Karim Aly, VD för Noze – Intervju-serien

Karim Aly är VD för Noze, ett kanadensiskt AI-företag som har utvecklat världens ledande teknik för att digitalisera luktsinnet. Han fokuserar på att genomföra företagets vision att förändra hälsovården genom att ge maskiner förmågan att lukta.

Före Noze etablerade Karim ett av de första startup-studiorna i Kanada i samarbete med ett av landets största universitet. Tidigare i sin karriär var han en aktiv entreprenör på nya marknader, och han har grundat flera teknikföretag som har expanderat till över 20 länder i Mellanöstern och Sydostasien.

Idén till digital luktförmåga konceptualiserades första gången 2014, kan du dela några insikter från dessa tidiga dagar?

Självklart. Det var verkligen en funktion av den naturliga nyfikenheten hos vår grundare och CTO – Ashok Prabhu Masilamani – där han drevs att förstå varför vi hade lyckats digitalisera ljud (mikrofon), digitalisera syn (kamera) och digitalisera beröring (haptik), men inte lukt. När han grävde djupare började han förstå de viktigaste misslyckandepunkterna som hade hindrat oss från att digitalisera lukt. Som en karriärvetenskapsman blev dessa lärdomar hörnstenen i Ashoks vision för ett nytt företag; ett som skulle utveckla en plattform som kunde bringa luktförmåga till den digitala världen, och med det, föddes Noze.

Företaget tillbringade de närmaste 6 åren med att innovera och förbättra världens mest avancerade digitala luktförmåga, som har löst problemen med riktiga luktdetektering och spårning. Medan tekniken tydligt har potential för att användas inom olika områden, från luftföroreningar till brottsbekämpning, har vi valt att fokusera på att tillämpa vår digitala luktförmåga-plattform uteslutande inom hälsovården. Faktum är att vi just meddelade att vi fått ett $1 miljoner i bidrag från Bill & Melinda Gates Foundation för att utveckla en AI-driven hälsovårds-andningsanalyser som kan upptäcka smittsamma sjukdomar som malaria och tuberkulos genom luktbiomarkörer (flyktiga organiska föreningar) i andedräkten. Detta kommer att vara en spelväxlare för miljontals människor.

2015 hade NASA:s Jet Propulsion Laboratory (JPL) en teknik som matchade er teams vision. Vad var denna teknik och hur säkrade ert team denna patent?

2014 hade NASA:s Jet Propulsion Laboratory utvecklat en innovativ “digital nos”-teknik för att upptäcka flera ångor/gaser i rymdfarkoster. NASA fokuserade på att testa denna förmåga på den internationella rymdstationen (ISS), som är en betydligt svårare miljö för att “lukt” på ångor jämfört med här på jorden. Vi såg en enorm potential i deras tidiga lärdomar, och bestämde oss därför för att påskynda vår resa genom att säkra en exklusiv licens för de sex patent som JPL hade i det digitala nos-området. Sedan dess har vi radikalt utvecklat och förbättrat JPL:s digitala nos-teknik genom att lägga till proprietära lager av aromdata-teknik och perceptiva AI-algoritmer, för att lansera världens mest kraftfulla digitala luktförmåga-plattform.

Vilka är de olika maskinlärningsteknikerna som används för att producera en unik digital doft?

Att producera en tolkningsbar digital doft involverar faktiskt mycket mer än bara maskinlärning. På Noze insåg vi tidigt att digital luktförmåga måste ses som en ram, en som liknar ett däggdjurens luktsystem. I däggdjur är den främre delen av luktsystemet en mångfaldig uppsättning luktreceptorer. För att efterlikna dessa luktreceptorer byggde vi en sensorchip med en mångfaldig uppsättning kemiska receptorer. När en doft introduceras till de däggdjursliknande luktreceptorerna producerar de en unik neural kod, och på ett liknande sätt, när en doft passerar över vår kemiska receptorarray, producerar den en unik “digital doft”.

Sensor-chippen i den digitala luktförmåga-ramen är bara början. Den backas upp av en molnbaserad, noggrant kuraterad digital doftbibliotek och en kemiskt perceptiv AI-motor. Magin sker när alla delarna fungerar tillsammans i harmoni.

