ראיונות
סטפנו פסיפיקו, ודיוויד היגר, מייסדי Epistemic AI – סדרת ראיונות
AI אפיסטמי משתמשת בעיבוד שפה טבעית (NLP), למידת מכונה ולמידה עמוקה מתקדמים כדי למפות את היחסים בין גוף הולך וגדל של ידע ביו-רפואי, ממקורות ציבוריים ופרטיים רבים, כולל מסמכי טקסט ומסדי נתונים. באמצעות תהליך של מיפוי ידע, המשתמשים עובדים באופן אינטראקטיבי עם הפלטפורמה כדי למפות ולהבין תת-קבוצות של ידע ביו-רפואי, החושפת מושגים ומערכות יחסים שאחרת מתפספסים בחיפוש המסורתי.
ראיינו את שני המייסדים של Epistemic AI כדי לדון בהתקדמות האחרונה.
סטפנו פסיפיקו מגיע מ-10+ שנים בפיתוח AI ו-NLP יישומי. בעבר בבלומברג, שם בילה 7 שנים, והיה ב-Elemental Cognition לפני שהתחיל ב-Epistemic.
דיוויד היגר הוא פרופסור כסף למדעי נתונים ומדעי המוח ב-NYU, ובילה את הקריירה שלו בגישור בין מדעי המחשב, בינה מלאכותית וביומדעים. הוא חבר באקדמיה הלאומית למדעים. כמייסדים הם מפגישים את המומחיות של בניית מערכות בינה מלאכותית ו-NLP יישומיות בקנה מידה גדול להבנת אוספי ידע גדולים, עם מומחיות בביולוגיה חישובית ובמדעי ביו-רפואי משנים של מחקר בתחום.
מה זה שהציג ומשך אותך ל-AI ועיבוד שפה טבעית (NLP)?
סטפנו פסיפיקו: כשהייתי בקולג' ברומא, ובינה מלאכותית לא הייתה פופולרית בכלל (למעשה זה היה מאוד פרינג'י), שאלתי את היועץ שלי דאז באיזו התמחות הייתי צריך לקחת מבין הזמינים. הוא אמר: "אם אתה רוצה להרוויח כסף, הנדסת תוכנה ומאגרי מידע, אבל אם אתה רוצה להיות מוזר אבל מאוד מתקדם, אז בחר בבינה מלאכותית". נמכרתי ב"מוזר". לאחר מכן התחלתי לעבוד על ייצוג ידע והיגיון כדי ללמוד כיצד סוכנים אוטונומיים יכולים לשחק כדורגל או להציל אנשים. ואז שתי הבנות גרמו לי להתאהב ב-NLP: ראשית, סוכנים אוטונומיים עשויים לתקשר עם שפה טבעית בינם לבין עצמם! שנית, בניית בסיסי ידע פורמליים ביד היא קשה, בעוד ששפה טבעית (בטקסט) כבר מספקת את בסיס הידע הגדול מכולם. אני יודע שהיום אלה אולי נראות תצפיות ברורות, אבל הן לא היו כמו מיינסטרים בעבר.
מה הייתה ההשראה מאחורי השקת Epistemic AI?
סטפנו פסיפיקו: אני הולך לטעון טענה נועזת. לאף אחד אין היום כלים מתאימים כדי להבין ולחבר את הידע הקיים באוספים גדולים, הולכים וגדלים של מסמכים ונתונים. עבדתי בעבר על הבעיה הזו בעולם הפיננסים. תחשוב על חדשות, דוחות כספיים, נתוני תמחור, פעולות תאגידיות, הגשות וכו'. מצאתי את הבעיה הזו משכרת. וכמובן, זו בעיה קשה; ואחד חשוב! כשפגשתי את המייסד השותף שלי, ד"ר דיוויד היגר, בילינו לא מעט זמן בהערכת הזדמנויות סטארט-אפ בתעשייה הביו-רפואית. כשהבנו את נפח המידע העצום שנוצר בתחום הזה, זה כאילו הכל נפל במקומו הנכון. חוקרים ביו-רפואיים נאבקים בעומס מידע, תוך ניסיון להתמודד עם הבסיס העצום והמתרחב במהירות של ידע ביו-רפואי, כולל מסמכים (למשל, מאמרים, פטנטים, ניסויים קליניים) ומאגרי מידע (למשל, גנים, חלבונים, מסלולים, תרופות, מחלות, תנאים רפואיים). זוהי נקודת כאב גדולה עבור חוקרים, ובלי פתרון מתאים זמין, הם נאלצים להשתמש בכלי חיפוש בסיסיים (PubMed ו- Google Scholar) ולחקור מסדי נתונים שנקבעו באופן ידני. כלים אלה מתאימים למציאת מסמכים התואמים למילות מפתח (למשל, גן בודד או מאמר יומן שפורסם), אך לא לרכישת ידע מקיף על תחום נושא או תת-דומיין (למשל, COVID-19), או לפירוש התוצאות של תפוקה גבוהה ניסויים ביולוגיים, כגון רצף גנים, ביטוי חלבון או סקר תרכובות כימיות. התחלנו את Epistemic AI עם הרעיון לטפל בבעיה זו באמצעות פלטפורמה המאפשרת להם באופן איטרטיבי:
- קצר את הזמן לאיסוף מידע ובניית מפות ידע מקיפות
- מידע חוצה-תחומי משטח שאחרת יכול להיות קשה למצוא (תגליות אמיתיות מגיעות לרוב מהתבוננות במרחב הלבן בין דיסציפלינות);
- זהה השערות סיבתיות על ידי מציאת נתיבים וקישורים חסרים במפת הידע שלך.
