สเตฟาโน ปาซิฟิโก และ เดวิด ฮีเกอร์ ผู้ร่วมก่อตั้ง Epistemic AI – สัมภาษณ์ซีรีส์

Epistemic AI ใช้ Natural Language Processing (NLP) ที่ทันสมัย รวมถึงอัลกอริทึมการเรียนรู้ของเครื่องและ 딥러닝 เพื่อสร้างความสัมพันธ์ระหว่างความรู้ชีวการแพทย์ที่เพิ่มขึ้นอย่างต่อเนื่อง จากแหล่งข้อมูลสาธารณะและเอกชน รวมถึงเอกสารและฐานข้อมูล ผ่านกระบวนการสร้างแผนที่ความรู้ ผู้ใช้สามารถทำงานร่วมกับแพลตฟอร์มเพื่อสร้างและเข้าใจส่วนย่อยของความรู้ชีวการแพทย์ ซึ่งจะแสดงแนวคิดและความสัมพันธ์ที่ไม่พบด้วยการค้นหาทั่วไป

เราสัมภาษณ์ผู้ร่วมก่อตั้งทั้งสองของ Epistemic AI เพื่อหารือเกี่ยวกับการพัฒนาล่าสุดเหล่านี้

สเตฟาโน ปาซิฟิโก มีประสบการณ์มากกว่า 10 ปีในการพัฒนา AI และ NLP ที่ใช้งานจริง ก่อนหน้านี้เขา曾ทำงานที่ Bloomberg เป็นเวลา 7 ปี และเคยทำงานที่ Elemental Cognition ก่อนที่จะก่อตั้ง Epistemic

เดวิด ฮีเกอร์ เป็นศาสตราจารย์เงินของวิทยาศาสตร์ข้อมูลและประสาทวิทยาศาสตร์ที่ NYU และมีประสบการณ์ในการเชื่อมโยงวิทยาการคอมพิวเตอร์ AI และชีววิทยา เขาเป็นสมาชิกของสถาบันวิทยาศาสตร์แห่งชาติ ในฐานะผู้ร่วมก่อตั้ง พวกเขารวมทักษะในการสร้างระบบ AI และ NLP ที่ใช้งานจริงขนาดใหญ่สำหรับการทำความเข้าใจคอลเลกชันความรู้ขนาดใหญ่ ด้วยความเชี่ยวชาญในการชีววิทยาเชิงคำนวณและชีววิทยาชีวการแพทย์จากประสบการณ์การวิจัยในพื้นที่

อะไรที่ทำให้คุณสนใจและดึงดูดให้เข้าสู่ AI และ NLP?

สเตฟาโน ปาซิฟิโก: เมื่อฉันอยู่ในมหาวิทยาลัยในโรม และ AI ไม่ได้รับความนิยม (จริงๆ แล้วมันค่อนข้างนอกกระแส) ฉันถามที่ปรึกษาของฉันว่าฉันควรเลือกสาขาใดจากที่มีให้เลือก เขาบอกว่า “ถ้าคุณต้องการมีเงิน ให้เลือก Software Engineering และ Databases แต่ถ้าคุณต้องการเป็นคนพิเศษแต่ล้ำสมัย ให้เลือก Artificial Intelligence” ฉันถูกขายไปแล้วที่ “คนพิเศษ” ฉันเริ่มทำงานเกี่ยวกับการแสดงความรู้และเหตุผลเพื่อศึกษาว่าเอเย่นต์อิสระสามารถเล่นฟุตบอลหรือช่วยเหลือคนได้อย่างไร จากนั้นสองความเข้าใจทำให้ฉันหลงใหลใน NLP : อันดับแรก เอเย่นต์อิสระอาจต้องสื่อสารกันโดยใช้ภาษาธรรมชาติ : ที่สอง การสร้างฐานความรู้อย่างเป็นทางการโดยมือเป็นเรื่องที่ยาก ในขณะที่ภาษาธรรมชาติ (ในข้อความ) ให้ฐานความรู้ที่ใหญ่ที่สุดของทุกคน ฉันรู้ว่าวันนี้สิ่งเหล่านี้อาจดูเหมือนเป็นข้อสังเกตที่ชัดเจน แต่พวกมันไม่ได้รับความนิยมมาก่อน

อะไรคือแรงบันดาลใจเบื้องหลังการเปิดตัว Epistemic AI?