Kan du diskutera algoritmerna som används för att tolka doft?

För att tolka en doft måste vi skapa en dataset av digitala dofter för den doften. Vi upptäckte att doft-datasetet som konstruerades från Noze-sensor-chipen innehåller rik kemisk semantisk information representerad i form av mångfald. I världen av datorseende är användningen av mångfaldslärande-tekniker en populär metod. Men till skillnad från datorseende, som är ett data-rikt område, är världen av digital luktförmåga data-svag. Så vår AI-verktygslåda tillämpar en mängd olika metoder som meta-lärande, few-shot-lärande och mångfaldslärande på våra syftade doft-datasets.

En verklig doft i verkligheten skulle innehålla all bakgrundsbrus som normalt skulle störa korrekt tolkning. Detta är varför våra proprietära datasets är noggrant kuraterade, byggda med en kombination av datapunkter som representerar bakgrundsdofter (brus) samt datapunkter som representerar doften själv. Detta tillåter våra AI-algoritmer att tränas för att känna igen och avvisa bakgrundsbruset, samtidigt som de korrekt tolkar den inkommande doften.

Kan du diskutera Nozes molnbaserade plattform och processen för att lägga till nya dofter och hur stor är doftbiblioteket?

Vår molnbaserade IoT-plattform är värd för den digitala doftbiblioteket och den perceptiva AI-motorn. Vår bibliotek består av två typer av datasets; en som är aktivt konstruerad för att skapa dofter för valda dofter och bakgrunder, och en som är passivt skapad från den kontinuerliga samplingen som sker av enheter i fältet som innehåller vår sensor-chip. Dessa passivt sampade dofter är kuraterade och lagrade i vår doftbibliotek så att de kan hänvisas till och matchas med dofter som plattformen kan lära sig i framtiden. Eftersom vår plattform är ansluten till alla våra enheter i fältet har vi också utvecklat kraftfulla nätverkseffekter, där det finns en kontinuerlig, kollektiv lärandeprocess mellan enheter. Med andra ord kan en enhet lära sig att tolka en ny doft från lärdomar som förvärvats på en helt annan enhet.

Vi har fattat ett grundläggande beslut att fokusera på att bygga högkvalitativa dofter som kan möjliggöra meningsfulla användningsfall. Vår tro är att framgång i digital luktförmåga inte bara är en sifferspel, utan snarare kommer att förankras i den ekonomiska och sociala vinst som kan låsas upp från den underliggande doftbiblioteket. Det sagt, vår proprietära bibliotek innehåller idag över 100 noggrant kuraterade dofter, driven av nästan 100 miljoner datapunkter.

Vilka är några av de olika användningsfallen för digitala dofter i tillverkning?

Man kan lätt börja föreställa sig hur nästan alla branscher kan dra nytta av digitaliseringen av luktsinnet. I tillverkning finns det några tydligt värdefulla användningsfall, särskilt de som är relaterade till förbättring av säkerhet och säkerställande av regelefterlevnad. Tänk dig att kunna upptäcka en brännande tråd i din maskin från de lukter som släpps ut och som ett resultat ha möjligheten att stoppa verksamheten innan en brand bryter ut, eller tänk om du kunde kontinuerligt spåra en samling av biprodukt-ångor för att identifiera ögonblicket då deras koncentration stiger över HS&E-tröskeln för att evakuera och ventilera området.

Vår unika förmåga att differentiera doftsignaler från bakgrundsbrus är vad som möjliggör oss att bestämma att doften faktiskt kommer från en tråd som brinner, och inte till exempel från cigarettrök eller en varm kopp kaffe. Att undvika falska positiva resultat som orsakas av andra “bakgrunds”-dofter är kritiskt viktigt, och en av de största utmaningarna, för att framgångsrikt kommersialisera en digital luktförmåga-plattform.

Hur används denna teknik för närvarande i livsmedelsindustrin?

