेहतरीन साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं, उन्हें अवश्य आना चाहिए कॉग्नोआ.