สเตฟาโน ปาซิฟิโก: ฉันจะกล่าวคำกล่าวอันกล้าๆ ว่า ไม่มีใครมีเครื่องมือที่เหมาะสมในการทำความเข้าใจและเชื่อมโยงความรู้ที่มีอยู่ในคอลเลกชันเอกสารและข้อมูลขนาดใหญ่ที่เพิ่มขึ้นอย่างต่อเนื่อง ฉันเคยทำงานในเรื่องนี้ในโลกการเงิน คิดถึงข่าว รายงานทางการเงิน ข้อมูลราคา การดำเนินการของบริษัท การยื่นเอกสาร ฯลฯ ฉันพบว่าปัญหานี้น่าหลงใหล และเป็นปัญหาที่สำคัญ : เมื่อฉันพบกับผู้ร่วมก่อตั้ง củaฉัน Dr. David Heeger เราใช้เวลาสักพักในการประเมินโอกาสในการเริ่มต้นธุรกิจในอุตสาหกรรมชีวการแพทย์ เมื่อเรารู้ว่ามีปริมาณข้อมูลที่ถูกสร้างขึ้นในพื้นที่นี้ มันเหมือนกับทุกอย่างตกลงไปในตำแหน่งที่ถูกต้อง นักวิจัยชีวการแพทย์ต้องดิ้นรนในการรับมือกับภาวะอิ่มตัวของข้อมูล ในขณะที่พยายามที่จะจัดการกับฐานความรู้ชีวการแพทย์ที่กว้างและขยายตัวอย่างรวดเร็ว รวมถึงเอกสาร (เช่น วารสารทางวิทยาศาสตร์ เอกสารสิทธิบัตร การทดลองทางคลินิก) และฐานข้อมูล (เช่น ยีน โปรตีน วิถีทาง ยา โรค คำศัพท์ทางการแพทย์) สิ่งนี้เป็นปัญหาที่สำคัญสำหรับนักวิจัย และไม่มีวิธีแก้ปัญหาที่เหมาะสมพวกเขาจึงถูกบังคับให้ใช้เครื่องมือค้นหาพื้นฐาน (เช่น PubMed และ Google (GOOGL ) Scholar) และสำรวจฐานข้อมูลที่ถูกสร้างขึ้นโดยมือ เครื่องมือเหล่านี้เหมาะสำหรับการค้นหาเอกสารที่ตรงกับคำค้นหา (เช่น ยีนหรือเอกสารวิจัยที่เผยแพร่) แต่ไม่เหมาะสำหรับการได้รับความรู้ที่ครอบคลุมเกี่ยวกับพื้นที่หัวข้อหรือสาขาย่อย (เช่น COVID-19) หรือการวิเคราะห์ผลลัพธ์ของการทดลองทางชีววิทยา เช่น การลำดับยีน การแสดงออกของโปรตีน หรือการค้นหาสารเคมี เราเริ่มต้น Epistemic AI ด้วยแนวคิดที่จะแก้ปัญหานี้ด้วยแพลตฟอร์มที่ช่วยให้พวกเขา:

1. ลดเวลาที่ใช้ในการรวบรวมข้อมูลและสร้างแผนที่ความรู้ที่ครอบคลุม
2. แสดงข้อมูลที่อยู่ระหว่างสาขาวิชาต่างๆ ที่อาจยากต่อการค้นหา (การค้นพบใหม่ๆ มักจะมาจากการมองหาพื้นที่ว่างระหว่างสาขาวิชา);
3. ระบุสมมติฐานสาเหตุโดยการค้นหาเส้นทางและลิงก์ที่หายไปในแผนที่ความรู้ของคุณ:

อะไรคือแหล่งข้อมูลสาธารณะและเอกชนที่ใช้ในการสร้างความสัมพันธ์เหล่านี้?

สเตฟาโน ปาซิฟิโก: ในขณะนี้ เรากำลังดูดซับแหล่งข้อมูลสาธารณะที่เราสามารถเข้าถึงได้ รวมถึง Pubmed และ clinicaltrials.gov เราดูดซับฐานข้อมูลของยีน ยา โรค และการโต้ตอบของพวกมัน เรายังรวมแหล่งข้อมูลเอกชนสำหรับลูกค้าบางราย แต่เรายังไม่ได้รับอนุญาตให้เผยแพร่รายละเอียดใดๆ ในขณะนี้

อะไรคือเทคโนโลยีการเรียนรู้ของเครื่องจักรที่ใช้ในการสร้างแผนที่ความรู้?

สเตฟาโน ปาซิฟิโก: หนึ่งในความเชื่อที่ลึกซึ้งที่สุดของ Epistemic AI คือการสร้างสถาปัตยกรรมที่รวมเทคนิคการเรียนรู้ของเครื่องจักรหลายอย่าง ซึ่งรวมถึงการแสดงความรู้ การสร้างแบบจำลอง Transformer การฝังตัวของกราฟ และรวมถึงแบบจำลองที่เรียบง่ายกว่า เช่น การถดถอยและการสุ่มตัวอย่างแบบสุ่ม แต่ละส่วนประกอบเป็นเรียบง่ายที่สุดเท่าที่จำเป็น แต่ไม่เรียบง่ายเกินไป ในขณะที่เรามั่นใจว่าเราได้สร้างส่วนประกอบ NLP ที่เป็นรัฐของศิลปะสำหรับงานบางอย่าง เราไม่กลัวที่จะใช้แบบจำลองพื้นฐานเมื่อเป็นไปได้

คุณสามารถบอกชื่อบางส่วนของบริษัท องค์กรไม่แสวงหาผลกำไร หรือสถาบันการศึกษาที่ใช้แพลตฟอร์ม Epistemic ได้หรือไม่?

