Karim Aly, CEO av Noze – Intervju-serie

Karim Aly er CEO i Noze, en canadisk AI-startup som har utviklet verdens ledende teknologi for å digitalisere luktesansen. Han fokuserer på å gjennomføre selskapets visjon om å transformere helsevesenet ved å gi maskiner evnen til å lukte.

Før Noze etablerte Karim ett av de første startup-studioene i Canada i samarbeid med ett av landets største universiteter. Tidligere i sin karriere var han en aktiv entrepreneur i nye markeder, og hadde grunnlagt flere teknologiselskaper som vokste til over 20 land i Midtøsten og Sørøst-Asia.

Idéen til digital luktesans ble først konseptualisert i 2014, kan du dele noen innsikt fra disse tidlige dagene?

Selvfølgelig. Det var virkelig en funksjon av den naturlige nysgjerrigheten til vår grunnlegger og CTO – Ashok Prabhu Masilamani – hvor han var drevet til å forstå hvorfor vi hadde digitalisert lyd (mikrofon), digitalisert syn (kamera), og digitalisert berøring (haptikk), men ikke luktesans. Da han fjernet lagene, begynte han å forstå de nøkkelmessige feilpunktene som hadde hindret oss i å digitalisere luktesansen. Som en karriere-vitenskapsmann ble disse læringene hjørnestenen i Ashoks visjon for en ny startup; en som ville utvikle en plattform som kunne bringe lukteopplevelse til den digitale verden, og med det, ble Noze født.

Selskapet brukte de neste 6 årene på å innovere og perfeksjonere verdens mest avanserte digitale luktepercepsjonsrammeverk som har løst for virkelige luktedeteksjon og -sporingsproblemer. Mens teknologien åpenbart har potensielle anvendelser i en rekke områder fra luftforurensning til lovverket, har vi valgt å fokusere på å bruke vår digitale luktesansplattform eksklusivt innen helsevesenet. Faktisk kunngjorde vi nylig en $1 million-bevilgning fra Bill & Melinda Gates Foundation for å utvikle en AI-drevet helse-breatalyzer som kan detektere smittsomme sykdommer som malaria og tuberkulose gjennom luktebiomarkører (flyktige organiske forbindelser) i pusten. Dette vil være en game-changer for millioner av mennesker.

I 2015 hadde NASA’s Jet Propulsion Laboratory (JPL) en teknologi som matchet deres teams visjon. Hva var denne teknologien og hvordan sikret de denne patenten?

I 2014 hadde NASA’s Jet Propulsion Laboratory utviklet en innovativ “digital nese”-teknologi for å detektere multiple damp/gasser i orbitalfartøy i rommet. NASA var fokusert på å teste denne kapabiliteten på Den internasjonale romstasjonen (ISS), som er et mye mer krevende miljø for å “lukte” damp enn her på jorden. Vi så et enormt potensial i deres tidlige læring, og bestemte oss for å akselerere vår reise ved å sikre en eksklusiv lisens til de seks patentene som JPL holdt i det digitale nese-rommet. Siden da har vi radikalt utviklet og forbedret JPL’s digitale nese-teknologi ved å legge til proprietære lag av aromadata-engineering og perceptive AI-algoritmer, for å lansere verdens mest kraftfulle digitale luktepercepsjonsplattform.

Hva er de forskjellige maskinlærings-teknologiene som brukes for å produsere en unik digital luktesans?

Å produsere en tolkbar digital luktesans innebærer faktisk mye mer enn bare maskinlæring. Hos Noze innsett vi tidlig at digital luktesans må sees på som et rammeverk, ett som er lignende et mammalt luktesans-system. Hos pattedyr er frontenden av luktesans-systemet en diversifisert rekke av lukte-reseptorer. For å etterligne disse lukte-reseptorene bygde vi en sensor-chip med en diversifisert rekke av kjemiske reseptorer. Når en luktesans introduseres til de mammale lukte-reseptorene, produserer de en unik neural kode, og på en lignende måte, når en luktesans passerer over vår kjemiske reseptor-array, produserer den en unik “digital luktesans”.

Sansenhetens front-end i det digitale luktesans-rammeverket er bare toppen av isfjellet. Det er bakket opp av en sky-basert, godt kurert digital luktesans-bibliotek og en kjemisk perceptive AI-motor. Magien skjer når alle delene fungerer sammen i harmoni.