Medan vår teknik inte för närvarande används i livsmedelsindustrin, finns det många potentiella tillämpningar i livsmedelsförsörjningskedjan där den kan användas. Som exempel, låt oss titta på livsmedelsfräschhet. Vad om din kylskåp kunde upptäcka vilka livsmedel som placerades inuti och sedan förutsäga hur mycket tid som var kvar innan varje en av dem blev dålig? Samma lösning kunde också appliceras på livsmedelsbutiker och restauranger, som tillsammans med hem, kollektivt står för över 80% av det livsmedel som slängs varje år – ett 400 miljarder dollar-problem i USA ensamt.

Från en helt annan vinkel kan digital luktförmåga också hjälpa till att automatisera matlagningen genom att spåra doften av en maträtt eller recept från början till slut för att ge instruktioner till kocken (eller automatisera en apparat) med instruktioner om vad man ska göra varje steg på vägen. Vi byggde faktiskt en demo där vi tränade vår AI på hela matlagningsprocessen för en kycklingbröst på en inomhusgrill. Vi kunde ge användaren instruktioner om när grillen var tillräckligt uppvärmd för att lägga till kycklingen, när man skulle vända den och när man skulle ta bort den från grillen, för att få en perfekt tillagad kycklingbröst.

En intressant användning är i virusdetektering, kan du specificera hur detta fungerar?

Människokroppen avger vissa luktbiomarkörer, eller flyktiga organiska föreningar, som en fysiologisk reaktion på infektion. Denna företeelse är dock inte begränsad till endast virusinfektion. Dessa flyktiga organiska föreningar, som kan avges från antingen vår andedräkt eller hud, kan indikera närvaron av olika kliniska tillstånd eller sjukdomar. Om du tänker på en “hälso-andningsanalyser” som kan, med en enda andedräkt, potentiellt upptäcka malaria, tuberkulos, diabetes och andra tillstånd i tidiga skeden, kan du lätt börja uppskatta den inverkan som vår teknik kan ha på förmågan att vidta tidiga åtgärder och förbättra patientresultat. Det är precis denna vision som vi arbetar med just nu med flera partners, inklusive Bill & Melinda Gates Foundation och The Montreal Heart Institute, bland andra. Som företag har vi funnit vår mening i detta arbete, och vi kunde inte vara mer entusiastiska över både det arbete vi gör och den meningsfulla inverkan det kan ha.

Vad är er vision för digital luktförmågas framtid?

Nozes digitala luktförmåga-plattform är ett kraftfullt verktyg som har digitaliserat luktsinnet. Under de senaste 8 åren har vi perfektionerat denna teknik för att fungera utanför kontrollerade labbmiljöer. Vi har byggt flera lukt-detekterings- eller spårningslösningar för vardagliga scenarier, där våra lösningar har fungerat robust trots utmaningarna i varje scenario. Idag är vårt mål att tillämpa denna teknik för att höja människors hälsa till en helt ny nivå. Vi har knappt skrapat på ytan när det gäller vad vi kan tolka från de flyktiga ämnen som ständigt avges från vår andedräkt och hud. Vi tror att vår plattform kan dramatiskt förändra hälsovårdens status quo genom att digitalisera dessa signaturer och korrelera deras närvaro till olika hälsotillstånd. Det sagt, att upptäcka lukter från människors andedräkt och hud är inte utan utmaningar. De flyktiga ämnen som är av intresse är vanligtvis närvarande tillsammans med förvirrande bakgrunder, inklusive närvaron av exogena flyktiga organiska föreningar, högre temperaturer och kondenserande fukt. Var och en av dessa egenskaper kan påverka upptäcktsprecisionen, vilket gör det särskilt utmanande att bygga en tillförlitlig och skalbar lösning.

Således har vår vision för digital luktförmåga alltid varit otydlig: att leverera en skalbar lösning som fungerar robust och tillförlitligt i den verkliga världen, inte bara i labbet. Det är först då som vi kan verkligen möjliggöra allmän tillgång till screening och diagnostik som kan hjälpa till att rädda liv och förbättra hälsan. Och idag står vi på tröskeln till att leverera detta till världen.