Stefano Pacifico, dan David Heeger, Co-Founder Epistemic AI – Seri Wawancara

Epistemic AI menggunakan Natural Language Processing (NLP) canggih, algoritma pembelajaran mesin, dan algoritma pembelajaran dalam untuk memetakan hubungan antara tubuh pengetahuan biomedis yang terus berkembang, dari berbagai sumber publik dan swasta, termasuk dokumen teks dan database. Melalui proses Pemetaan Pengetahuan, pengguna bekerja secara interaktif dengan platform untuk memetakan dan memahami subset pengetahuan biomedis, yang mengungkapkan konsep dan hubungan yang tidak akan ditemukan dengan pencarian tradisional.

Kami mewawancarai kedua Co-Founder Epistemic AI untuk membahas kemajuan terbaru ini.

Stefano Pacifico berasal dari 10+ tahun pengembangan AI dan NLP terapan. Sebelumnya di Bloomberg, di mana ia menghabiskan 7 tahun, dan di Elemental Cognition sebelum memulai Epistemic.

David Heeger adalah Profesor Perak ilmu data dan neurosains di NYU, dan telah menghabiskan karirnya membangun jembatan antara ilmu komputer, AI, dan biosains. Ia adalah anggota Akademi Nasional Ilmu Pengetahuan. Sebagai pendiri, mereka menggabungkan keahlian membangun sistem AI dan NLP terapan besar untuk memahami koleksi pengetahuan besar, dengan keahlian dalam biologi komputasi dan ilmu biomedis dari penelitian selama bertahun-tahun di bidang tersebut.

Apa yang memperkenalkan dan menarik Anda ke AI dan Natural Language Processing (NLP)?

Stefano Pacifico: Ketika saya berada di kuliah di Roma, dan AI tidak populer sama sekali (sebenarnya itu sangat pinggiran), saya bertanya kepada pembimbing saya apa spesialisasi yang harus saya ambil di antara yang tersedia. Ia berkata: “Jika Anda ingin mendapatkan uang, Teknik Perangkat Lunak dan Database, tetapi jika Anda ingin menjadi aneh tetapi sangat maju, maka pilih Kecerdasan Buatan”. Saya terjual di “aneh”. Saya kemudian mulai bekerja pada representasi pengetahuan dan penalaran untuk mempelajari bagaimana agen otonom dapat bermain sepak bola atau menyelamatkan orang. Kemudian dua pemahaman membuat saya jatuh cinta dengan NLP: pertama, agen otonom mungkin perlu berkomunikasi dengan bahasa alami di antara mereka sendiri! Kedua, membangun basis pengetahuan formal dengan tangan itu sulit, sedangkan bahasa alami (dalam teks) sudah menyediakan basis pengetahuan terbesar dari semua. Saya tahu sekarang ini mungkin tampak seperti observasi yang jelas, tetapi mereka tidak mainstream sebelumnya.

Apa yang menginspirasi Anda untuk meluncurkan Epistemic AI?

Stefano Pacifico: Saya akan membuat klaim yang berani. Tidak ada orang yang memiliki alat yang memadai untuk memahami dan menghubungkan pengetahuan yang ada dalam koleksi dokumen dan data yang besar dan terus berkembang. Saya sebelumnya bekerja pada masalah itu di dunia keuangan. Pikirkan berita, laporan keuangan, data harga, tindakan perusahaan, pengajuan, dll. Saya menemukan bahwa masalah itu memabukkan. Dan tentu saja, itu adalah masalah yang sulit; dan penting! Ketika saya bertemu dengan co-founder saya, Dr. David Heeger, kami menghabiskan waktu yang cukup untuk mengevaluasi peluang startup di industri biomedis. Ketika kami menyadari volume informasi yang dihasilkan dalam bidang ini, itu seperti semuanya jatuh di tempatnya. Peneliti biomedis berjuang dengan kelebihan informasi, sementara mencoba memahami basis pengetahuan biomedis yang luas dan terus berkembang, termasuk dokumen (misalnya, makalah, paten, uji klinis) dan database (misalnya, gen, protein, jalur, obat, penyakit, istilah medis). Ini adalah titik nyeri besar bagi peneliti, dan dengan tidak ada solusi yang tepat, mereka dipaksa untuk menggunakan alat pencarian dasar (PubMed dan Google (GOOGL ) Scholar) dan menjelajahi database yang dibuat secara manual. Alat-alat ini cocok untuk menemukan dokumen yang sesuai dengan kata kunci (misalnya, satu gen atau makalah jurnal yang diterbitkan), tetapi tidak untuk memperoleh pengetahuan komprehensif tentang area topik atau subdomain (misalnya, COVID-19), atau untuk menafsirkan hasil eksperimen biologi tingkat tinggi, seperti pengurutan gen, ekspresi protein, atau penyaringan senyawa kimia. Kami memulai Epistemic AI dengan ide untuk menangani masalah ini dengan platform yang memungkinkan mereka untuk berinteraksi:

