Stefano Pacifico și David Heeger, Co-Fondatori ai Epistemic AI – Seria de Interviuri

Epistemic AI utilizează tehnologii de ultimă generație de Procesare a Limbajului Natural (NLP), algoritmi de învățare automată și de învățare profundă pentru a cartografia relațiile dintre o cantitate tot mai mare de cunoștințe biomedicale, provenind din surse publice și private, inclusiv documente și baze de date. Prin intermediul unui proces de Cartare a Cunoștințelor, utilizatorii lucrează interactiv cu platforma pentru a cartografia și a înțelege subansambluri de cunoștințe biomedicale, ceea ce revelează concepte și relații care altfel ar fi trecute cu vederea prin căutarea tradițională.

Am intervievat ambii co-fondatori ai Epistemic AI pentru a discuta despre aceste ultime avansări.

Stefano Pacifico vine dintr-o experiență de peste 10 ani în dezvoltarea de AI și NLP aplicate. Anterior, a lucrat la Bloomberg, unde a petrecut 7 ani, și a fost la Elemental Cognition înainte de a înființa Epistemic.

David Heeger este profesor de științe ale datelor și neuroștiințe la NYU și și-a petrecut cariera în a combina știința computerelor, AI și bioshtiința. El este membru al Academiei Naționale de Științe. Ca fondatori, ei reunesc expertiza în construirea de sisteme de AI și NLP aplicate pentru înțelegerea unor colecții mari de cunoștințe, cu expertiza în biologie computațională și științe biomedicale, dobândită prin ani de cercetare în domeniu.

Ce v-a introdus și atras către AI și Procesarea Limbajului Natural (NLP)?

Stefano Pacifico: Când eram la facultate, la Roma, și AI nu era deloc popular (de fapt, era foarte marginal), am întrebat pe atunci pe consilierul meu ce specializare ar trebui să aleg dintre cele disponibile. El a spus: „Dacă vrei să faci bani, Ingineria Software și Bazele de Date, dar dacă vrei să fii ciudat, dar foarte avansat, atunci alege Inteligența Artificială”. M-am hotărât atunci. Apoi am început să lucrez la reprezentarea cunoștințelor și la raționament pentru a studia cum pot agenții autonomi să joace fotbal sau să salveze oameni. Apoi, două realizări m-au făcut să mă îndrăgostesc de NLP: prima, agenții autonomi ar putea să comunice între ei prin limbaj natural! A doua, construirea bazelor de cunoștințe formale de mână este grea, în timp ce limbajul natural (în text) oferă deja cea mai mare bază de cunoștințe din toate. Știu că astăzi acestea par a fi observații evidente, dar atunci nu erau atât de populare.

Care a fost inspirația din spatele lansării Epistemic AI?

Stefano Pacifico: Voi face o afirmație îndrăzneață. Nimeni astăzi nu are unelte adecvate pentru a înțelege și a conecta cunoștințele prezente în colecții mari și în creștere de documente și date. Am lucrat anterior la această problemă în lumea financiară. Gândiți-vă la știri, rapoarte financiare, date de preț, acțiuni corporative, depuneri etc. Am găsit că această problemă este intoxicantă. Și, desigur, este o problemă dificilă; și una importantă! Când l-am întâlnit pe co-fondatorul meu, Dr. David Heeger, am petrecut mult timp evaluând oportunități de startup în industria biomedică. Când am realizat volumul imens de informații generate în acest domeniu, a fost ca și cum totul s-a potrivit în locul lui. Cercetătorii din domeniul biomedic se confruntă cu suprasarcina informațională, în timp ce încearcă să înțeleagă baza vastă și în creștere a cunoștințelor biomedicale, inclusiv documente (de exemplu, articole, brevete, studii clinice) și baze de date (de exemplu, gene, proteine, căi, medicamente, boli, termeni medicali). Acesta este un punct dureros major pentru cercetători și, fără o soluție adecvată disponibilă, ei sunt forțați să utilizeze unelte de căutare de bază (PubMed și Google (GOOGL ) Scholar) și să exploreze baze de date create manual. Aceste unelte sunt potrivite pentru găsirea documentelor care se potrivesc cu cuvintele cheie (de exemplu, un singur gen sau un articol publicat), dar nu pentru obținerea de cunoștințe cuprinzătoare despre o zonă de subiect sau subdomeniu (de exemplu, COVID-19), sau pentru interpretarea rezultatelor experimentelor biologice de înaltă performanță, cum ar fi secvențierea genică, expresia proteinelor sau screeningul compușilor chimici. Am lansat Epistemic AI cu ideea de a aborda această problemă cu o platformă care le permite să lucreze interactiv pentru a:

