Здравоохранение
Anton Dolgikh, руководитель отдела ИИ, здравоохранения и生命енных наук в DataArt – Серия интервью
Anton Dolgikh возглавляет проекты, ориентированные на ИИ и МО, в практике здравоохранения и生命енных наук в DataArt и проводит образовательные и тренировочные программы для разработчиков, ориентированных на решение бизнес-проблем с помощью методов МО. До работы в DataArt Dolgikh работал в отделе сложных систем Университета Libre de Bruxelles, ведущего частного исследовательского университета Бельгии.
Что именно вдохновило вас на выбор карьеры в области ИИ и生命енных наук?
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 прекрасную истину из массы информации, почти невозможно. И вот тут появляется ИИ. Статистика, машинное обучение, конечно, и естественные науки с ИИ на вершине всех этих дисциплин помогают построить мост между жаждой знаний человеческого мозга и миром, где все законы известны и нет черных коробок.
Вы сейчас обучаете и тренируете разработчиков, которые ориентированы на решение бизнес-проблем с помощью методов МО. Есть ли у вас конкретная область машинного обучения, на которую вы больше фокусируетесь, например, глубокое обучение?
Да, глубокое обучение – очень популярный и, если честно, мощный инструмент; мы не можем его игнорировать. Я лично предпочитаю байесовскую интерпретацию классических алгоритмов или даже комбинацию нейронных сетей и байесовского подхода – например, байесовский вариационный автоэнкодер. Но я считаю, что самое важное, чему нужно учить новых специалистов по МО, – это не использовать МО-машинерию как магическую черную коробку, а скорее понимать 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, давая 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 склонен к ошибкам и решениям, которые 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 дополняет человеческие способности.
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 являются наиболее перспективными для применения к задаче 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, 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 обсуждается заявление директора ИИ Фонда исследований биогеронтологии и генерального директора Insilico Medicine, доктора Алекса Жаворонкова, что увеличение продолжительности жизни до 150 лет не является фантастической 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, биотехнологий 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 потенциал для загрузки сознания (трансгуманизм). Верите ли вы, что это может когда-нибудь стать реальностью, и как это заставляет вас чувствовать лично?
Я много думал об этом. Честно говоря, это заставляет меня чувствовать себя разочарованным. Я считаю, что мы ассоциируем личность с тем, что мы видим в зеркале, и для меня трудно оторвать мой характер от моего тела. Тем не менее, это не означает, что это невозможно. И да, я считаю, что рано или поздно загрузка сознания станет возможной. Последствия гораздо труднее предвидеть.
Вы сейчас являетесь руководителем отдела ИИ, здравоохранения и生命енных наук в DataArt. Какие из проектов DataArt сейчас являются наиболее интересными?
У нас есть проект, посвященный разработке новых лекарств. Это вдохновляет, как вычислительные методы развились, чтобы стимулировать и направлять прогресс в медико-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 причинных отношениях. Если (однажды) мы хотим иметь истинный ИИ, мы должны научить его рассуждать о причине и следствии;
- Если вас интересуют причинные и практические методы, 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. Следовательно, мы должны научить языку ИИ. Обработка естественного языка решает проблему понимания естественных языков. У меня есть две книги в виду, которые очень помогли мне:
- Йоав Голдберг, Методы нейронных сетей в обработке естественного языка (Синтез лекций по технологиям человеческого языка), 2017
- Кристофер Д. Мэннинг, Прабхакар Рагхаван, Хинрих Шютце Введение в информационный поиск, 2009
- Не уверен, что следующая книга посвящена 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 завершил список книгой научной фантастики: Станислав Лем, Звездные дневники
Есть ли что-то еще, что вы хотели бы поделиться о DataArt?
DataArt является отличным примером недавней тенденции к цифровизации почти каждого аспекта жизни и деятельности. Эта тенденция увеличивает ответственность в разработке программного обеспечения, поскольку сегодня это не только построение сайта для магазина, например, в случае которого 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 еще одного недавнего проекта, в прошлом году DataArt запустила прототип приложения под названием “SkinCareAI”, который анализирует изображения кожи, чтобы обнаружить ранние признаки меланомы. Приложение SkinCareAI, в котором используются последние достижения в технологии машинного обучения (МО), был разработан экспертом DataArt по МО Андреем Сорокиным для挑жа Международного сотрудничества по изображениям кожи (ISIC).
Чтобы узнать больше о некоторых наших других проектах и кейс-стади, пожалуйста, посетите страницу DataArt по здравоохранению и жизньенным наукам.
