Anton Dolgikh, chefe de IA, saúde e ciências da vida na DataArt – série de entrevistas

Anton Dolgikh lidera projetos orientados a IA e ML na prática de Saúde e Ciências da Vida na DataArt e executa desenvolvedores educacionais e de treinamento focados na solução de problemas de negócios com métodos de ML. Antes de trabalhar na DataArt, Dolgikh trabalhou no Departamento de Sistemas Complexos da Université Libre de Bruxelles, uma das principais universidades privadas belgas de pesquisa.

O que originalmente o inspirou a seguir a carreira de IA e ciências da vida?

Paixão por pesquisar as ligações entre fenômenos e fatos. Eu sempre gosto de ler. Eu amo livros. Na universidade, descobri uma nova fonte de informação – artigos. Em algum momento, parecia que era quase impossível obter uma imagem completa, cristalizar a bela verdade a partir de uma massa de informações. E aí vem a IA. A estatística, a aprendizagem automática, claro, e as ciências naturais com a IA no topo atuam para construir a ponte entre a sede de conhecimento do cérebro humano e um mundo onde todas as leis são conhecidas e não existem caixas negras.

Atualmente, você educa e treina desenvolvedores focados em resolver problemas de negócios com métodos de ML. Existe um campo específico de aprendizado de máquina em que você se concentra mais, por exemplo, aprendizado profundo?

Sim, o aprendizado profundo é um instrumento muito popular e, sejamos honestos, poderoso; não podemos negligenciá-lo. Pessoalmente, prefiro a interpretação Bayesiana de algoritmos clássicos, ou mesmo uma combinação de redes neurais e uma abordagem Bayesiana - por exemplo, um Autoencoder Variacional Bayesiano. Mas acredito que a coisa mais importante para ensinar aos novos caras do ML é não usar cegamente o maquinário do ML como uma caixa preta mágica, mas sim perceber os princípios básicos por trás de cada método. Uma habilidade obrigatória é a capacidade de explicar as previsões obtidas para um público de negócios.

Em março de 2019, você escreveu um artigo intitulado "Estamos prontos para radiologistas mecânicos e seus erros?". No artigo, você descreveu os prós e os contras de aceitar resultados de radiologistas mecânicos em comparação com radiologistas humanos. Se você tivesse que escolher entre um humano e uma máquina fornecendo resultados, qual escolheria e por quê?

Prefiro um radiologista humano. Não porque eu tenha algum conhecimento especial de que a IA é altamente propensa a erros e as decisões são intrinsecamente errôneas. Não, é mais uma questão de empatia e de natureza psicológica. Quero apoiar os médicos humanos durante este período difícil. Além disso, acredito que no futuro próximo, veremos apenas a IA aumentar a capacidade humana.

Recentemente, você escreveu um white paper chamado 'O impacto da inteligência artificial na expectativa de vida.' Neste artigo, você afirmou que a IA deve ser vista como uma ferramenta na busca por uma vida mais longa. Quais são algumas das metodologias mais promissoras que a IA poderia aplicar na busca de prolongar a expectativa de vida humana?

Hoje, a nova ferramenta de IA começa a operar em laboratórios científicos a par de instrumentos e abordagens clássicas. Este fato em si é promissor. A IA está aqui para nos ajudar, não para nos substituir, na luta para lidar com as enormes quantidades de dados que inundam não apenas laboratórios, mas também nossas vidas pessoais.

Também discutido no mesmo white paper está uma afirmação do diretor de IA da Biogerontology Research Foundation e CEO da Insilico Medicine, Dr. Alex Zhavoronkov, de que aumentar a expectativa de vida para 150 anos não é uma meta fantástica. Você acredita que uma criança nascida em 2020 poderá viver até 120 ou até 150 anos?

Eu quero acreditar. Cientista por formação e crença, tenho que basear minhas decisões em fatos, em entender o avanço dos métodos científicos na área. Demos um salto impressionante nas áreas de genética, biotecnologia e medicina em geral, e isso fortalece minha crença. E não se esqueça que uma parte substancial do sucesso no aumento da expectativa de vida é um ambiente saudável e um estilo de vida saudável, então temos que trabalhar nisso.