מהם חלק מהמקורות הציבוריים והפרטיים המשמשים למיפוי יחסים אלה?
סטפנו פסיפיקו: בשלב זה, אנו בולעים את כל המקורות הזמינים לציבור שאנו יכולים לשים עליהם את ידינו, כולל Pubmed ו-clinicaltrials.gov. אנו בולעים מאגרי מידע של גנים, תרופות, מחלות והאינטראקציות ביניהן. אנו כוללים גם מקורות נתונים פרטיים עבור לקוחות נבחרים, אך איננו רשאים לחשוף עדיין פרטים כלשהם.
איזה סוג של טכנולוגיות למידת מכונה משמשות למיפוי הידע?
סטפנו פסיפיקו: אחת האמונות העמוקות ב- Epistemic AI היא שקנאות אינה מועילה לבניית מוצרים. בניית ארכיטקטורה המשלבת מספר טכניקות למידת מכונה הייתה החלטה שהתקבלה בשלב מוקדם, ואלו נעות בין ייצוג ידע למודלים של רובוטריקים, דרך הטבעות גרפים, אך כוללות גם מודלים פשוטים יותר כמו רגרסיות ויערות אקראיים. כל רכיב הוא פשוט כפי שהוא צריך להיות, אבל לא פשוט יותר. למרות שאנו מאמינים שכבר בנינו רכיבי NLP שהם חדישים עבור משימות מסוימות, אנו לא נרתעים ממודלים בסיסיים פשוטים יותר כאשר הדבר אפשרי.
האם תוכל למנות כמה מהחברות, מלכ"רים או מוסדות אקדמיים שמשתמשים בפלטפורמת Epistemic?
סטפנו פסיפיקו: למרות שאני אשמח, לא סיכמנו עם המשתמשים שלנו לעשות זאת. אני יכול לומר שהיו לנו אנשים שנרשמו ממוסדות בעלי פרופיל גבוה בכל שלושת המגזרים (חברות, מלכ"רים ומוסדות אקדמיים). בנוסף, אנו מתכוונים לשמור על הפלטפורמה בחינם למטרות אקדמיות/לכ"ר.
כיצד Epistemic מסייעת לחוקרים בזיהוי מערכת העצבים המרכזית (CNS) וסמנים ביולוגיים ספציפיים אחרים למחלה?
ד"ר דיוויד היגר: מדעי המוח הוא תחום מאוד בינתחומי הכולל ביולוגיה מולקולרית ותאית וגנומיקה, אך גם פסיכולוגיה, כימיה ועקרונות פיזיקה, הנדסה ומתמטיקה. זה כל כך רחב שאף אחד לא יכול להיות מומחה בזה. חוקרים במוסדות אקדמיים ובחברות פארמה/ביוטכנולוגיה נאלצים להתמחות. אבל אנחנו יודעים שהתובנות החשובות הן בין-תחומיות, המשלבות ידע מתתי-ההתמחויות. פלטפורמת התוכנה המונעת בינה מלאכותית שאנו בונים מאפשרת לכל אחד להיות הרבה יותר אינטרדיסציפלינרי, לראות את הקשרים בין תת תחום המומחיות האישית שלו לנושאים אחרים, ולזהות השערות חדשות. זה חשוב במיוחד במדעי המוח מכיוון שזה תחום כל כך בינתחומי מלכתחילה. התפקוד וחוסר התפקוד של המוח האנושי הם הבעיה הקשה ביותר איתה התמודד המדע אי פעם. אנחנו במשימה לשנות את הדרך שבה פועלים מדענים ביו-רפואיים ואפילו את האופן שבו הם חושבים.
אפיסטמיה גם מאפשרת גילוי מנגנונים גנטיים של הפרעות במערכת העצבים המרכזית. האם תוכל להדריך אותנו כיצד זה עובד?
