Anton Dolgikh, Chefe de Inteligência Artificial, Saúde e Ciências da Vida na DataArt – Série de Entrevistas

Anton Dolgikh lidera projetos de inteligência artificial e aprendizado de máquina na prática de Saúde e Ciências da Vida da DataArt e dirige educacionais e treinamentos de desenvolvedores focados em resolver problemas de negócios com métodos de aprendizado de máquina. Antes de trabalhar na DataArt, Dolgikh trabalhou no Departamento de Sistemas Complexos da Université Libre de Bruxelles, uma universidade de pesquisa privada líder na Bélgica.

O que foi que originalmente o inspirou a perseguir carreira em inteligência artificial e ciências da vida?

Uma paixão por buscar 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, pareceu que para obter uma visão completa, para cristalizar a bela verdade a partir de uma massa de informações é quase impossível. E aqui entra a inteligência artificial. Estatística, aprendizado de máquina, é claro, e ciência natural com inteligência artificial no topo, todos atuam para construir a ponte entre a sede de conhecimento do cérebro humano e um mundo onde todas as leis são conhecidas e não há caixas pretas.

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

Sim, o aprendizado profundo é um instrumento muito popular e, vamos ser honestos, poderoso; não podemos negligenciá-lo. Eu pessoalmente prefiro a interpretação bayesiana de algoritmos clássicos, ou mesmo uma combinação de redes neurais e abordagem bayesiana — por exemplo, um Autoencoder Variacional Bayesiano. Mas acredito que a coisa mais importante a ensinar aos novos caras de aprendizado de máquina é não usar cegamente a maquinaria de aprendizado de máquina como uma caixa preta mágica, mas sim perceber os princípios básicos por trás de cada e todos os métodos. Uma habilidade essencial é a capacidade de explicar as previsões obtidas para uma audiência de negócios.

Em março de 2019, você escreveu um artigo chamado ‘Estamos Prontos para Radiologistas de Máquina e seus Erros?’. No artigo, você esboçou os prós e contras de aceitar resultados de radiologistas de máquina versus radiologistas humanos. Se você tivesse que escolher entre um humano e uma máquina para lhe dar resultados, qual você escolheria e por quê?

Eu prefiro um radiologista humano. Não porque eu tenha algum conhecimento especial de que a inteligência artificial é muito propensa a erros e as decisões são intrinsicamente errôneas. Não, é mais uma questão de empatia e natureza psicológica. Eu quero apoiar os médicos humanos durante esse período difícil. Além disso, acredito que no futuro mais próximo, veremos apenas a inteligência artificial aumentar a capacidade humana.

Você recentemente escreveu um white paper chamado ‘O Impacto da Inteligência Artificial no Tempo de Vida‘. Neste papel, você afirmou que a inteligência artificial deve ser vista como uma ferramenta na busca por uma vida mais longa. Quais são algumas das metodologias mais promissoras que a inteligência artificial pode aplicar à busca por estender a vida humana?

Hoje, a nova ferramenta da inteligência artificial começa a operar em laboratórios científicos em paralelo com instrumentos e abordagens clássicas. Esse fato em si é promissor. A inteligência artificial 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 é a afirmação do Diretor de Inteligência Artificial e CEO da Insilico Medicine, Dr. Alex Zhavoronkov, de que aumentar a vida para 150 anos não é um objetivo fantástico. Você acredita que uma criança nascida em 2020 será capaz de viver até 120 ou mesmo 150 anos?

Eu quero acreditar. Como cientista por formação e crença, eu tenho que basear minhas decisões em fatos, na compreensão do progresso dos métodos científicos na área. Nós fizemos um salto impressionante nos campos da genética, biotecnologia e medicina em geral, e isso fortalece minha crença. E não esqueça que uma parte substancial do sucesso em aumentar a vida é um ambiente saudável e um estilo de vida saudável, então temos que trabalhar nisso.

Neste mesmo papel, você menciona o potencial para upload de mente (transumanismo). Você acredita que isso poderia eventualmente se tornar uma realidade, e como isso o faz sentir pessoalmente?

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

Você é atualmente o Chefe de Inteligência Artificial, Saúde e Ciências da Vida na DataArt. Quais são alguns dos projetos mais interessantes que a DataArt está trabalhando atualmente?

Temos um projeto dedicado ao desenvolvimento de novos medicamentos. É inspirador como os métodos computacionais se desenvolveram para impulsionar e direcionar o progresso na química medicinal e farmacologia. Também fazemos muito trabalho em aplicar inteligência artificial para extrair informações de textos médicos, como relatórios de ensaios clínicos, artigos médicos e fóruns especializados. É um trabalho difícil, mas nos leva mais perto da digitalização da saúde, e eu acho isso emocionante.

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

• Judea Pearl “Causalidade: Modelos, Raciocínio e Inferência“. O título é autoexplicativo – o livro é sobre relações causais. Se (um dia) queremos ter uma inteligência artificial verdadeira, temos que ensinar a ela a raciocinar sobre causa e efeito;
• Se você estiver interessado em métodos causativos e práticos, então o trabalho fundamental de Daphne Koller e Nir Friedman “Modelos Gráficos Probabilísticos: Princípios e Técnicas” será a escolha certa;
• Nós esperamos que a inteligência artificial poderosa seja capaz de nos entender. Portanto, temos que ensinar a linguagem a ela. O Processamento de Linguagem Natural lida com o problema da compreensão de linguagens naturais. Eu tenho dois títulos em mente que me ajudaram muito:
  1. Yoav Goldberg, Métodos de Rede Neural em Processamento de Linguagem Natural (Palestras Sintéticas sobre Tecnologias de Linguagem Humana), 2017
  2. Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze Uma Introdução à Recuperação de Informação, 2009
• Não tenho certeza se o próximo livro é dedicado à inteligência artificial, mas demonstra uma abordagem não padrão para estatística e previsões, que será útil para qualquer pesquisador de inteligência artificial: 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 Estelares

Há algo mais que você gostaria de compartilhar sobre a DataArt?

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

Quanto a outro projeto recente, no ano passado, a DataArt lançou um aplicativo protótipo chamado ‘SkinCareAI’, que analisa imagens de pele para detectar sinais precoces de melanoma. Apresentando os últimos avanços em tecnologia de aprendizado de máquina, o SkinCareAI foi desenvolvido pelo especialista em inteligência artificial da DataArt, Andrey Sorokin, para o desafio da Colaboração Internacional de Imagem de Pele (ISIC).

Para saber mais sobre alguns de nossos outros projetos e estudos de caso, por favor, acesse a página de Saúde e Ciências da Vida da DataArt.