สเตฟาโน ปาซิฟิโก: ในขณะที่ฉันอยากจะบอก แต่เรายังไม่ได้รับอนุญาตจากผู้ใช้ของเราให้ทำเช่นนั้น ฉันสามารถบอกได้ว่าเรามีคนลงทะเบียนจากสถาบันที่มีชื่อเสียงสูงในสามส่วน (บริษัท องค์กรไม่แสวงหาผลกำไร และสถาบันการศึกษา) นอกจากนี้ เราได้ตั้งใจที่จะให้แพลตฟอร์มฟรีสำหรับวัตถุประสงค์ทางวิชาการ/ไม่แสวงหาผลกำไร

Epistemic ช่วยให้นักวิจัยระบุเครื่องหมายชีวภาพเฉพาะของระบบประสาทส่วนกลาง (CNS) และโรคอื่นๆ ได้อย่างไร?

ดร. เดวิด ฮีเกอร์: ประสาทวิทยาศาสตร์เป็นสาขาที่มีการเชื่อมโยงระหว่างสาขาวิชาต่างๆ รวมถึงชีววิทยาโมเลกุลและเซลล์ จิตวิทยา เคมี และหลักการของฟิสิกส์ วิศวกรรมศาสตร์ และคณิตศาสตร์ มันกว้างมากที่ไม่มีใครสามารถเป็น专家ได้ทั้งหมด นักวิจัยในสถาบันการศึกษาและบริษัทเภสัชกรรม/ไบโอเทคถูกบังคับให้เชี่ยวชาญ แต่เรารู้ว่าข้อค้นพบที่สำคัญอยู่ระหว่างสาขาวิชาย่อย การใช้ซอฟต์แวร์ AI ที่เรากำลังสร้างช่วยให้ทุกคนสามารถเป็นแบบสหวิทยาการได้มากขึ้น เพื่อดูความเชื่อมโยงระหว่างพื้นที่ความเชี่ยวชาญของแต่ละคนและหัวข้ออื่นๆ และเพื่อระบุสมมติฐานใหม่ๆ สิ่งนี้มีความสำคัญอย่างยิ่งในประสาทวิทยาศาสตร์เพราะเป็นสาขาที่มีการเชื่อมโยงระหว่างสาขาวิชาต่างๆ มากที่สุด การทำงานและความผิดปกติของสมองมนุษย์เป็นปัญหาที่ยากที่สุดที่วิทยาศาสตร์เคยเผชิญมา เรามีภารกิจที่จะเปลี่ยนแปลงวิธีการทำงานและความคิดของนักวิจัยชีวการแพทย์

Epistemic ยังช่วยให้สามารถค้นพบกลไกทางพันธุกรรมของโรค CNS ได้ คุณสามารถอธิบายวิธีการทำงานนี้ได้หรือไม่?