ד"ר דיוויד היגר: לרוב המחלות הנוירולוגיות, המחלות הפסיכיאטריות וההפרעות ההתפתחותיות אין הסבר פשוט במונחים של הבדלים גנטיים. ישנן קומץ הפרעות תסמונות שעבורן ידוע שמוטציה ספציפית גורמת להפרעה. אבל זה לא המקרה בדרך כלל. ישנם מאות הבדלים גנטיים, למשל, שהיו קשורים להפרעות בספקטרום האוטיסטי (ASD). ישנה הבנה מסוימת לחלק מהגנים הללו לגבי התפקודים שהם משרתים במונחים של ביולוגיה בסיסית. לדוגמה, חלק מהגנים הקשורים ל-ASD מחזיקים סינפסות יחד במוח (עם זאת, שימו לב שאותם גנים מבצעים בדרך כלל פונקציות שונות במערכות איברים אחרות בגוף). אבל יש מעט מאוד הבנה לגבי האופן שבו ההבדלים הגנטיים האלה יכולים להסביר את חבילת ההבדלים ההתנהגותיים המורכבים שמפגינים אנשים עם ASD. כדי להחמיר את המצב, לשני אנשים עם אותו הבדל גנטי עשויים להיות תוצאות שונות לחלוטין, האחד מאובחן עם ASD והשני לא. ושני אנשים עם פרופילים גנטיים שונים לחלוטין עשויים לקבל את אותה תוצאה עם ליקויים התנהגותיים דומים מאוד. כדי להבין את כל זה צריך ליצור את החיבור מגנומיקה וביולוגיה מולקולרית למדעי המוח הסלולריים (איך ההבדלים הגנטיים גורמים לנוירונים בודדים לתפקד אחרת) ולאחר מכן למדעי המוח המערכות (איך ההבדלים הללו בתפקוד הסלולרי גורמים לרשתות של מספר רב של נוירונים מחוברים זה לזה. לתפקד אחרת) ולאחר מכן לפסיכולוגיה (איך ההבדלים האלה בתפקוד הרשת העצבית גורמים להבדלים בקוגניציה, רגש והתנהגות). ואת כל זה צריך להבין מנקודת מבט התפתחותית. הבדל גנטי עלול לגרום לחסר בהיבט מסוים של תפקוד עצבי. אבל המוח לא סתם יושב שם ולוקח את זה. מוחות הם מאוד מסתגלים. אם יש מנגנון חסר או שבור אז המוח יתפתח אחרת כדי לפצות ככל האפשר. פיצוי זה עשוי להיות מולקולרי, למשל, העלאת וויסות של קולטן סינפטי אחר כדי להחליף את הפונקציה של קולטן סינפטי שבור. או שהפיצוי עשוי להיות התנהגותי. התוצאה הסופית תלויה לא רק בהבדל הגנטי הראשוני אלא גם בניסיונות השונים לפצות בהסתמך על מנגנונים מולקולריים, תאיים, מעגלים, מערכות ומנגנונים התנהגותיים אחרים.
לאף אדם אין את הידע להבין את כל זה. כולנו צריכים עזרה. פלטפורמת התוכנה המופעלת על ידי AI שאנו בונים מאפשרת לכולם לאסוף ולקשר את כל הידע הביו-רפואי הרלוונטי, לראות את הקשרים ולזהות השערות חדשות.
איך ביו-פארמה ומוסדות אקדמיים משתמשים ב-Epistemic כדי להתמודד עם אתגר COVID-19?
סטפנו פסיפיקו: פרסמנו גרסה ציבורית של הפלטפורמה שלנו הכוללת מערכי נתונים ספציפיים ל-COVID ונגישה חופשית לכל מי שעושה מחקר על COVID-19. זה זמין בכתובת https://covid.epistemic.ai
מהן כמה מהמחלות או הבעיות הגנטיות האחרות ש-Epistemic שימשה עבורן?
סטפנו פסיפיקו: שיתפנו פעולה עם חוקרי אוטיזם ולאחרונה מרכיבים מאמץ מחקר חדש לסיסטיק פיברוזיס. אבל אנחנו שמחים לשתף פעולה עם כל חוקר או מוסדות אחרים שעשויים להזדקק לעזרה במחקר שלהם.
האם יש משהו נוסף שתרצה לחלוק על אפיסטמי?
סטפנו פסיפיקו: אנחנו בונים תנועה של אנשים שרוצים לשנות את הדרך שבה חוקרים ביו-רפואיים עובדים וחושבים. אנו מאוד מקווים שרבים מהקוראים שלך ירצו להצטרף אלינו!
תודה לשניכם על שהקדשתם מזמנכם לענות על שאלותינו. קוראים שרוצים ללמוד עוד צריכים לבקר AI אפיסטמי.
