Стефано Пасифико и Дэвид Хигер, сооснователи Epistemic AI – Интервью

Epistemic AI использует передовые методы обработки естественного языка (NLP), машинного обучения и глубокого обучения для создания карт отношений между все более растущим массивом биомедицинских знаний из множества публичных и частных источников, включая текстовые документы и базы данных. Благодаря процессу создания карт знаний пользователи взаимодействуют с платформой для создания и понимания подмножеств биомедицинских знаний, что раскрывает понятия и отношения, которые в противном случае были бы упущены при традиционном поиске.

Мы взяли интервью у обоих сооснователей Epistemic AI, чтобы обсудить эти последние достижения.

Стефано Пасифико имеет более 10-летний опыт работы в области прикладного ИИ и разработки NLP. Ранее он работал в Bloomberg, где провел 7 лет, и был в Elemental Cognition до основания Epistemic.

Дэвид Хигер – профессор данных и нейробиологии в Нью-Йоркском университете и провел свою карьеру, объединяя компьютерные науки, ИИ и бионауку. Он является членом Национальной академии наук. Как основатели, они объединяют опыт создания прикладных крупномасштабных систем ИИ и NLP для понимания больших коллекций знаний с опытом в области вычислительной биологии и биомедицинской науки из лет исследований в этой области.

Что именно познакомило вас с ИИ и обработкой естественного языка (NLP)?

Стефано Пасифико: Когда я был в колледже в Риме, и ИИ не был популярным (на самом деле, он был очень маргинальным), я спросил своего тогдашнего советника, какой специализацию мне следует выбрать среди доступных. Он сказал: «Если вы хотите зарабатывать деньги, то программная инженерия и базы данных, но если вы хотите быть странным, но очень продвинутым, то выберите искусственный интеллект». Меня заинтересовало «странный». Затем я начал работать над представлением знаний и рассуждениями, чтобы изучить, как автономные агенты могут играть в футбол или спасать людей. Затем две реализации заставили меня влюбиться в NLP: первое, автономные агенты могут общаться с помощью естественного языка между собой! Второе, создание формальных баз знаний вручную сложно, в то время как естественный язык (в тексте) уже предоставляет самую большую базу знаний. Сегодня эти наблюдения могут показаться очевидными, но они не были так распространены раньше.

Какова была идея создания Epistemic AI?

Стефано Пасифико: Я собираюсь сделать смелое заявление. Сегодня никто не имеет адекватных инструментов для понимания и соединения знаний, присутствующих в больших, постоянно растущих коллекциях документов и данных. Ранее я работал над этой проблемой в финансовом мире. Подумайте о новостях, финансовых отчетах, данных о ценах, корпоративных действиях, заявлениях и т. д. Я обнаружил, что эта проблема интоксикационна. И, конечно, это сложная проблема; и важная! Когда я встретил своего сооснователя, доктора Дэвида Хигера, мы провели довольно много времени, оценивая возможности стартапов в биомедицинской промышленности. Когда мы осознали огромный объем информации, генерируемой в этой области, все встало на свои места. Биомедицинские исследователи борются с информационной перегрузкой, пытаясь справиться с огромной и быстро растущей базой биомедицинских знаний, включая документы (например, статьи, патенты, клинические испытания) и базы данных (например, гены, белки, пути, лекарства, заболевания, медицинские термины). Это является серьезной проблемой для исследователей, и, не имея подходящего решения, они вынуждены использовать базовые инструменты поиска (PubMed и Google (GOOGL ) Scholar) и вручную курируемые базы данных. Эти инструменты подходят для поиска документов, соответствующих ключевым словам (например, одному гену или опубликованной статье), но не для получения всесторонних знаний о тематической области или субдомене (например, COVID-19), или для интерпретации результатов высокопроизводительных биологических экспериментов, таких как секвенирование генов, экспрессия белков или скрининг химических соединений. Мы основали Epistemic AI с идеей решить эту проблему с помощью платформы, которая позволяет им итеративно:

1. Сократить время сбора информации и создания всесторонних карт знаний
2. Раскрыть междисциплинарную информацию, которая может быть трудно найти (настоящие открытия часто исходят из белого пространства между дисциплинами);
3. Определить гипотезы о причинно-следственных связях, находя пути и пропущенные связи в вашей карте знаний.

Какие из публичных и частных источников используются для создания этих отношений?

Стефано Пасифико: На данный момент мы поглощаем все публично доступные источники, которые мы можем получить, включая Pubmed и clinicaltrials.gov. Мы поглощаем базы данных генов, лекарств, заболеваний и их взаимодействий. Мы также включаем частные источники данных для отдельных клиентов, но мы не имеем права раскрывать какие-либо подробности пока.

Какие машины обучения используются для создания карт знаний?

Стефано Пасифико: Одним из глубоко укоренившихся убеждений в Epistemic AI является то, что фанатизм не полезен для создания продуктов. Решение о создании архитектуры, интегрирующей несколько методов машинного обучения, было принято на ранней стадии, и эти методы варьируются от представления знаний до моделей Transformer, через встраивание графов, но также включают более простые модели, такие как регрессии и случайные леса. Каждый компонент так прост, как это необходимо, но не проще. Хотя мы считаем, что уже построили компоненты NLP, которые являются лучшими для определенных задач, мы не боимся более простых базовых моделей, когда это возможно.