ดร. เดวิด ฮีเกอร์: โรคประสาทหลายชนิด โรคจิตเภท และโรคพัฒนาการส่วนใหญ่ไม่มีคำอธิบายที่ชัดเจนในแง่ของความแตกต่างทางพันธุกรรม มีเพียงไม่กี่โรคที่มีการกลายพันธุ์ที่ทราบกันดี ซึ่งเป็นสาเหตุของโรค แต่โดยทั่วไปแล้วไม่ใช่กรณีนี้ มีหลายร้อยความแตกต่างทางพันธุกรรมที่ได้รับการเชื่อมโยงกับโรคออทิสติกสเปกตรัม (ASD) มีความเข้าใจบางอย่างเกี่ยวกับหน้าที่ของยีนที่เกี่ยวข้องกับ ASD เช่น ยีนบางตัวที่เกี่ยวข้องกับการยึดเหนี่ยวซินแپسในสมอง (อย่างไรก็ตาม ยีนเดียวกันโดยทั่วไปจะทำหน้าที่ที่แตกต่างกันในระบบอื่นๆ ของร่างกาย) แต่มีความเข้าใจน้อยมากเกี่ยวกับว่าความแตกต่างทางพันธุกรรมเหล่านี้สามารถอธิบายความแตกต่างทางพฤติกรรมที่ซับซ้อนของบุคคลที่มี ASD ได้อย่างไร เพื่อทำให้เรื่องนี้ยิ่งซับซ้อนมากขึ้น บุคคลสองคนโดยมีความแตกต่างทางพันธุกรรมเดียวกันอาจมีผลลัพธ์ที่แตกต่างกัน โดยบุคคลหนึ่งได้รับการวินิจฉัยว่าเป็น ASD และอีกคนไม่ได้รับการวินิจฉัย และบุคคลสองคนโดยมีรูปแบบพันธุกรรมที่แตกต่างกันอาจมีผลลัพธ์ที่เหมือนกัน โดยมีข้อบกพร่องทางพฤติกรรมที่คล้ายคลึงกัน เพื่อทำความเข้าใจทั้งหมดนี้จำเป็นต้องเชื่อมโยงจากพันธุกรรมและสิ่งมีชีวิตโมเลกุลไปยังประสาทวิทยาเซลล์ (วิธีการที่ความแตกต่างทางพันธุกรรมทำให้เซลล์ประสาททำงานต่างกัน) และจากนั้นไปยังประสาทวิทยาระบบ (วิธีการที่ความแตกต่างในการทำงานของเซลล์ทำให้เครือข่ายของเซลล์ประสาทที่เชื่อมต่อกันทำงานต่างกัน) และจากนั้นไปยังจิตวิทยา (วิธีการที่ความแตกต่างในการทำงานของเครือข่ายประสาททำให้ความแตกต่างในการรับรู้ ความรู้สึก และพฤติกรรม) และทั้งหมดนี้ต้องเข้าใจจากมุมมองของพัฒนาการ รูปแบบพันธุกรรมหนึ่งอาจทำให้เกิดการขาดหรือการทำงานผิดปกติของกลไกประสาท แต่สมองไม่ได้แค่นั่งอยู่และรับผลกระทบ สมองมีการปรับตัวสูง หากมีกลไกที่หายไปหรือทำงานผิดปกติ สมองจะพัฒนาตัวมันเองให้แตกต่างเพื่อชดเชยให้มากที่สุดเท่าที่จะเป็นไปได้ การชดเชยอาจเป็นโมเลกุล เช่น การเพิ่มการทำงานของตัวรับซินแپسอื่นเพื่อแทนที่การทำงานของตัวรับซินแپسที่เสียหาย หรือการชดเชยอาจเป็นพฤติกรรม ผลลัพธ์สุดท้ายขึ้นอยู่ไม่เพียงแต่ความแตกต่างทางพันธุกรรมเริ่มต้นเท่านั้น แต่ยังรวมถึงการพยายามชดเชยโดยอาศัยกลไกโมเลกุล เซลล์ วงจร ระบบ และพฤติกรรมอื่นๆ ด้วย

ไม่มีใครที่มีความรู้เพียงพอในการเข้าใจทุกอย่าง เราทุกคนต้องการความช่วยเหลือ แพลตฟอร์มซอฟต์แวร์ AI ที่เรากำลังสร้างช่วยให้ทุกคนสามารถรวบรวมและเชื่อมโยงความรู้ชีวการแพทย์ที่เกี่ยวข้องทั้งหมด เพื่อดูความเชื่อมโยงและระบุสมมติฐานใหม่ๆ

บริษัทเภสัชกรรมและสถาบันการศึกษากำลังใช้ Epistemic เพื่อจัดการกับความท้าทายของ COVID-19 อย่างไร?

สเตฟาโน ปาซิฟิโก: เราได้เปิดตัวเวอร์ชันสาธารณะของแพลตฟอร์มที่รวมชุดข้อมูลเฉพาะของ COVID-19 และสามารถเข้าถึงได้ฟรีสำหรับทุกคนที่ทำการวิจัยเกี่ยวกับ COVID-19 มันสามารถเข้าถึงได้ที่ https://covid.epistemic.ai

โรคหรือปัญหาพันธุกรรมอื่นๆ ที่ Epistemic ได้ถูกนำมาใช้?

สเตฟาโน ปาซิฟิโก: เราได้ร่วมมือกับนักวิจัยโรคออทิสติกและกำลังจัดทำความพยายามในการวิจัยใหม่สำหรับโรคฟิบรอซิสซิสติก แต่เรายินดีที่จะร่วมมือกับนักวิจัยหรือสถาบันอื่นๆ ที่อาจต้องการความช่วยเหลือในการวิจัยของพวกเขา

มีอะไรอีกที่คุณต้องการแบ่งปันเกี่ยวกับ Epistemic?

สเตฟาโน ปาซิฟิโก: เรากำลังสร้างการเคลื่อนไหวของคนๆ หนึ่งที่ต้องการเปลี่ยนแปลงวิธีการทำงานและความคิดของนักวิจัยชีวการแพทย์ เราหวังว่าผู้อ่านหลายคนจะร่วมมือกับเรา!

ขอขอบคุณทั้งสองที่ใช้เวลาตอบคำถามของเรา ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Epistemic AI