คาริม อาลี, ซีอีโอของ Noze – สัมภาษณ์ซีรีส์

คาริม อาลี เป็นซีอีโอของ Noze สตาร์ทอัพ AI ของแคนาดาที่พัฒนาเทคโนโลยีที่ดีที่สุดในโลกในการแปลงสัญญาณกลิ่นให้เป็นดิจิทัล เขามุ่งเน้นในการดำเนินวิสัยทัศน์ของบริษัทในการเปลี่ยนแปลงการดูแลสุขภาพโดยการให้เครื่องจักรสามารถมีกลิ่นได้

ก่อนที่จะเข้าร่วม Noze คาริมได้ก่อตั้งสตูดิโอสำหรับสตาร์ทอัพแห่งแรกในแคนาดา ในการร่วมมือกับมหาวิทยาลัยที่ใหญ่ที่สุดของประเทศ ในช่วงต้นอาชีพของเขา เขาเป็นนักธุรกิจที่กระตือรือร้นในตลาดเกิดใหม่ โดยได้ก่อตั้งบริษัทเทคโนโลยีหลายแห่งที่ขยายไปถึงกว่า 20 ประเทศทั่วตะวันออกกลางและเอเชียตะวันออกเฉียงใต้

จุดเริ่มต้นของความคิดเกี่ยวกับการมีกลิ่นดิจิทัลเกิดขึ้นในปี 2014 คุณสามารถแบ่งปันข้อมูลเชิงลึกจากวันแรกๆ ได้หรือไม่?

แน่นอน มันเป็นหน้าที่ของความอยากรู้อยากเห็นตามธรรมชาติของผู้ก่อตั้งและซีทีโอของเรา – Ashok Prabhu Masilamani – โดยที่เขาตั้งใจที่จะเข้าใจว่าทำไมเราจึงสามารถแปลงสัญญาณเสียง (ไมโครโฟน) การมองเห็น (กล้อง) และการสัมผัส (ฮैपติกส์) ให้เป็นดิจิทัลได้ แต่กลิ่นไม่ได้ เมื่อเขาลอกเลเยอร์ต่างๆ เขาเริ่มเข้าใจจุดล้มเหลวที่สำคัญที่ทำให้เราไม่สามารถแปลงสัญญาณกลิ่นได้ ในฐานะนักวิทยาศาสตร์อาชีพ การเรียนรู้เหล่านี้กลายเป็นหัวใจสำคัญของวิสัยทัศน์ของ Ashok สำหรับสตาร์ทอัพใหม่ ซึ่งจะพัฒนาแพลตฟอร์มที่สามารถนำการรับรู้กลิ่นมาใช้ในโลกดิจิทัล และด้วยเหตุนี้ Noze จึงเกิดขึ้น

บริษัทใช้เวลา 6 ปีในการพัฒนาและปรับปรุงเฟรมเวิร์กการรับรู้กลิ่นดิจิทัลที่ทันสมัยที่สุดในโลก ซึ่งสามารถแก้ปัญหาในการตรวจจับและติดตามกลิ่นในโลกแห่งความเป็นจริงได้ แม้ว่าเทคโนโลยีนี้จะมีการใช้งานที่เป็นไปได้ในหลายพื้นที่ตั้งแต่การปนเปื้อนของอากาศไปจนถึงการบังคับใช้กฎหมาย แต่เราตัดสินใจที่จะเน้นการใช้แพลตฟอร์มการรับรู้กลิ่นดิจิทัลของเราเพียงอย่างเดียวในด้านการดูแลสุขภาพ ในความเป็นจริง เราเพิ่งประกาศ $1 ล้านเหรียญสหรัฐฯ จากมูลนิธิ Bill & Melinda Gates เพื่อพัฒนาเครื่องวิเคราะห์หายใจที่มี AI ที่สามารถตรวจจับโรคติดเชื้อ เช่น มาลาเรียและวัณโรคผ่านไบโอมาร์คเกอร์กลิ่น (สารอินทรีย์ระเหย) ในลมหายใจ ซึ่งจะเปลี่ยนแปลงชีวิตของคนหลายล้านคน

ในปี 2015 ห้องปฏิบัติการการขับเคลื่อนของ NASA มีเทคโนโลยีที่ตรงกับวิสัยทัศน์ของทีมของคุณ เทคโนโลยีนั้นคืออะไร และทีมของคุณได้รับอนุญาตให้ใช้พันธสัญญานั้นได้อย่างไร?