Можете ли вы назвать некоторые компании, некоммерческие организации или академические учреждения, которые используют платформу Epistemic?

Стефано Пасифико: Хотя я бы хотел, мы не согласились с нашими пользователями, чтобы сделать это. Я могу сказать, что у нас были люди, подписавшиеся из очень престижных учреждений в всех трех сегментах (компании, некоммерческие организации и академические учреждения). Кроме того, мы намерены сохранить платформу бесплатной для академических/некоммерческих целей.

Как Epistemic помогает исследователям в выявлении центральной нервной системы (ЦНС) и других заболеваний-специфических биомаркеров?

Доктор Дэвид Хигер: Нейробиология – это очень высоко междисциплинарная область, включающая молекулярную и клеточную биологию и геномику, но также психологию, химию и принципы физики, инженерии и математики. Это так широко, что никто не может быть экспертом во всем. Исследователи в академических учреждениях и фармацевтических/биотехнологических компаниях вынуждены специализироваться. Но мы знаем, что важные идеи являются междисциплинарными, объединяющими знания из субспециальностей. Платформа ИИ, которую мы строим, позволяет всем быть более междисциплинарными, видеть связи между их индивидуальными областями экспертизы и другими темами, и определять новые гипотезы. Это особенно важно в нейробиологии, поскольку это так высоко междисциплинарная область. Функция и дисфункция человеческого мозга – это самая сложная проблема, с которой когда-либо сталкивалась наука. Мы на миссии изменить способ работы и мышления биомедицинских ученых.

Epistemic также позволяет открытие генетических механизмов заболеваний ЦНС. Можете ли вы рассказать нам, как это работает?

Доктор Дэвид Хигер: Большинство неврологических заболеваний, психиатрических заболеваний и расстройств развития не имеют простого объяснения в терминах генетических различий. Есть горстка синдромных расстройств, для которых известна конкретная мутация, вызывающая расстройство. Но это не обычно так. Есть сотни генетических различий, например, которые были связаны с аутистическими расстройствами (АС). Есть некоторое понимание некоторых из этих генов о функциях, которые они служат в терминах базовой биологии. Например, некоторые из генов, связанных с АС, держат синапсы вместе в мозге (обратите внимание, однако, что эти же гены обычно выполняют разные функции в других органах системы). Но есть очень мало понимания о том, как эти генетические различия могут объяснить сложный набор поведенческих различий, проявляемых людьми с АС. Чтобы сделать дела хуже, два человека с одним и тем же генетическим различием могут иметь совершенно разные результаты, один из которых диагностирован с АС, а другой – нет. И два человека с совершенно разными генетическими профилями могут иметь один и тот же результат с очень похожими поведенческими дефектами. Чтобы понять все это, необходимо установить связь от геномики и молекулярной биологии до клеточной нейробиологии (как генетические различия вызывают индивидуальные нейроны, функционирующие по-разному) и затем до системной нейробиологии (как эти различия в клеточной функции вызывают сети из большого количества взаимосвязанных нейронов, функционирующих по-разному) и затем до психологии (как эти различия в функции нейронной сети вызывают различия в когнитивных, эмоциональных и поведенческих процессах). И все это необходимо понимать с точки зрения развития. Генетическое различие может вызвать дефект в определенном аспекте нейронной функции. Но мозг не просто сидит и принимает это. Мозги очень адаптивны. Если есть пропущенная или сломанная механизм, то мозг будет развиваться по-другому, чтобы компенсировать как можно больше. Эта компенсация может быть молекулярной, например, усиление другого синаптического рецептора для замены функции сломанного синаптического рецептора. Или компенсация может быть поведенческой. Конечный результат зависит не только от первоначального генетического различия, но и от различных попыток компенсировать, полагаясь на другие молекулярные, клеточные, цепные, системные и поведенческие механизмы.

Никто не имеет знаний, чтобы понять все это. Нам всем нужна помощь. Платформа ИИ, которую мы строим, позволяет всем собрать и связать все соответствующие биомедицинские знания, видеть связи и определять новые гипотезы.

Как биофармацевтические и академические учреждения используют Epistemic для решения проблемы COVID-19?

Стефано Пасифико: Мы выпустили публичную версию нашей платформы, которая включает наборы данных, специфичные для COVID, и свободно доступна для всех, кто проводит исследования по COVID-19. Она доступна по адресу https://covid.epistemic.ai

Какие другие заболевания или генетические проблемы были решены с помощью Epistemic?

Стефано Пасифико: Мы сотрудничали с исследователями аутизма и в настоящее время собираемся начать новое исследовательское усилие по муковисцидозу. Но мы рады сотрудничать с любыми другими исследователями или учреждениями, которые могут нуждаться в помощи с их исследованиями.

Есть ли что-то еще, что вы хотели бы поделиться об Epistemic?

Стефано Пасифико: Мы строим движение людей, которые хотят изменить способ работы биомедицинских исследователей и их мышления. Мы искренне надеемся, что многие из ваших читателей захотят присоединиться к нам!

Спасибо обоим за то, что нашли время, чтобы ответить на наши вопросы. Читателям, которые хотят узнать больше, следует посетить Epistemic AI.