อันโตน ดอลกิห์ ผู้อำนวยการฝ่าย AI สุขภาพและวิทยาศาสตร์ชีวิตของ DataArt – สัมภาษณ์系列

อันโตน ดอลกิห์ เป็นผู้นำโครงการ AI และ ML ในฝ่าย Healthcare และ Life Sciences ของ DataArt และจัดการฝึกอบรมนักพัฒนาเพื่อแก้ปัญหาทางธุรกิจด้วยวิธีการ ML ก่อนที่จะทำงานที่ DataArt ดอลกิห์曾ทำงานที่ Department of Complex Systems ของ Université Libre de Bruxelles ซึ่งเป็นมหาวิทยาลัยวิจัยเอกชนชั้นนำของเบลเยียม

อะไรคือสิ่งที่ทำให้คุณตัดสินใจเลือกอาชีพ AI และวิทยาศาสตร์ชีวิต?

ความหลงใหลในการค้นหาความสัมพันธ์ระหว่างปรากฏการณ์และข้อเท็จจริง ฉันชอบอ่านหนังสือมาก เมื่อฉันอยู่มหาวิทยาลัย ฉันค้นพบแหล่งข้อมูลใหม่ คือ บทความ ใน某จุด มันปรากฏว่าการได้รับภาพที่สมบูรณ์ของความจริงจากข้อมูลจำนวนมากเป็นเรื่องที่ยาก และที่นี่ AI เข้ามาเกี่ยวข้อง สถิติ การเรียนรู้ของเครื่อง และวิทยาศาสตร์ธรรมชาติพร้อมกับ AI ที่ด้านบน ล้วนช่วยสร้างสะพานเชื่อมระหว่างความต้องการความรู้ของสมองมนุษย์กับโลกที่ทุกกฎเกณฑ์เป็นที่ทราบและไม่มีกล่องดำ

คุณกำลังให้การฝึกอบรมนักพัฒนาที่มุ่งเน้นในการแก้ปัญหาทางธุรกิจด้วยวิธีการ ML คุณมุ่งเน้นไปที่สาขาใดของ ML มากที่สุด ตัวอย่างเช่น การเรียนรู้ลึก?

ใช่ การเรียนรู้ลึกเป็นเครื่องมือที่นิยมและทรงพลัง แต่เราก็ไม่สามารถเพิกเฉยต่อมันได้ ฉันชอบการตีความแบบเบย์แห่งอัลกอริทึมคลาสสิก หรือแม้กระทั่งการผสมผสานระหว่างเครือข่ายประสาทและแนวทางแบบเบย์ — ตัวอย่างเช่น เบย์ Variational Autoencoder แต่ฉันเชื่อว่าสิ่งสำคัญที่สุดคือการ教นักพัฒนาใหม่ให้เข้าใจหลักการเบื้องหลังของวิธีการ ML ทุกวิธี ทักษะที่จำเป็นคือความสามารถในการอธิบายผลลัพธ์ที่ได้รับสำหรับผู้ฟังทางธุรกิจ

ในเดือนมีนาคม 2019 คุณเขียนบทความเรื่อง ‘Are we Ready for Machine Radiologists, and their Mistakes?’ ในบทความคุณได้กล่าวถึงข้อดีและข้อเสียของการยอมรับผลลัพธ์จากนักรังสีวิทยาเครื่องจักรเทียบกับนักรังสีวิทยามนุษย์ หากคุณต้องเลือกระหว่างนักรังสีวิทยาเครื่องจักรและนักรังสีวิทยามนุษย์ คุณจะเลือกอะไรและทำไม?

ฉันชอบนักรังสีวิทยามนุษย์ ไม่ใช่เพราะฉันมีความรู้พิเศษที่ว่า AI มีแนวโน้มที่จะผิดพลาดและตัดสินใจที่มีข้อผิดพลาดในตัวเอง แต่เป็นเพราะเรื่องของการเอาใจใส่และธรรมชาติทางจิตวิทยา ฉันต้องการสนับสนุนแพทย์ในช่วงเวลาที่ยากลำบากนี้ นอกจากนี้ ฉันเชื่อว่าในอนาคตที่ใกล้ๆ นี้ เราจะเห็น AI เพิ่มความสามารถของมนุษย์เท่านั้น

คุณเขียนบทความขาวเรื่อง ‘The Impact of Artificial Intelligence on Lifespan.’ ในบทความคุณกล่าวว่า AI ควรถูกมองว่าเป็นเครื่องมือในการค้นหาชีวิตที่ยาวนานขึ้น มีอะไรบ้างที่เป็นวิธีการที่มีแนวโน้มมากที่สุดที่ AI สามารถใช้ในการขยายอายุการใช้งานของมนุษย์?

