피터 스타르, IBM 과학자, COVID-19 오픈 연구 데이터셋 – 인터뷰 시리즈

IBM 과학자 피터 스타르(Peter Staar)는 COVID-19 치료 또는 백신을 개발하는 300명 이상의 전문가들이 사용하는 AI 도구를 개발했습니다.

연구자들이 구조화된 데이터와 비구조화된 데이터에 빠르게 접근할 수 있도록 IBM은 COVID-19 오픈 연구 데이터셋(CORD-19)에 포함된 45,000개 이상의 과학 논문과 DrugBank, Clinicaltrials.gov, GenBank의 라이선스 데이터베이스를 기반으로 훈련된 클라우드 기반 AI 연구 자원을 제공하고 있습니다.

피터 스타르 박사는 2015년 7월 IBM 연구소 – 취리히 연구소에 포스트 닥터 연구원으로 합류했습니다. 벨기에에서 태어난 이 과학자는 2006년에 처음으로 IBM 연구소에 여름 학생으로 합류했습니다.

您 처음에 2015년 7월에 IBM 연구소 – 취리히 연구소에 합류했습니다. 그 때부터 어떤 프로젝트에 참여했습니다?

초기 연구는 고성능 컴퓨팅의 적용에 중점을 두었습니다. ACM 고든 벨 상을 수상한 팀의 일원으로 참여했습니다.

2017년부터 AI에 중점을 두기 시작했습니다. 2018년 8월, 팀은 ACM 지식 발견 및 데이터 마이닝 컨퍼런스(KDD 2018)에서 대규모 문서 처리 시스템인 Corpus Conversion Service에 대한 논문을 발표했습니다. 이 AI 기반 클라우드 도구는 100,000페이지의 PDF 문서를 하루에 처리할 수 있으며 97% 이상의 정확도로 문서의 내용을 추출할 수 있습니다. 우리는 이 기술을 COVID-19 연구에 적용하고 있습니다.

IBM이 Corpus Conversion Service를 사용하여 COVID-19 전염병에 대처하는 아이디어를 언제 처음 생각했나요?

3월 중순에 백악관은 코로나바이러스와 COVID-19에 관한 45,000개 이상의 문서를 공개했습니다. 우리는 기술을 사용하여 PDF 문서를 검색 가능하게 만들고 추가 데이터셋과 결합하여 지식을 결합할 수 있습니다. 4월 3일에 서비스를 시작했습니다.

Corpus Conversion Service를 가장 잘 설명하는 방법은 무엇인가?

대규모 데이터 소스를 효율적으로 집계하고 분석하여 과학적 통찰력을 얻는 것은 어렵습니다. 우리는 지식 그래프를 사용하여 데이터 소스 간의 연결을 찾습니다.

PDF 형식의 데이터를 검색 가능한 형식으로 추출하는 주요 도전은 무엇인가?

Adobe에 따르면 현재 약 2.5조 개의 PDF 파일이 있습니다. 이러한 파일에는 과학 논문, 기술 문헌 등이 포함되어 있습니다. 그러나 이러한 콘텐츠는 “dark” 또는 unused 상태입니다. 왜냐하면 우리는 대규모 PDF 파일을 처리하고 콘텐츠를 사용할 수 있게 하는 방법이 없기 때문입니다.

PDF 파일에는 벡터 그래픽스, 텍스트, 비트맵 그래픽이 포함되어 있기 때문에 데이터를 추출하는 것이 어렵습니다. 자동 콘텐츠 재구성을 위한 문서 변환은 10년 이상의 문제입니다. 많은 문서 변환 솔루션이 있지만, 이러한 솔루션은 확장성이나 AI를 다루지 않습니다.

Corpus Conversion Service는 이러한 문제를 해결하기 위한 최초의 종합 시스템입니다. 기존 솔루션은 문서를 하나씩 처리할 수 있지만, 우리는 대규모 문서를 처리하고 기계 학습 모델을 구축할 수 있습니다.

문서에 포함된 텍스트와 구조를 어떻게 추출합니까?

인간-컴퓨터 상호작용을 설계하여 빠르고大量한 주석을 허용했습니다. 기계 학습으로 전환하여 유연성을 제공하고 빠르게 템플릿에 적응할 수 있습니다.

수백, 수천 명의 사용자가同時에 사용할 수 있는 기계 학습 모델을 구축하는 도전은 무엇인가?

우리는 IBM 클라우드의 최신 클라우드 서비스를 기반으로 Corpus Conversion Service를 개발했습니다. 이는 수요 증가에 따라 애플리케이션을 쉽게 확장할 수 있습니다. 우리는 여러 사용자가同時에 AI 모델을 사용할 수 있습니다.

서비스에 얼마나 많은 문서가 포함되어 있습니까?

산업 클라이언트가 도구를 사용하고 있지만, 각 클라이언트마다 IBM 클라우드 인스턴스가 있기 때문에 문서 수를 정확히 알 수 없습니다. 그러나 COVID-19를 위해 백악관에서 제공한 45,826개의 논문을 모두 포함했습니다.

연구 커뮤니티는 이 AI 도구를 사용하는 것에 대해 어떻게 반응했습니까?

도구를 무료로 제공한 지 몇 주가 지나서, 12개 이상의 국가에서 400명 이상의 사용자가 있습니다. 대부분 의사와 교수입니다.

Corpus Conversion Service 또는 COVID-19와 관련하여 추가로 공유하고 싶은 내용이 있습니까?

이탈리아 에너지 회사 Eni는 우리의 기술을 하이드로카본 탐사에 사용하고 있습니다. 지질학적, 물리적, 지화학적 데이터를 처리하여 지식 그래프를 생성하고, 지구과학자는 AI를 사용하여 관련 정보를 제시하여 의사결정을 개선할 수 있습니다.

이 인터뷰에 감사드립니다. 이 인터뷰는 연구자들에게 많은 도움이 될 것입니다. 기술에 대해 더 알고 싶은 독자는 Corpus Conversion Service 웹사이트를 방문하십시오. 연구자는 COVID-19 AI 도구 페이지를 방문하십시오. 이 자원에 대한 접근은 자격을 갖춘 연구자에게만 허용됩니다.