1. Mengurangi waktu untuk mengumpulkan informasi dan membangun peta pengetahuan yang komprehensif
2. Mengungkapkan informasi antar disiplin yang dapat sulit ditemukan (penemuan yang sebenarnya sering datang dari melihat ke ruang putih antara disiplin ilmu);
3. Mengidentifikasi hipotesis penyebab dengan menemukan jalur dan tautan yang hilang dalam peta pengetahuan Anda.

Apa saja sumber daya publik dan swasta yang digunakan untuk memetakan hubungan ini?

Stefano Pacifico: Saat ini, kami mengonsumsi semua sumber daya publik yang dapat kami dapatkan, termasuk Pubmed dan clinicaltrials.gov. Kami mengonsumsi database gen, obat, penyakit, dan interaksinya. Kami juga menyertakan sumber daya swasta untuk klien tertentu, tetapi kami tidak dapat mengungkapkan detailnya saat ini.

Jenis teknologi pembelajaran mesin apa yang digunakan untuk pemetaan pengetahuan?

Stefano Pacifico: Salah satu keyakinan yang mendalam di Epistemic AI adalah bahwa fanatisme tidak membantu dalam membangun produk. Membangun arsitektur yang mengintegrasikan beberapa teknik pembelajaran mesin adalah keputusan yang diambil sejak awal, dan itu mencakup Representasi Pengetahuan hingga Model Transformer, melalui penyematan grafik, tetapi juga termasuk model yang lebih sederhana seperti regresi dan hutan acak. Setiap komponen adalah sesederhana mungkin, tetapi tidak lebih sederhana. Sementara kami percaya bahwa kami telah membangun komponen NLP yang sudah ada di tingkat tertinggi untuk tugas tertentu, kami tidak ragu untuk menggunakan model baseline yang lebih sederhana jika memungkinkan.

Dapatkah Anda menyebutkan beberapa perusahaan, organisasi nirlaba, atau lembaga akademis yang menggunakan platform Epistemic?

Stefano Pacifico: Sementara saya ingin melakukannya, kami tidak setuju dengan pengguna kami untuk melakukannya. Saya dapat mengatakan bahwa kami memiliki orang-orang yang mendaftar dari lembaga profil tinggi di semua tiga segmen (perusahaan, organisasi nirlaba, dan lembaga akademis). Selain itu, kami berencana untuk menjaga platform ini tetap gratis untuk tujuan akademis/nirlaba.

Bagaimana Epistemic membantu peneliti dalam mengidentifikasi biomarker spesifik penyakit sistem saraf pusat (SSP) dan penyakit lainnya?

Dr. David Heeger: Ilmu saraf adalah bidang yang sangat antar disiplin, termasuk biologi molekuler dan sel, genetika, tetapi juga psikologi, kimia, dan prinsip fisika, teknik, dan matematika. Ini sangat luas sehingga tidak ada orang yang dapat menjadi ahli di semua bidang. Peneliti di lembaga akademis dan perusahaan farmasi/biotech dipaksa untuk berspesialisasi. Tetapi kami tahu bahwa wawasan penting adalah antar disiplin, menggabungkan pengetahuan dari sub-spesialisasi. Platform perangkat lunak AI yang kami bangun memungkinkan semua orang untuk menjadi lebih antar disiplin, untuk melihat koneksi antara area spesialisasi individu dan topik lain, dan untuk mengidentifikasi hipotesis baru. Ini sangat penting dalam ilmu saraf karena ini adalah bidang yang sangat antar disiplin pada awalnya. Fungsi dan disfungsi otak manusia adalah masalah ilmiah yang paling sulit yang pernah dihadapi. Kami sedang dalam misi untuk mengubah cara kerja dan berpikir ilmuwan biomedis.

Epistemic juga memungkinkan penemuan mekanisme genetik penyakit SSP. Dapatkah Anda menjelaskan bagaimana ini bekerja?