1. Scurta timpul necesar pentru a aduna informații și a construi hărți cuprinzătoare de cunoștințe
2. Afișați informații interdisciplinare care pot fi altfel dificil de găsit (descoperirile importante vin adesea din a căuta în spațiul alb dintre discipline);
3. Identificați ipoteze cauzale prin găsirea căilor și a legăturilor lipsă în harta dvs. de cunoștințe.

Care sunt unele dintre sursele publice și private utilizate pentru a cartografia aceste relații?

Stefano Pacifico: În acest moment, ingerez toate sursele publice disponibile pe care le putem obține, inclusiv Pubmed și clinicaltrials.gov. Ingerăm baze de date de gene, medicamente, boli și interacțiunile lor. De asemenea, includem surse de date private pentru clienți selectați, dar nu suntem încă în măsură să divulgăm detalii.

Care sunt tehnologiile de învățare automată utilizate pentru cartarea cunoștințelor?

Stefano Pacifico: Una dintre convingerile profund înrădăcinate la Epistemic AI este că fanatismul nu este de ajutor la construirea produselor. Construirea unei arhitecturi care integrează mai multe tehnici de învățare automată a fost o decizie luată de la început, și acestea variază de la reprezentarea cunoștințelor la modelele Transformer, prin încorporarea grafurilor, dar includ și modele mai simple, cum ar fi regresia și pădurile aleatoare. Fiecare componentă este atât de simplă pe cât trebuie, dar nu mai simplă. Deși credem că am construit componente NLP care sunt de ultimă generație pentru anumite sarcini, nu ne ferim să utilizăm modele mai simple de bază atunci când este posibil.

Puteți numi unele dintre companiile, organizațiile non-profit sau instituțiile academice care utilizează platforma Epistemic?

Stefano Pacifico: Deși mi-ar plăcea, nu am ajuns la un acord cu utilizatorii noștri pentru a face acest lucru. Pot spune că am avut persoane care s-au înscris de la instituții de foarte înalt nivel din toate cele trei segmente (companii, organizații non-profit și instituții academice). De asemenea, intenționăm să păstrăm platforma gratuită pentru scopuri academice și non-profit.

Cum asistă Epistemic cercetătorii în identificarea biomarkerilor specifici bolilor sistemului nervos central (SNC) și a altor boli?

Dr. David Heeger: Neuroștiința este un domeniu extrem de interdisciplinar, care include biologia moleculară și celulară și genetica, dar și psihologia, chimia și principiile fizicii, ingineriei și matematicii. Este atât de vast încât nimeni nu poate fi expert în toate acestea. Cercetătorii din instituțiile academice și companiile farmaceutice și biotehnologice sunt forțați să se specializeze. Dar știm că insight-urile importante sunt interdisciplinare, combinând cunoștințe din sub-specialități. Platforma software bazată pe AI pe care o construim permite tuturor să fie mult mai interdisciplinari, să vadă legăturile dintre zona lor individuală de expertiză și alte subiecte și să identifice noi ipoteze. Acest lucru este deosebit de important în neuroștiință, deoarece este un domeniu atât de interdisciplinar încă de la început. Funcționarea și disfuncționarea creierului uman este cea mai dificilă problemă cu care s-a confruntat vreodată știința. Suntem într-o misiune de a schimba modul în care lucrează și gândesc oamenii de știință biomedică.

Epistemic permite, de asemenea, descoperirea mecanismelor genetice ale tulburărilor SNC. Puteți explica cum funcționează acest proces?