ในปัจจุบัน AI เป็นเครื่องมือใหม่ที่เริ่มทำงานในห้องปฏิบัติการทางวิทยาศาสตร์พร้อมกับเครื่องมือและแนวทางแบบดั้งเดิม ซึ่งเป็นเรื่องที่ให้ความหวัง AI มาเพื่อช่วยเรา ไม่ใช่แทนที่เรา ในการดิ้นรนเพื่อจัดการกับข้อมูลจำนวนมากที่หลั่งไหลเข้ามาไม่เพียงแต่ในห้องปฏิบัติการเท่านั้น แต่ยังรวมถึงชีวิตส่วนตัวของเรา

ในบทความขาวเดียวกัน คุณกล่าวถึงคำกล่าวของ Biogerontology Research Foundation AI Director และ CEO ของ Insilico Medicine ดร. อเล็กซ์ ซาโวรอนคอฟ ที่ว่าการเพิ่มอายุการใช้งานถึง 150 ปีไม่ใช่เป้าหมายที่น่าเหลือเชื่อ คุณเชื่อว่าเด็กที่เกิดในปี 2020 จะสามารถมีอายุถึง 120 หรือแม้กระทั่ง 150 ปีได้หรือไม่?

ฉันต้องการเชื่อ ในฐานะนักวิทยาศาสตร์โดยการศึกษาและความเชื่อ ฉันต้องตัดสินใจโดยอาศัยข้อเท็จจริงและความเข้าใจถึงความก้าวหน้าของวิธีการทางวิทยาศาสตร์ในพื้นที่นี้ เราได้ทำการกระโดดที่น่าประทับใจในด้านพันธุกรรม เทคโนโลยีชีวภาพ และการแพทย์โดยทั่วไป ซึ่งเสริมสร้างความเชื่อของฉัน และอย่าลืมว่าส่วนสำคัญของความสำเร็จในการเพิ่มอายุการใช้งานคือสภาพแวดล้อมและสุขภาพที่ดี ดังนั้นเราจึงต้องทำงานในเรื่องนี้

ในบทความขาวเดียวกัน คุณกล่าวถึงความเป็นไปได้ของการอัปโหลดจิตใจ (transhumanism) คุณเชื่อว่าสิ่งนี้จะกลายเป็นความจริงหรือไม่ และมันทำให้คุณรู้สึกอย่างไรส่วนตัว?

ฉันคิดมากเกี่ยวกับเรื่องนี้ ถ้าจะพูดตรงๆ มันทำให้ฉันรู้สึกหงุดหงิด ฉันคิดว่าเราสัมพันธ์ระหว่างบุคลิกภาพกับสิ่งที่เราเห็นในกระจก และสำหรับฉัน มัน khóที่จะแยกความเป็นตัวฉันจากกายของฉัน อย่างไรก็ตาม สิ่งนี้ไม่ได้หมายความว่ามันไม่สามารถเกิดขึ้นได้ และใช่ ฉันเชื่อว่าไม่ช้าหรือเร็ว การอัปโหลดจิตใจจะกลายเป็นความจริง ผลที่ตามมาเป็นสิ่งที่ยากต่อการคาดเดา

คุณเป็นผู้อำนวยการฝ่าย AI สุขภาพและวิทยาศาสตร์ชีวิตของ DataArt ในขณะนี้ มีอะไรบ้างที่เป็นโครงการที่น่าสนใจที่สุดของ DataArt ที่คุณกำลังทำงานอยู่?

เรามีโครงการที่อุทิศให้กับการพัฒนายาใหม่ๆ มันทำให้ฉันรู้สึกประทับใจว่า方法การคำนวณได้พัฒนาเพื่อขับเคลื่อนและกำหนดทิศทางความก้าวหน้าในเคมีเภสัชและเภสัชวิทยา เรายังทำงานอย่างมากในการใช้ AI เพื่อแยกข้อมูลจากข้อความทางการแพทย์ เช่น รายงานการวิจัยทางคลินิก บทความทางการแพทย์ และฟอรัมเฉพาะทาง มันเป็นงานที่ยาก แต่มันทำให้เราใกล้เคียงกับการดิจิทัล化ของการดูแลสุขภาพ และฉันพบว่ามันสนุก

ในฐานะที่คุณเป็นคนรักหนังสือ ฉันต้องถามว่าคุณแนะนำหนังสืออะไร?