Neste mesmo artigo, você menciona o potencial para upload da mente (transumanismo). Você acredita que isso pode eventualmente ser uma realidade, e como isso faz você se sentir pessoalmente?

Eu pensei muito sobre isso. Francamente, isso me deixa frustrado. Acho que associamos personalidade ao que vemos no espelho e, para mim, é difícil separar meu personagem do meu corpo. No entanto, isso não significa que não seja possível. E, sim, acredito que, mais cedo ou mais tarde, o upload da mente se tornará viável. As consequências são muito mais difíceis de prever.

Atualmente, você é o chefe de IA, saúde e ciências da vida na DataArt. Quais são alguns dos projetos mais interessantes nos quais a DataArt está trabalhando atualmente?

Temos um projeto dedicado ao desenvolvimento de novos medicamentos. É inspirador como os métodos computacionais se desenvolveram para alimentar e direcionar o progresso na química medicinal e na farmacologia. Também trabalhamos muito na aplicação de IA para extrair informações de textos médicos, como relatórios de ensaios clínicos, artigos médicos e fóruns especializados. É um trabalho árduo, mas nos aproxima da digitalização da saúde, e acho isso empolgante.

Como um ávido amante de livros, também preciso perguntar quais livros você recomenda?

• Judéia Pérola "Causalidade: Modelos, Raciocínio e Inferência“. O título é autoexplicativo – o livro é sobre relações causais. Se (um dia) queremos ter uma IA verdadeira, temos que ensiná-la a raciocinar sobre causa e efeito;
• Se você está interessado nos métodos causativos e práticos, então o trabalho fundamental de Daphne Koller e Nir Friedman “Modelos Gráficos Probabilísticos: Princípios e Técnicas” será a escolha certa;
• Esperamos que uma IA poderosa seja capaz de nos compreender. Assim, temos que ensinar a linguagem para ele. O Processamento de Linguagem Natural aborda o problema da compreensão das línguas naturais. Tenho dois títulos em mente que me ajudaram muito:
  1. Yoav Goldberg, Métodos de Redes Neurais em Processamento de Linguagem Natural (Aulas de Síntese sobre Tecnologias de Linguagem Humana), 2017
  2. Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze Uma introdução à recuperação de informações, 2009
• Não tenho certeza se o próximo livro é dedicado à IA, mas demonstra uma abordagem não padronizada para estatísticas e previsões que serão úteis para qualquer pesquisador de IA: Bertrand S. Clarke, Jennifer L. Clarke Estatística preditiva: análise e inferência além dos modelos
• E eu terminaria a lista com um livro de ficção científica: Stanislav Lem,  os diários das estrelas

Há mais alguma coisa que você gostaria de compartilhar sobre DataArt?

DataArt é um excelente exemplo da tendência recente para a digitalização de quase todos os aspectos da vida e da atividade. Essa tendência aumenta a responsabilidade no desenvolvimento de software porque hoje não se trata apenas de construir um site para uma loja, por exemplo, caso em que um erro do desenvolvedor terá consequências mínimas. Hoje, o erro de um desenvolvedor pode se tornar uma catástrofe nacional ou mundial se envolver um programa que controle o funcionamento de, por exemplo, uma usina nuclear. A abordagem responsável da DataArt para o desenvolvimento de software em um sentido amplo me dá confiança no que desenvolvemos e tenho muito orgulho de fazer parte da empresa e do trabalho que estamos fazendo.

Quanto a outro projeto recente de horas, a DataArt lançou no ano passado um protótipo de aplicativo chamado 'SkinCareAI', que analisa imagens da pele para detectar sinais precoces de melanoma. Apresentando os mais recentes avanços na tecnologia de aprendizado de máquina (ML), o SkinCareAI foi desenvolvido pelo especialista em DataArt ML, Andrey Sorokin, para o desafio International Skin Imaging Collaboration (ISIC).

Para saber mais sobre alguns de nossos outros projetos e estudos de caso, acesse DataArt's Cuidados de Saúde e Ciências da Vida Disputas de Comerciais.