Dr. David Heeger: Cele mai multe boli neurologice, tulburări psihiatrice și dezvoltări anormale nu au o explicație simplă în termeni de diferențe genetice. Există un număr mic de sindroame pentru care o mutație specifică este cunoscută a cauza tulburarea. Dar acesta nu este de obicei cazul. Există sute de diferențe genetice, de exemplu, asociate cu tulburările spectrului autist (ASD). Există o anumită înțelegere pentru unele dintre aceste gene despre funcțiile pe care le servesc în termeni de biologie de bază. De exemplu, unele dintre genele asociate cu ASD mențin sinapsele unite în creier (notați, totuși, că aceleași gene îndeplinesc de obicei funcții diferite în alte sisteme organice ale corpului). Dar există foarte puțină înțelegere despre cum aceste diferențe genetice pot explica complexul de diferențe comportamentale manifestate de indivizi cu ASD. Pentru a face lucrurile și mai complicate, două indivizi cu aceeași diferență genetică pot avea rezultate complet diferite, unul fiind diagnosticat cu ASD și celălalt, nu. Și doi indivizi cu profiluri genetice complet diferite pot avea același rezultat, cu deficitul comportamental foarte asemănător. Pentru a înțelege toate acestea, este necesar să se facă legătura de la genomică și biologie moleculară la neuroștiința celulară (cum cauzează diferențele genetice funcționarea neuronilor individuali în mod diferit) și apoi la neuroștiința sistemelor (cum cauzează aceste diferențe în funcționarea celulară funcționarea rețelelor de neuroni interconectați în mod diferit) și apoi la psihologie (cum cauzează aceste diferențe în funcționarea rețelelor neuronale diferențe în cogniție, emoție și comportament). Și toate acestea trebuie înțelese dintr-o perspectivă de dezvoltare. O diferență genetică poate cauza un deficit într-un anumit aspect al funcției neuronale. Dar creierul nu stă pur și simplu acolo și acceptă această situație. Creierul este foarte adaptabil. Dacă există un mecanism lipsă sau defect, atunci creierul se va dezvolta diferit pentru a compensa pe cât posibil. Această compensare poate fi moleculară, de exemplu, prin up-reglarea unui alt receptor sinaptic pentru a înlocui funcția unui receptor sinaptic defect. Sau compensarea poate fi comportamentală. Rezultatul final depinde nu numai de diferența genetică inițială, ci și de diversele încercări de compensare, care se bazează pe mecanisme moleculare, celulare, de circuite, de sisteme și comportamentale.

Niciun individ nu are cunoștințele necesare pentru a înțelege toate acestea. Toți avem nevoie de ajutor. Platforma software bazată pe AI pe care o construim permite tuturor să colecteze și să lege toate cunoștințele biomedicale relevante, să vadă legăturile și să identifice noi ipoteze.

Cum utilizează biopharma și instituțiile academice Epistemic pentru a aborda provocarea COVID-19?

Stefano Pacifico: Am lansat o versiune publică a platformei noastre care include seturi de date specifice COVID și este accesibilă gratuit oricui care efectuează cercetări pe COVID-19. Este disponibilă la https://covid.epistemic.ai

Care sunt alte boli sau probleme genetice pentru care a fost utilizat Epistemic?

Stefano Pacifico: Am colaborat cu cercetători în autism și suntem în curs de a pune împreună un nou efort de cercetare pentru fibroza chistică. Dar suntem dispuși să colaborăm cu orice alți cercetători sau instituții care ar putea avea nevoie de ajutor în cercetarea lor.

Există altceva pe care ați dori să îl împărtășiți despre Epistemic?

Stefano Pacifico: Construim o mișcare de oameni care doresc să schimbe modul în care lucrează și gândesc cercetătorii biomedicali. Sperăm sincer că mulți dintre cititorii dvs. vor dori să se alăture nouă!

Mulțumim ambilor pentru timpul acordat pentru a răspunde la întrebările noastre. Citiitorii care doresc să afle mai multe ar trebui să viziteze Epistemic AI.