ในปี 2014 ห้องปฏิบัติการการขับเคลื่อนของ NASA ได้พัฒนาเทคโนโลยี “จมูกดิจิทัล” ที่เป็นนวัตกรรมใหม่ในการตรวจจับไอและก๊าซหลายชนิดในยานอวกาศในอวกาศ NASA มุ่งเน้นในการทดสอบความสามารถนี้บนสถานีอวกาศนานาชาติ (ISS) ซึ่งเป็นสภาพแวดล้อมที่ยากกว่าในการ “มีกลิ่น” ไอในพื้นที่ของเรา เราเห็นโอกาสที่ยิ่งใหญ่ในการเรียนรู้เบื้องต้นของ NASA และตัดสินใจเร่งความเร็วในการเดินทางของเราโดยการรับอนุญาตพิเศษสำหรับพันธสัญญา 6 ฉบับที่ JPL ถือครองในพื้นที่จมูกดิจิทัล ตั้งแต่นั้นมา เราได้พัฒนาและปรับปรุงเทคโนโลยีจมูกดิจิทัลของ JPL อย่างมากโดยการเพิ่มชั้นข้อมูลกลิ่นดิจิทัลและอัลกอริทึม AI ที่มองเห็นได้ เพื่อเปิดตัวแพลตฟอร์มการรับรู้กลิ่นดิจิทัลที่ทรงพลังที่สุดในโลก

มีเทคโนโลยีการเรียนรู้ของเครื่องจักรหลายอย่างที่ใช้ในการสร้างดิจิทัลกลิ่นที่เป็นเอกลักษณ์ คุณสามารถอธิบายได้หรือไม่?

การสร้างดิจิทัลกลิ่นที่สามารถตีความได้จริงๆ ต้องใช้มากกว่าการเรียนรู้ของเครื่องจักรเพียงอย่างเดียว ที่ Noze เราเข้าใจตั้งแต่เนิ่นๆ ว่าการรับรู้กลิ่นดิจิทัลต้องถูกมองว่าเป็นเฟรมเวิร์กที่คล้ายกับระบบการรับรู้กลิ่นของสัตว์เลี้ยงลูกด้วยน้ำนม ในสัตว์เลี้ยงลูกด้วยน้ำนม ส่วนหน้าของระบบการรับรู้กลิ่นคือตัวรับกลิ่นที่หลากหลาย ในการจำลองตัวรับกลิ่นเหล่านี้ เราได้สร้างชิปเซ็นเซอร์ที่มีตัวรับเคมีที่หลากหลาย เมื่อไอเข้าสู่ตัวรับกลิ่นของสัตว์เลี้ยงลูกด้วยน้ำนม จะสร้างโค้ดประสาทที่เป็นเอกลักษณ์ และในทำนองเดียวกัน เมื่อไอผ่านชิปตัวรับเคมีของเรา จะสร้าง “ดิจิทัลกลิ่น” ที่เป็นเอกลักษณ์

ส่วนหน้าของการรับรู้กลิ่นดิจิทัลเพียงแค่จุดเริ่มต้น มันถูกยึดโดยไลบรารีกลิ่นดิจิทัลที่ดูแลอย่างดีและเครื่องมือ AI ที่มองเห็นได้ สิ่งเหล่านี้ทำงานร่วมกันอย่างกลมกลืน

คุณสามารถอธิบายอัลกอริทึมที่ใช้ในการตีความดิจิทัลกลิ่นได้หรือไม่?