Dr. David Heeger: Kebanyakan penyakit neurologis, gangguan jiwa, dan gangguan perkembangan tidak memiliki penjelasan sederhana dalam hal perbedaan genetik. Ada beberapa sindrom yang memiliki mutasi spesifik yang diketahui menyebabkan gangguan. Tetapi itu tidak biasanya terjadi. Ada ratusan perbedaan genetik, misalnya, yang telah dikaitkan dengan gangguan spektrum autisme (ASD). Ada beberapa pemahaman tentang fungsi yang dilayani oleh beberapa gen ini dalam hal biologi dasar. Misalnya, beberapa gen yang terkait dengan ASD mempertahankan sinapsis di otak (perlu diingat, bagaimanapun, bahwa gen yang sama biasanya melakukan fungsi yang berbeda di sistem organ lain di tubuh). Tetapi ada sangat sedikit pemahaman tentang bagaimana perbedaan genetik ini dapat menjelaskan suite perilaku yang kompleks yang ditampilkan oleh individu dengan ASD. Untuk memperburuk keadaan, dua individu dengan perbedaan genetik yang sama mungkin memiliki hasil yang sama sekali berbeda, satu didiagnosis dengan ASD dan yang lain tidak. Dan dua individu dengan profil genetik yang sama sekali berbeda mungkin memiliki hasil yang sama dengan defisit perilaku yang sangat mirip. Untuk memahami semua ini memerlukan membuat koneksi dari genetika dan biologi molekuler ke neurosains seluler (bagaimana perbedaan genetik menyebabkan neuron individu berfungsi secara berbeda) dan kemudian ke neurosains sistem (bagaimana perbedaan fungsi seluler menyebabkan jaringan neuron yang terhubung secara berbeda) dan kemudian ke psikologi (bagaimana perbedaan fungsi jaringan menyebabkan perbedaan kognitif, emosi, dan perilaku). Dan semua ini perlu dipahami dari perspektif perkembangan. Perbedaan genetik mungkin menyebabkan defisit dalam aspek tertentu dari fungsi neural. Tetapi otak tidak hanya duduk dan menerima. Otak sangat adaptif. Jika ada mekanisme yang hilang atau rusak, maka otak akan berkembang secara berbeda untuk mengkompensasi sebanyak mungkin. Kompensasi ini mungkin molekuler, misalnya, mengaktifkan reseptor sinaptik lain untuk menggantikan fungsi reseptor sinaptik yang rusak. Atau kompensasi mungkin perilaku. Hasil akhir tergantung tidak hanya pada perbedaan genetik awal tetapi juga pada berbagai upaya untuk mengkompensasi dengan mengandalkan mekanisme molekuler, seluler, sirkuit, sistem, dan perilaku lainnya.

Tidak ada orang yang memiliki pengetahuan untuk memahami semua ini. Kami semua membutuhkan bantuan. Platform perangkat lunak AI yang kami bangun memungkinkan semua orang untuk mengumpulkan dan menghubungkan semua pengetahuan biomedis yang relevan, untuk melihat koneksi dan mengidentifikasi hipotesis baru.

Bagaimana perusahaan farmasi dan lembaga akademis menggunakan Epistemic untuk mengatasi tantangan COVID-19?

Stefano Pacifico: Kami telah merilis versi publik dari platform kami yang mencakup dataset COVID-19 spesifik dan dapat diakses secara gratis oleh siapa saja yang melakukan penelitian tentang COVID-19. Ini tersedia di https://covid.epistemic.ai

Apa saja penyakit atau masalah genetik lainnya yang telah menggunakan Epistemic?

Stefano Pacifico: Kami telah berkolaborasi dengan peneliti autisme dan saat ini sedang mempersiapkan upaya penelitian baru untuk Fibrosis Kistik. Tetapi kami dengan senang hati berkolaborasi dengan peneliti atau lembaga lain yang mungkin membutuhkan bantuan dengan penelitian mereka.

Apakah ada yang ingin Anda bagikan tentang Epistemic?

Stefano Pacifico: Kami sedang membangun gerakan orang-orang yang ingin mengubah cara kerja dan berpikir peneliti biomedis. Kami sangat berharap bahwa banyak pembaca Anda akan ingin bergabung dengan kami!

Terima kasih kepada keduanya untuk meluangkan waktu untuk menjawab pertanyaan kami. Pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Epistemic AI.