Антон Долгих, руководитель отдела ИИ, здравоохранения и生命 Sciences в DataArt – Интервью

Антон Долгих возглавляет проекты, ориентированные на ИИ и МО, в практике здравоохранения и生命 Sciences в DataArt, и проводит образовательные и тренировочные программы для разработчиков, решающих бизнес-проблемы с помощью методов МО. До работы в DataArt Долгих работал в отделе сложных систем Университета Брюсселя, ведущего бельгийского частного исследовательского университета.

Что именно вдохновило вас на выбор карьеры в области ИИ и生命 Sciences?

Страсть к поиску связей между явлениями и фактами. Мне всегда нравилось читать. Мне нравятся книги. В университете я открыл для себя новый источник информации – статьи. В какой-то момент стало ясно, что получить полную картину, чтобы кристаллизовать красивую правду из массы информации, почти невозможно. И вот тут появляется ИИ. Статистика, машинное обучение, конечно, и естественные науки с ИИ на вершине все это способствует построению моста между жаждой знаний человеческого мозга и миром, где все законы известны, и нет черных коробок.

Вы сейчас образовываете и тренируете разработчиков, которые решают бизнес-проблемы с помощью методов МО. Есть ли у вас конкретная область МО, на которую вы больше фокусируетесь, например, глубокое обучение?

Да, глубокое обучение – очень популярный и, если честно, мощный инструмент; мы не можем его игнорировать. Лично я предпочитаю байесовскую интерпретацию классических алгоритмов или даже комбинацию нейронных сетей и байесовского подхода – например, байесовский вариационный автоэнкодер. Но я считаю, что самое главное, чему нужно учить новых разработчиков МО, – это не использовать МО-машинерию как магическую черную коробку, а воспринимать основные принципы, лежащие в основе каждого и каждого метода. Необходимым навыком является способность объяснить прогнозы, полученные для бизнес-аудитории.

В марте 2019 года вы написали статью под названием “Готовы ли мы к машинным радиологам и их ошибкам?”. В статье вы изложили плюсы и минусы принятия результатов от машинных радиологов по сравнению с человеческими радиологами. Если бы вам пришлось выбрать между человеком и машиной, которая дает вам результаты, что бы вы выбрали и почему?

Я предпочитаю человеческого радиолога. Не потому, что у меня есть какое-то особое знание, что ИИ сильно подвержен ошибкам и решения являются внутренне ошибочными. Нет, это больше вопрос эмпатии и психологической природы. Я хочу поддержать человеческих врачей в это трудное время. Кроме того, я считаю, что в ближайшем будущем мы увидим только то, как ИИ будет дополнять человеческие возможности.

Вы недавно написали белую книгу под названием “Влияние искусственного интеллекта на продолжительность жизни“. В этой книге вы заявили, что ИИ должен рассматриваться как инструмент в поиске более долгой жизни. Какие из методов ИИ могут быть наиболее перспективными для продления человеческой жизни?

Сегодня новый инструмент ИИ начинает работать в научных лабораториях наравне с классическими инструментами и подходами. Этот факт сам по себе обещает многое. ИИ здесь, чтобы помочь нам, а не заменить нас в борьбе с огромными объемами данных, которые наводняют не только лаборатории, но и нашу личную жизнь.

Также в той же белой книге вы упоминаете заявление директора фонда биогеронтологии и генерального директора компании Insilico Medicine, доктора Алекса Жаворонкова, о том, что увеличение продолжительности жизни до 150 лет не является фантастическим целью. Верите ли вы, что ребенок, родившийся в 2020 году, сможет прожить до 120 или даже 150 лет?

Я хочу верить. Будучи ученым по образованию и убеждению, я должен основывать свои решения на фактах, на понимании прогресса научных методов в этой области. Мы сделали впечатляющий шаг в области генетики, биотехнологии и медицины в целом, и это укрепляет мою веру. И не забудьте, что значительная часть успеха в увеличении продолжительности жизни заключается в здоровой среде и здоровом образе жизни, поэтому нам нужно работать над этим.