ในการตีความกลิ่น เราต้องสร้างชุดข้อมูลดิจิทัลกลิ่นสำหรับกลิ่นนั้น เราได้ค้นพบว่าชุดข้อมูลกลิ่นที่สร้างขึ้นจากชิปเซ็นเซอร์ของ Noze มีข้อมูลเชิงลึกทางเคมีที่มีรายละเอียดซึ่งแสดงในรูปแบบของมานิโฟลด์ ในโลกของการมองเห็นด้วยคอมพิวเตอร์ การใช้เทคนิคการเรียนรู้มานิโฟลด์เป็นแนวทางที่ได้รับความนิยม อย่างไรก็ตาม ไม่เหมือนกับการมองเห็นด้วยคอมพิวเตอร์ซึ่งเป็นโดเมนที่มีข้อมูลมากมาย โลกของการรับรู้กลิ่นดิจิทัลเป็นโดเมนที่ขาดแคลนข้อมูล ดังนั้นกล่องอัลกอริทึม AI ของเราจึงใช้แนวทางใหม่ๆ เช่น การเรียนรู้เมตา การเรียนรู้เพียงไม่กี่ช็อต และการเรียนรู้มานิโฟลด์บนชุดข้อมูลกลิ่นที่สร้างขึ้นโดยเฉพาะ

ดิจิทัลกลิ่นจริงของกลิ่นจะมีเสียงรบกวนพื้นหลังที่จะเข้ามาขัดขวางการตีความที่ถูกต้อง สิ่งนี้เป็นเหตุผลที่ชุดข้อมูลที่เป็นของเราถูกดูแลอย่างดี สร้างขึ้นโดยใช้จุดข้อมูลที่แสดงถึงกลิ่นพื้นหลัง (เสียงรบกวน) เช่นเดียวกับจุดข้อมูลที่แสดงถึงกลิ่นเอง ซึ่งช่วยให้อัลกอริทึม AI ของเราสามารถฝึกให้ распознаватьและปฏิเสธเสียงรบกวนพื้นหลัง ในขณะเดียวกันก็ตีความดิจิทัลกลิ่นที่เข้ามาได้อย่างถูกต้อง

คุณสามารถอธิบายแพลตฟอร์ม Noze ที่อยู่บนคลาวด์และกระบวนการในการเพิ่มกลิ่นใหม่ๆ ได้หรือไม่ และไลบรารีของดิจิทัลกลิ่นมีขนาดใหญ่แค่ไหน?

แพลตฟอร์ม IoT ที่อยู่บนคลาวด์ของเรามีไลบรารีกลิ่นดิจิทัลและเครื่องมือ AI ที่มองเห็นได้ ไลบรารีของเรามี 2 ประเภทของชุดข้อมูล: ชุดข้อมูลหนึ่งที่ถูกสร้างขึ้นอย่างแข็งขันเพื่อสร้างดิจิทัลกลิ่นสำหรับกลิ่นที่เลือกและพื้นหลัง และอีกชุดหนึ่งที่ถูกสร้างขึ้นโดยไม่ตั้งใจจากการสุ่มตัวอย่างอย่างต่อเนื่องโดยอุปกรณ์ในสนามที่มีชิปเซ็นเซอร์ของเรา ชุดข้อมูลที่สุ่มตัวอย่างโดยไม่ตั้งใจเหล่านี้ถูกดูแลและเก็บไว้ในไลบรารีกลิ่นของเราเพื่อที่จะสามารถอ้างอิงและจับคู่กับกลิ่นที่แพลตฟอร์มอาจเรียนรู้ในอนาคต เนื่องจากแพลตฟอร์มของเรามีการเชื่อมต่อกับอุปกรณ์ทั้งหมดของเราในสนาม เราจึงพัฒนาความสัมพันธ์เครือข่ายที่มีประสิทธิภาพ โดยที่มีกระบวนการเรียนรู้ร่วมกันอย่างต่อเนื่องระหว่างอุปกรณ์

เราตัดสินใจที่จะเน้นการสร้างดิจิทัลกลิ่นที่มีคุณภาพสูงซึ่งสามารถทำให้เกิดกรณีการใช้งานที่มีความหมายได้ เราเชื่อว่าการประสบความสำเร็จในการรับรู้กลิ่นดิจิทัลไม่ใช่แค่เรื่องของจำนวน แต่จะยึดหลักในคุณค่าทางเศรษฐกิจและสังคมที่สามารถปลดปล่อยจากไลบรารีกลิ่นพื้นฐานได้ นั่นเป็นเหตุผลที่ว่าด้วยวันนี้ ไลบรารีของเรามีดิจิทัลกลิ่นมากกว่า 100 รายการที่ดูแลอย่างดี โดยมีจุดข้อมูลเกือบ 100 ล้านจุด

มีการใช้งานที่แตกต่างกันสำหรับดิจิทัลกลิ่นในอุตสาหกรรมการผลิต คุณสามารถอธิบายได้หรือไม่?