Kan du diskutere algoritmene som brukes for å tolke luktesanser?

For å tolke en luktesans, må vi skape en datasett av digitale luktesanser for den luktesansen. Vi oppdaget at luktesans-datasettet konstruert fra Noze-sensor-chipen inneholder rik kjemisk semantisk informasjon representert i form av mangfold. I verden av datavisjon er bruk av mangfold-læringsteknikker en populær tilnærming. Imidlertid, i motsetning til datavisjon som er et data-rikt domene, er verden av digital luktesans et data-svakt domene. Så vår AI-verktøykasse anvender en rekke nye tilnærminger som meta-læring, few-shot-læring og mangfold-læring på våre formål-bygde luktesans-datasett.

En virkelige luktesans av en luktesans vil inneholde all den tilhørende bakgrunns-støy som vanligvis ville forstyrre korrekt tolkning. Dette er hvorfor våre proprietære datasett er nøye kurert, bygget ved hjelp av en kombinasjon av datapunkter som representerer bakgrunns-luktesanser (støy) samt datapunkter som representerer luktesansen selv. Dette tillater våre AI-algoritmer å bli trent for å gjenkjenne og avvise bakgrunns-støyen, mens de korrekt tolker den innkommende luktesansen.

Kan du diskutere Noze sin sky-baserte plattform og prosessen for å legge til nye luktesanser og hvor stor er biblioteket av luktesanser?

Vår sky-baserte IoT-plattform har digital luktesans-bibliotek og perceptive AI-motor. Vårt bibliotek består av to typer datasett; ett som er aktivt konstruert for å skape luktesanser for valgte luktesanser og bakgrunner, og ett som er passivt konstruert fra den kontinuerlige samplingen som skjer av enheter i feltet som inneholder vår sensor-chip. Disse passivt sampede luktesanser er kurert og lagret i vårt luktesans-bibliotek så de kan bli referert til og sammenlignet med luktesanser som plattformen kan lære i fremtiden. Gitt at vår plattform er koblet til alle våre enheter i feltet, har vi også utviklet kraftfulle nettverks-effekter, hvor det er en kontinuerlig, kollektiv læringprosess mellom enheter. Med andre ord, en enhet kan lære å tolke en ny luktesans fra læringene tilegnet på en helt annen enhet.

Vi har tatt en grunnleggende beslutning om å fokusere på å bygge høykvalitets luktesanser som kan aktivere meningsfulle brukstilfeller. Vår tro er at suksess i digital luktesans ikke bare er et tallspill, men vil bli ankret i den økonomiske og sosiale verdien som kan låses opp fra det underliggende luktesans-biblioteket. Det sagt, vårt proprietære bibliotek i dag inneholder over 100 godt kurerte luktesanser, drevet av nesten 100 millioner datapunkter.

Hva er noen av de forskjellige brukstilfellene for digitale luktesanser i produksjon?

En kan lett begynne å forestille seg hvordan nesten hver industri kunne trekke nytte av digitaliseringen av luktesansen. I produksjon er det noen klart verdifulle brukstilfeller, spesielt de som er relatert til å forbedre sikkerheten og sikre regulativ overholdelse. Forestill deg å kunne detektere en brennende ledning i maskineriet ditt bare fra luktesansene som slipper ut og som resultat har muligheten til å stoppe operasjonene før en brann bryter ut, eller forestill deg hvis du kunne kontinuerlig spore en samling av biprodukt-damp for å identifisere øyeblikket der konsentrasjonen stiger over HS&E-terskelen for å evakuere og ventilere området.

Vår unike evne til å differensiere luktesans-signaler fra bakgrunns-støy er hva som gjør det mulig for oss å bestemme at luktesansen faktisk kommer fra en ledning som brenner, og ikke for eksempel fra sigaret-røyk eller en varm kopp kaffe. Unngåelse av falske positiver som resulterer fra andre “bakgrunns”-luktesanser er kritisk viktig, og en av de største utfordringene, for å suksessfullt kommersialisere en digital luktesans-plattform.