• จูเดีย เพิร์ล “ความสัมพันธ์: แบบจำลอง การให้เหตุผล และการอนุมาน” ชื่อหนังสืออธิบายได้ว่าหนังสือเล่มนี้คือเรื่องของความสัมพันธ์ระหว่างสาเหตุและผลลัพธ์;
• หากคุณสนใจในเรื่องของวิธีการที่เป็นไปได้และเชิงปฏิบัติ งานพื้นฐานของ Daphne Koller และ Nir Friedman “แบบจำลองกราฟฟิกแบบความน่าจะเป็น: หลักการและเทคนิค” จะเป็นตัวเลือกที่ถูกต้อง;
• เราคาดหวังว่า AI ที่ทรงพลังจะสามารถเข้าใจเราได้ ดังนั้นเราจึงต้องสอนภาษาให้กับมัน การประมวลผลภาษา自然ต้องจัดการกับปัญหาในการเข้าใจภาษา自然 ฉันมีหนังสือสองเล่มที่ช่วยฉันมาก:
  1. โยอาฟ โกลด์เบิร์ก วิธีการเครือข่ายประสาทในประมวลผลภาษา自然 (สังเคราะห์บรรยายการเรียนรู้ของมนุษย์) 2017
  2. คริสโตเฟอร์ ดี แมนนิง, ปรภัค รากาวัน, ฮินริช ชูเทซ การแนะนำการค้นหาข้อมูล 2009
• ไม่แน่ใจว่าหนังสือต่อไปนี้จะอุทิศให้กับ AI หรือไม่ แต่มันแสดงถึงแนวทางที่ไม่มาตรฐานในการใช้สถิติและคาดการณ์ ซึ่งจะมีประโยชน์สำหรับนักวิจัย AI ทุกคน: เบอร์ทรันด์ เอส คลาร์ก, เจนนิเฟอร์ แอล คลาร์ก สถิติคาดการณ์: การวิเคราะห์และการอนุมานมากกว่าแบบจำลอง
• และฉันจะปิดท้ายด้วยหนังสือวิทยาศาสตร์แฟนตาซี: สตานิสลาฟ เลม บันทึกดาว

มีอะไรอีกบ้างที่คุณต้องการแบ่งปันเกี่ยวกับ DataArt?

DataArt เป็นตัวอย่างที่ดีของแนวโน้มการดิจิทัล化ของทุกด้านของชีวิตและกิจกรรม นี้เพิ่มความรับผิดชอบในการพัฒนาซอฟต์แวร์ เนื่องจากวันนี้ไม่ใช่แค่การสร้างเว็บไซต์สำหรับร้านค้า ซึ่งผิดพลาดของนักพัฒนาอาจมีผลกระทบน้อย แต่วันนี้ผิดพลาดของนักพัฒนาอาจกลายเป็นภัยพิบัติระดับชาติหรือทั่วโลก หากเกี่ยวข้องกับโปรแกรมที่ควบคุมการทำงานของโรงงานนิวเคลียร์ ตัวอย่างเช่น DataArt มีการเข้าถึงซอฟต์แวร์ที่รับผิดชอบในวงกว้าง ซึ่งทำให้ฉันมั่นใจในผลิตภัณฑ์ที่เราพัฒนาขึ้น และฉันภูมิใจที่จะเป็นส่วนหนึ่งของบริษัทและงานที่เรากำลังทำ

สำหรับโครงการอื่นๆ ที่เราได้ทำไปไม่นานมานี้ DataArt ได้เปิดตัวแอปพลิเคชันโปรโตไทป์เรียกว่า ‘SkinCareAI’ ซึ่งวิเคราะห์ภาพผิวหนังเพื่อตรวจหาสัญญาณแรกของมะเร็งผิวหนัง โดยใช้ความก้าวหน้าล่าสุดของเทคโนโลยีเครื่องจักรเรียนรู้ (ML) SkinCareAI ถูกพัฒนาโดย DataArt ML ผู้เชี่ยวชาญ Andrey Sorokin สำหรับการแข่งขัน International Skin Imaging Collaboration (ISIC)

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับโครงการอื่นๆ และกรณีศึกษาของเรา โปรดไปที่หน้า Healthcare และ Life Sciences ของ DataArt