เราสามารถเริ่มเห็นภาพได้ว่าอุตสาหกรรมเกือบทุกประเภทสามารถได้รับประโยชน์อย่างมากจากการแปลงสัญญาณกลิ่นให้เป็นดิจิทัล ในอุตสาหกรรมการผลิต มีการใช้งานที่มีค่าหลายอย่าง โดยเฉพาะอย่างยิ่งในการปรับปรุงความปลอดภัยและรับรองการปฏิบัติตามข้อกำหนดของกฎระเบียบ คุณสามารถจินตนาการได้ว่าการตรวจจับเส้นลวดที่กำลังเผาไหม้ในการทำงานของเครื่องจักรจากกลิ่นที่ปล่อยออกมา และมีโอกาสหยุดการดำเนินการก่อนที่ไฟจะเกิดขึ้น หรือคุณสามารถติดตามกลุ่มไอวะผลพลอยได้เพื่อระบุเวลาที่ความเข้มข้นเกินขีดจำกัดของ HS&E เพื่อหลบหนีและระบายอากาศในพื้นที่

ความสามารถที่เป็นเอกลักษณ์ของเราในการแยกสัญญาณกลิ่นจากเสียงรบกวนพื้นหลังทำให้เราสามารถระบุได้ว่ากลิ่นนั้นมาจากเส้นลวดที่กำลังเผาไหม้ ไม่ใช่จากควันบุหรี่หรือกาแฟร้อน ตัวอย่างเช่น การหลีกเลี่ยงผลบวกลวงที่เกิดจาก “กลิ่นพื้นหลัง” อื่นๆ เป็นสิ่งสำคัญและเป็นหนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดในการทำให้แพลตฟอร์มการรับรู้กลิ่นดิจิทัลเป็นเชิงพาณิชย์

เทคโนโลยีนี้ใช้อย่างไรในปัจจุบันเมื่อพูดถึงอาหาร?

แม้ว่าเทคโนโลยีของเราจะไม่ได้ใช้ในอุตสาหกรรมอาหาร แต่ก็มีการใช้งานที่เป็นไปได้มากมายตลอดห่วงโซ่อุปทานอาหารที่สามารถใช้งานได้ ตัวอย่างเช่น ลองพิจารณาเรื่องความสดของอาหาร หากตู้เย็นของคุณสามารถตรวจจับอาหารที่วางไว้ข้างในและคาดการณ์เวลาที่เหลืออยู่ก่อนที่อาหารจะเสียได้ วิธีแก้ปัญหานี้สามารถใช้ได้กับร้านขายของชำและร้านอาหาร ซึ่งร่วมกับบ้านเรือน คิดเป็นมากกว่า 80% ของอาหารที่ถูกทิ้งไปทุกปี – ปัญหาที่มีมูลค่า 400 พันล้านดอลลาร์ในสหรัฐอเมริกาเพียงอย่างเดียว

จากมุมมองที่แตกต่างออกไป การรับรู้กลิ่นดิจิทัลสามารถช่วยให้กระบวนการทำอาหารเป็นอัตโนมัติได้โดยการติดตามกลิ่นของอาหารหรือสูตรตั้งแต่ต้นจนจบ เพื่อที่จะส่งคำแนะนำให้กับเชฟ (หรืออุปกรณ์自动) ในทุกขั้นตอน เราได้สร้างตัวอย่างโดยฝึกอบรม AI ของเราในกระบวนการทำอาหารของเนื้อไก่บนกระทะในบ้าน เราสามารถส่งคำแนะนำให้กับผู้ใช้เมื่อกระทะร้อนเพียงพอสำหรับการเพิ่มไก่ เมื่อควรถอดออกจากกระทะ และเมื่อจะนำออกจากกระทะเพื่อให้ได้เนื้อไก่ที่ปรุงสุกสมบูรณ์แบบ

หนึ่งในกรณีการใช้งานที่น่าสนใจคือการตรวจจับไวรัส คุณสามารถอธิบายวิธีการทำงานได้หรือไม่?

