Karim Aly, CEO of Noze – Intervju-serie

Karim Aly er CEO i Noze, et canadisk AI-selskap 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 han har grunnlagt flere teknologiselskaper som har vokst til over 20 land i Midtøsten og Sørøst-Asia.

Idéen til digital lukting 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 av å forstå hvorfor vi hadde suksessfullt digitalisert lyd (mikrofon), digitalisert syn (kamera), og digitalisert berøring (haptikk), men ikke lukting. Da han avdekket lagene, begynte han å forstå de nøkkelmessige feilpunktene som hadde hindret oss i jakten på å digitalisere lukting. Som en karriere-vitenskapsmann, ble disse læringene hjørnestenen i Ashoks visjon for et nytt selskap; ett som ville utvikle en plattform som kunne virkelig bringe luktopplevelse til den digitale verden, og med det, Noze ble født.

Selskapet brukte de neste 6 årene på å innovere og perfeksjonere verdens mest avanserte digitale luktopplevelse-rammeverk som har løst for verdens odor-deteksjon og -sporing. Mens teknologien åpenbart har potensielle anvendelser i en rekke områder fra luftforurensning til lovverk, har vi valgt å fokusere på å anvende vår digitale lukting-plattform eksklusivt innen helsevesenet. I virkeligheten har vi nettopp annonsert en $1 million grant fra Bill & Melinda Gates Foundation for å utvikle en AI-drevet helse-breathalyzer som kan detektere infeksiøse sykdommer som Malaria og Tuberkulose gjennom luktbio-markører (Volatile Organic Compounds) 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 deres team denne patenten?

I 2014 hadde NASA’s Jet Propulsion Laboratory utviklet en innovativ “digital nese”-teknologi for å detektere multiple damp/gasser i orbital-vehikler i rommet. NASA var fokusert på å teste denne kapasiteten på Den internasjonale romstasjonen (ISS), som er et mye mer utfordrende miljø å “lukt” på sammenlignet med her på jorden. Vi så et enormt potensial i deres tidlige læring, og bestemte oss derfor for å akselerere vår reise ved å sikre en eksklusiv lisens til de seks patentene holdt av JPL 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 luktopplevelse-plattform.

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

Å produsere en tolkbar digital luktsignatur involverer faktisk mye mer enn bare maskinlæring. Hos Noze innsett vi tidlig at digital lukting må sees på som et rammeverk, ett som er likt et mammalt luktesystem. Hos pattedyr er front-end av luktesystemet en diversifisert rekke av luktreseptorer. For å etterligne disse luktreseptorene bygde vi en sensor-chip med en diversifisert rekke av kjemiske reseptorer. Når en lukting introduseres til de mammale luktreseptorene, produserer de en unik neural kode, og på en lignende måte, når en lukting passerer over vår kjemiske reseptor-array, produserer den en unik “digital luktsignatur.”

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

Kunne du diskutere algoritmene som brukes for å tolke luktsignaturer?

For å tolke en lukting, må vi skape en datasett av digitale luktsignaturer for den luktingen. Vi oppdaget at luktdatasettet 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 lukting et data-svakt domene. Derfor anvender vår AI-verktøykasse en rekke nye tilnærminger som meta-læring, few-shot-læring og mangfold-læring på våre formål-bygde luktdatasett.

En virkelig digital luktsignatur av en lukting ville inneholde all den tilhørende bakgrunns-støy som ville vanligvis forstyrre korrekt tolkning. Dette er hvorfor våre proprietære datasett er nøye kuratert, bygget ved hjelp av en kombinasjon av datapunkter som representerer bakgrunns-lukter (støy) samt datapunkter som representerer luktingen selv. Dette tillater våre AI-algoritmer å bli trent til å gjenkjenne og avvise bakgrunns-støyen, mens de korrekt tolker den innkommende luktsignaturen.

Kunne du diskutere Noze sky-baserte plattform og prosessen for å legge til nye lukter og hvor stort er biblioteket av luktsignaturer?

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

Vi har tatt en grunnleggende beslutning om å fokusere på å bygge høykvalitets luktsignaturer som kan muliggjøre meningsfulle brukstilfeller. Vår tro er at suksess i digital lukting ikke bare er et tallspill, men heller vil bli forankret i den økonomiske og samfunnsmessige verdien som kan låses opp fra det underliggende luktbiblioteket. Det sagt, vårt proprietære bibliotek i dag inneholder over 100 godt kuraterte luktsignaturer, drevet av nesten 100 millioner datapunkter.

