データアートのAI、ヘルスケア、ライフサイエンス部門長アントン・ドルギフ – インタビュー・シリーズ

アントン・ドルギフは、データアートのヘルスケアとライフサイエンス部門でAIとMLを指揮し、ビジネス問題をML方法で解決する開発者向けの教育とトレーニングを行っています。データアートに入社する前は、ベルギーの私立研究大学であるブリュッセル自由大学の複雑系学部で働いていました。

あなたがAIとライフサイエンスのキャリアを追求することになったきっかけは何ですか?

現象や事実の間のつながりを探求することに情熱を傾けることです。私は本を読むことが好きです。大学で、新しい情報源である記事を発見しました。ある時点で、情報の大量から美しい真実を結晶化することはほぼ不可能であることがわかりました。そこでAIが登場しました。統計、機械学習、自然科学がAIを頂点に据えて、人間の脳の知識への渇望と、すべての法則が知られている世界との間の橋を構築するのに役立ちます。

現在、ビジネス問題をML方法で解決する開発者を教育・トレーニングしています。特に、ディープラーニングなどの機械学習の分野に焦点を当てていますか?

はい、ディープラーニングは非常に人気があり、強力なツールです。私個人は、ベイジアンの解釈による古典的なアルゴリズム、またはニューラルネットワークとベイジアン・アプローチの組み合わせ、たとえばベイジアン・バリアショナル・オートエンコーダーを好みます。しかし、最も重要なことは、新しいML開発者に、MLの機械を盲目的に使用するのではなく、各方法の背後にある基本的な原理を理解することを教えることです。ビジネス向けの予測結果を説明する能力は、必須のスキルです。

2019年3月に、あなたは「マシン・ラジオロジストとそのミスは準備できていますか?」という記事を書きました。その記事で、マシン・ラジオロジストと人間のラジオロジストの結果を受け入れることの長所と短所を説明しました。結果をマシンまたは人間から受け取ることを選択する場合、どちらを選択しますか?その理由は何ですか?

私は人間のラジオロジストを選択します。AIがエラーに強く、決定が本質的に誤っているという特別な知識があるからではありません。不安や心理的な性質の問題です。この難しい時期に人間の医者をサポートしたいと思います。また、近い将来、AIが人間の能力を高めることしか見られないと思います。

最近、「人生の長さへの人工知能の影響」という白書を発表しました。この白書で、AIは人生の長さを探求するためのツールと見なすべきであると述べています。人生の長さを延ばすためにAIが適用できる最も有望な方法論は何ですか?

今日、AIは科学研究所で従来のツールやアプローチと並んで新しいツールとして機能し始めています。この事実自体が有望です。AIは私たちを置き換えるのではなく、データの大量を扱う私たちを助けるためにここにあります。

同じ白書で、バイオジェロントロジー・リサーチ・ファウンデーションのAIディレクターであり、インシリコ・メディシンのCEOであるアレックス・ジャボロンコフは、150歳まで生きることはファンタジーではないと主張しています。2020年に生まれた子供が120歳または150歳まで生きることができるかどうかについてどう思いますか?

私はそれを信じたいと思います。科学者としての教育と信念から、事実と科学的方法の進歩に基づいて決定を下す必要があります。遺伝学、生物技術、医学全般の分野で、我々は驚くべき飛躍を遂げてきました。これは、私の信念を強めています。さらに、寿命の延長における成功の重要な部分は、健康な環境と生活様式であることを忘れないでください。

同じ白書で、精神のアップロード（トランスヒューマニズム）の可能性についても言及しています。精神のアップロードは最終的に現実になる可能性があると思いますか?それがあなたに与える感情は何ですか?

私はそれについて多く考えてきました。正直言って、それは私を苛立たせます。私は、私が鏡に映るものと私の性格を切り離すことが難しいと思います。しかし、それは不可能ではないことを意味します。精神のアップロードが可能になることを私は信じています。結果はより予測が難しいです。

現在、データアートのAI、ヘルスケア、ライフサイエンス部門長を務めています。データアートが現在取り組んでいる最も興味深いプロジェクトは何ですか?

新薬開発に取り組むプロジェクトがあります。計算機方法が薬物化学と薬理学の進歩を促進する方法は感動的です。また、医療テキストからの情報抽出、たとえば臨床試験レポート、医療記事、専門フォーラムへのAIの適用についても多く取り組んでいます。難しい作業ですが、ヘルスケアのデジタル化に近づいています。これは私にとって興奮することです。

あなたは本を愛する人です。読むべき本を教えてください。

• ジュデア・ピアール「因果関係：モデル、推論、推測」。タイトルは自明です – この本は因果関係についてです。もし（いつの日か）真のAIを作りたいのであれば、因果関係について推論することを教える必要があります;
• 因果関係や実践的な方法に興味がある場合は、ダフネ・コーラーとニール・フリードマンの基本的な作品「確率グラフィカル・モデル：原理と技術」が適切な選択になります;
• 強力なAIは私たちを理解できる必要があります。したがって、言語を教える必要があります。自然言語処理は自然言語の理解の問題に対処します。私には2つのタイトルがあります:
  1. ヨアブ・ゴールドバーグ、ニューラル・ネットワーク・メソッド・イン・ナチュラル・ランゲージ・プロセッシング（シンセシス・レクチャー・オン・ヒューマン・ランゲージ・テクノロジー）、2017
  2. クリストファー・D・マニング、プラバカール・ラガヴァン、ヒンリヒ・シュッツェ、情報検索の紹介、2009
• 次の本はAIに特化しているわけではありませんが、統計と予測に対する非標準的なアプローチを示しています。これは、AIの研究者にとって役立つでしょう: ベルナール・S・クラーク、ジェニファー・L・クラーク、予測統計：モデルを超えた分析と推論
• リストを終わらせるために、SF本を紹介します: スタニスワフ・レム、スターディアリーズ

データアートについてさらに何か共有したいことはありますか?

データアートは、ほぼすべての側面や活動のデジタル化に向けた最近の趨勢の優れた例です。この趨勢は、ソフトウェア開発における責任を高めています。今日、開発者のミスは、たとえば核施設の機能を制御するプログラムを構築する場合、最小限の結果をもたらすのではなく、国家的または世界的な惨事になる可能性があります。データアートのソフトウェア開発への責任あるアプローチは、私たちが開発するものに自信を持ち、会社と私たちが行っている仕事をとても誇りに思います。

別のプロジェクトについてですが、昨年、データアートは「SkinCareAI」というプロトタイプ・アプリケーションを立ち上げました。これは、皮膚の画像を分析して黒色腫の初期の兆候を検出します。最新の機械学習（ML）技術を特徴とするSkinCareAIは、データアートのMLエキスパートであるアンドレイ・ソロキンによって、国際皮膚画像コラボレーション（ISIC）チャレンジのために開発されました。

私たちの他のプロジェクトやケーススタディについてもっと知りたい場合は、データアートのヘルスケアとライフサイエンスページをご覧ください。