ร่างกายของมนุษย์ปล่อยกลิ่นไบโอมาร์คเกอร์หรือสารอินทรีย์ระเหย (VOCs) เป็นการตอบสนองทางสรีรวิทยาต่อการติดเชื้อ ปรากฏการณ์นี้ไม่จำกัดเฉพาะการติดเชื้อไวรัสเท่านั้น VOCs เหล่านี้สามารถปล่อยออกมาจากลมหายใจหรือผิวหนัง และสามารถบ่งบอกถึงภาวะทางคลินิกหรือโรคต่างๆ ได้ หากคุณคิดถึง “เครื่องวิเคราะห์หายใจ” ที่สามารถตรวจจับโรคต่างๆ เช่น มาลาเรีย ทูเบอร์คูโลสิส โรคเบาหวาน และภาวะอื่นๆ ในระยะแรกได้ด้วยการหายใจเพียงครั้งเดียว คุณสามารถเริ่มเห็นภาพถึงผลกระทบที่เทคโนโลยีของเราสามารถมีต่อความสามารถในการดำเนินการและปรับปรุงผลลัพธ์ของผู้ป่วยได้

วิสัยทัศน์ของคุณสำหรับอนาคตของการรับรู้กลิ่นดิจิทัลคืออะไร?

แพลตฟอร์มการรับรู้กลิ่นดิจิทัลของ Noze เป็นเครื่องมือที่ทรงพลังที่ได้แปลงสัญญาณกลิ่นให้เป็นดิจิทัล ในช่วง 8 ปีที่ผ่านมา เราได้ปรับปรุงเทคโนโลยีนี้ให้ทำงานนอกห้องปฏิบัติการที่ควบคุมได้ เราได้สร้างโซลูชันการตรวจจับกลิ่นหรือติดตามกลิ่นสำหรับสถานการณ์ในชีวิตประจำวัน โดยที่โซลูชันของเราทำงานได้อย่างมีประสิทธิภาพแม้จะเผชิญกับความท้าทายที่เกี่ยวข้องกับแต่ละสถานการณ์ วันนี้เป้าหมายของเราคือการนำเทคโนโลยีนี้ไปใช้เพื่อยกระดับสุขภาพของมนุษย์ไปสู่ระดับใหม่ เราเพิ่งเริ่มแตะที่พื้นผิวของสิ่งที่เราสามารถตีความจากไบโอมาร์คเกอร์ที่ปล่อยออกมาจากลมหายใจและผิวหนังอย่างต่อเนื่อง เราเชื่อว่าแพลตฟอร์มของเราสามารถเปลี่ยนแปลงสถานะการดูแลสุขภาพได้อย่างมากโดยการแปลงสัญญาณเหล่านี้ให้เป็นดิจิทัลและจับคู่กับภาวะสุขภาพต่างๆ

การตรวจจับกลิ่นจากลมหายใจและผิวหนังไม่ใช่เรื่องง่าย วolatile ที่น่าสนใจมักจะปรากฏพร้อมกับพื้นหลังที่ทำให้เข้าใจผิด รวมถึงการมีอยู่ของ VOCs ที่มาจากภายนอก อุณหภูมิที่สูงขึ้น และความชื้นที่ทำให้เกิดการควบแน่น แต่ละลักษณะเหล่านี้สามารถส่งผลต่อความแม่นยำในการตรวจจับ ซึ่งทำให้เป็นเรื่องที่ท้าทายในการสร้างโซลูชันที่เชื่อถือได้และสามารถขยายได้

ดังนั้น วิสัยทัศน์ของเราสำหรับการรับรู้กลิ่นดิจิทัลจึงไม่สับสน: ที่จะส่งมอบโซลูชันที่สามารถขยายได้และทำงานได้อย่างมีประสิทธิภาพและเชื่อถือได้ในโลกแห่งความเป็นจริง ไม่ใช่แค่ในห้องปฏิบัติการเท่านั้น มันคือวิธีเดียวที่เราสามารถเปิดใช้งานการเข้าถึงการ筛查และวินิจฉัยที่เป็นสากลได้ ซึ่งจะช่วยชีวิตและปรับปรุงสุขภาพ และวันนี้ เรากำลังอยู่ในจุดเริ่มต้นของการนำสิ่งนี้มาให้กับโลก