Hvordan brukes denne teknologien i dag når det kommer til mat?

mens vår teknologi ikke i dag brukes i matindustrien, er det mange potensielle anvendelser gjennom hele matforsyningskjeden hvor den kunne bli brukt. Som eksempel, la oss se på matfriskhet. Hva hvis din kjøleskap kunne detektere hvilke matvarer som ble plassert inne og deretter forutsi hvor mye tid som var igjen før hver enkelt av dem blir dårlig? Denne samme løsningen kunne også bli brukt i matbutikker og restauranter, som sammen med hjemmene, kollektivt står for over 80% av maten som går til spille hver år – et $400 milliarder problem i USA alene.

Fra en helt annen vinkel kan digital luktesans også hjelpe med å automatisere matlagingen ved å spore luktesansen av en rett eller oppskrift fra begynnelse til slutt for å gi kokken (eller automatisere en enhet) instruksjoner på hva å gjøre hver enkelt gang. Vi bygde faktisk en demo hvor vi trente vår AI på hele matlagingprosessen av en kycklingbryst på en innendørs grill. Vi kunne gi brukeren instruksjoner på når grillen var tilstrekkelig varm for å legge til kycklingen, når å vende den, og når å fjerne den fra grillen, for å ende opp med en perfekt tilberedt kycklingbryst.

En interessant brukstilfelle er i deteksjon av virus, kan du spesifisere hvordan dette fungerer?

Menneskekroppen emitterer bestemte luktesans-biomarkører, eller flyktige organiske forbindelser, som en fysiologisk respons på infeksjon. Dette fenomenet er imidlertid ikke begrenset til bare virusinfeksjon. Disse flyktige organiske forbindelsene, som kan emitteres fra både vår pust og vår hud, kan indikere tilstedeværelsen av forskjellige kliniske tilstander eller sykdommer. Hvis du tenker på en “helse-pust-analyser” som kan, med en enkelt pust, potensielt detektere malaria, tuberkulose, diabetes og andre tilstander i deres tidligste stadier, kan du lett begynne å verdsette impulsen vår teknologi kan ha på evnen til å iverksette tidlig handling og forbedre pasient-resultater. Det er nettopp denne visjonen vi jobber med nå med flere partnere, inkludert Bill & Melinda Gates Foundation og The Montreal Heart Institute, blant andre. Som selskap har vi funnet vår mening i dette arbeidet, og vi kunne ikke være mer begeistret for både arbeidet vi gjør og den meningsfulle impulsen det kunne ha.

Hva er din visjon for fremtiden av digital luktesans-gjenkjenning?

Nozes digitale luktesans-plattform er et kraftfullt verktøy som har digitalisert luktesansen. I de siste 8 årene har vi perfeksjonert denne teknologien for å fungere utenfor kontrollerte lab-miljø. Vi har bygget flere luktesans-deteksjons- eller sporingsløsninger for hverdags-scenarier, hvor våre løsninger har fungert robustt til tross for utfordringene forbundet med hver. I dag er vårt mål å anvende denne teknologien for å heve menneskets helse til et helt nytt nivå. Vi har knapt skrapet overflaten i forhold til hva vi kan tolke fra de flyktige forbindelsene som kontinuerlig emitteres fra vår pust og hud. Vi tror at vår plattform kan dramatisk endre helsestatus quo ved å digitalisere disse signaturerne og korrelere deres tilstedeværelse med forskjellige helse-tilstander. Det sagt, å detektere luktesanser fra menneskelig pust og hud er ikke uten utfordringer. De flyktige forbindelsene av interesse er vanligvis til stede sammen med forvirrende bakgrunner, inkludert tilstedeværelsen av ekso-gene flyktige organiske forbindelser, høyere temperaturer og kondenserende fuktighet. Hver av disse egenskapene kan påvirke deteksjonsnøyaktigheten, noe som gjør det spesielt utfordrende å bygge en pålitelig og skalerbar løsning.

Som følge av dette har vår visjon for digital luktesans alltid vært uambivalent: å levere en skalerbar løsning som fungerer robustt og pålitelig i den virkelige verden, ikke bare i laboratoriet. Det er først da vi kan virkelig aktivere universell tilgang til screening og diagnostikk som vil hjelpe til å redde liv og forbedre helse. Og i dag er vi på randen av å levere dette til verden.