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

En kan lett begynne å forestille seg hvordan nesten hver industri kunne trekke massive fordel av digitaliseringen av luktesansen. I produksjon er det noen klart verdifulle brukstilfeller, spesielt de som er relatert til å forbedre sikkerheten og sikre lovmessig overholdelse. Forestill deg å kunne detektere en brennende ledning i din maskineri bare fra lukter som slippes ut og som et 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 til å identifisere øyeblikket deres konsentrasjon stiger over HS&E-terskelen for å evakuere og ventilere området.

Vår unike evne til å differensiere luktsignaler fra bakgrunns-støy er hva som muliggjør oss å bestemme at lukten faktisk kommer fra en ledning som brenner, og ikke for eksempel fra sigarett-røyk eller en varm kopp kaffe. Å unngå feil-positiver som resulterer fra andre “bakgrunns”-lukter er ekstremt viktig, og en av de største utfordringene, til å suksessfullt kommersialisere en digital lukting-plattform.

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

Selv om vår teknologi ikke i dag brukes i matindustrien, er det mange potensielle anvendelser over hele matforsyningskjeden hvor den kunne bli deployert. Som et eksempel, la oss se på mat-freshness. Hva hvis din kjøleskap kunne detektere hvilke matvarer som ble plassert inne og deretter forutsi hvor mye tid var igjen før hver enkelt en blir dårlig? Denne samme løsningen kunne også bli anvendt på matbutikker og restauranter, som sammen med hjem, kollektivt står for over 80% av maten som havner i søppel hver år – et $400 milliarder problem i USA alene.

Fra en helt annen vinkel kan digital lukting også hjelpe med å automatisere matlagingen ved å spore lukten av en rett eller oppskrift fra begynnelse til slutt for å gi instruksjoner til kokken (eller automatisere en enhet) med hva å gjøre hver enkelt skritt på veien. Vi bygde faktisk en demo hvor vi trente vår AI på hele matlaging-prosessen av en kycklingbryst på en innendørs-grill. Vi kunne gi brukeren instruksjoner på når grillen var adekvat varmet opp for å legge til kycklingen, når å vende den, og når å fjerne den fra grillen, for å ende opp med en perfekt kokt kycklingbryst.

En interessant brukstilfelle er i å detektere virus, kunne du spesifisere hvordan dette fungerer?

Den menneskelige kroppen emitterer bestemte luktbio-markører, eller flyktige organiske forbindelser (VOCs), som en fysiologisk respons på infeksjon. Dette fenomenet er imidlertid ikke begrenset til bare virus-infeksjon. Disse VOCs, som kan emitteres fra både vår pust eller vår hud, kan indikere tilstedeværelsen av ulike kliniske tilstander eller sykdommer. Hvis du tenker på en “helse-breathalyzer” som kan, med en enkelt pust, potensielt detektere Malaria, Tuberkulose, Diabetes og andre tilstander i deres tidligste stadier, kan du lett begynne å appreciere impulsen vår teknologi kan ha på evnen til å iverksette tidlig handling og forbedre pasient-utfall. 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, 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 lukting-gjenkjenning?

Nozes digitale lukting-plattform er et kraftfullt verktøy som har digitalisert luktesansen. I løpet av de siste 8 årene har vi perfeksjonert denne teknologien til å fungere utenfor kontrollerte laboratoriemiljøer. Vi har bygget flere luktdetekterings- 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 til å heve menneskelig helse til et helt nytt nivå. Vi har knapt skrapet overflaten i forhold til hva vi kan tolke fra de flyktige stoffene 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 ulike helse-tilstander. Det sagt, å detektere lukter fra menneskelig pust og hud er ikke uten utfordringer. De flyktige stoffene av interesse er vanligvis til stede sammen med forvirrende bakgrunner, inkludert tilstedeværelsen av eksogene VOCs, høyere temperaturer og kondenserende fuktighet. Hver av disse egenskapene kan påvirke detekteringsnøyaktigheten, noe som gjør det spesielt utfordrende å bygge en pålitelig og skalerbar løsning.

Derfor har vår visjon for digital lukting alltid vært ubestridt: 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 muliggjøre ubegrenset tilgang til skrining og diagnostikk som vil hjelpe med å redde liv og forbedre helse. Og i dag er vi på randen av å levere det til verden.