В той же белой книге вы упоминаете возможность загрузки сознания (трансгуманизм). Верите ли вы, что это может стать реальностью, и как это заставляет вас чувствовать лично?

Я много думал об этом. Честно говоря, это заставляет меня чувствовать разочарование. Я считаю, что мы ассоциируем личность с тем, что мы видим в зеркале, и для меня трудно оторвать мою личность от моего тела. Тем не менее, это не значит, что это невозможно. И да, я считаю, что рано или поздно загрузка сознания станет возможной. Последствия гораздо труднее предсказать.

Вы сейчас являетесь руководителем отдела ИИ, здравоохранения и生命 Sciences в DataArt. Какие из проектов DataArt сейчас являются наиболее интересными?

У нас есть проект, посвященный разработке новых лекарств. Это вдохновляет, как вычислительные методы развиваются, чтобы стимулировать и направлять прогресс в медицинской химии и фармакологии. Мы также много работаем над применением ИИ для извлечения информации из медицинских текстов, таких как отчеты о клинических испытаниях, медицинские статьи и специализированные форумы. Это трудная работа, но она приближает нас к цифровизации здравоохранения, и я нахожу это интересным.

Как любитель книг, я также должен спросить, какие книги вы рекомендуете?

• Джудея Перл “Причинность: Модели, рассуждения и вывод“. Название само по себе объясняет – книга о причинно-следственных отношениях. Если (когда-нибудь) мы хотим иметь настоящий ИИ, нам нужно научить его рассуждать о причине и следствии;
• Если вы интересуетесь причинными и практическими методами, то фундаментальная работа Дафны Коллер и Нира Фридмана “Вероятностные графические модели: Принципы и методы” будет правильным выбором;
• Мы ожидаем, что мощный ИИ сможет понять нас. Поэтому нам нужно научить его языку. Обработка естественного языка решает проблему понимания естественных языков. У меня есть две книги в виду, которые мне очень помогли:
  1. Йоав Голдберг, Методы нейронных сетей в обработке естественного языка (Синтез лекций по технологиям человеческого языка), 2017
  2. Кристофер Д. Мэннинг, Прабхакар Рагхаван, Хинрих Шютце Введение в информационный поиск, 2009
• Не уверен, посвящена ли следующая книга ИИ, но она демонстрирует нестандартный подход к статистике и прогнозам, который будет полезен для любого исследователя ИИ: Бертран С. Кларк, Дженнифер Л. Кларк Прогнозная статистика: Анализ и вывод за пределами моделей
• И я бы закончил список научно-фантастической книгой: Станислав Лем, Звездные дневники

Есть ли что-то еще, что вы хотели бы поделиться о DataArt?

DataArt – это отличный пример недавней тенденции к цифровизации почти каждого аспекта жизни и деятельности. Эта тенденция увеличивает ответственность в разработке программного обеспечения, поскольку сегодня это не только о создании сайта для магазина, например, в случае, когда ошибка разработчика будет иметь минимальные последствия. Сегодня ошибка разработчика может стать национальной или мировой катастрофой, если она связана с программой, контролирующей функционирование, например, атомной электростанции. Ответственный подход DataArt к разработке программного обеспечения в широком смысле дает мне уверенность в том, что мы разрабатываем, и я очень горжусь тем, что являюсь частью компании и работы, которую мы делаем.

Что касается другого недавнего проекта, в прошлом году DataArt запустила прототип приложения под названием “SkinCareAI”, который анализирует изображения кожи, чтобы обнаружить ранние признаки меланомы. Включая последние достижения в технологии машинного обучения, SkinCareAI был разработан экспертом DataArt по МО Андреем Сорокиным для挑жения Международного сотрудничества по изображениям кожи (ISIC).

Чтобы узнать больше о некоторых наших других проектах и кейс-стади, пожалуйста, посетите страницу DataArt по здравоохранению и生命 Sciences.