Stefano Pacifico ve David Heeger, Epistemic AI’nin Kurucu Ortakları – Röportaj Serisi

Epistemic AI, state-of-the-art Doğal Dil İşleme (NLP), makine öğrenimi ve derin öğrenme algoritmalarını kullanarak, çok çeşitli biyomedikal bilgiler arasında ilişkileri haritalamak için kullanır. Bu bilgiler, metin belgeleri ve veritabanları dahil olmak üzere çok çeşitli kamu ve özel kaynaklardan gelir. Bilgi Haritalama süreci aracılığıyla, kullanıcılar platformla etkileşimli olarak çalışarak biyomedikal bilginin alt kümelerini haritalar ve anlar, bu da geleneksel arama ile kaçırılan kavramları ve ilişkileri ortaya çıkarır.

Epistemic AI’nin son gelişmelerini tartışmak için kurucu ortaklarla bir röportaj yaptık.

Stefano Pacifico, uygulamalı AI ve NLP geliştirme alanında 10+ yıllık deneyime sahiptir. Daha önce Bloomberg’da 7 yıl çalışmış ve Epistemic’i kurmadan önce Elemental Cognition’da görev yapmıştır.

David Heeger, NYU’da veri bilimi ve nörobilim profesörüdür ve kariyeri boyunca bilgisayar bilimi, AI ve biyobilim arasında köprü kurmuştur. Ulusal Bilim Akademisi üyesidir. Kurucu ortaklar olarak, büyük ölçekli AI ve NLP sistemlerini inşa etme konusunda uzmanlıklarını, yıllarca süren araştırma deneyiminden gelen hesaplamalı biyoloji ve biyomedikal bilim uzmanlığıyla birleştirdiler.

Sizleri AI ve Doğal Dil İşleme (NLP) ile tanıştıran ve çekingen yapan şey nedir?

Stefano Pacifico: Roma’da üniversitedeyken, AI popüler değildi (aslında çok marjinaldi). O zamanki danışmanım bana hangi uzmanlaşmayı seçmemi sordu. “Para kazanmak istiyorsanız, Yazılım Mühendisliği ve Veritabanları, ama garip olmak istiyorsanız, o zaman Yapay Zeka’yı seçin” dedi. “Garip” kelimesiyle ikna oldum. O zaman bilgi temsilini ve akıl yürütmeyi çalışarak, otonom ajanların nasıl futbol oynayabileceğini veya insanları kurtarabileceğini incelemeye başladım. Sonra iki gerçekleşme beni NLP’ye aşık etti: ilk olarak, otonom ajanlar birbirleriyle doğal dilde iletişim kurabilir! İkincisi, formal bilgi tabanlarını elle oluşturmak zor, ama doğal dil (metin içinde) zaten en büyük bilgi tabanını sağlar. Bugün bunlar açık gözükmese de, o zamanlar ana akım değildi.

Epistemic AI’yi kurma fikri nereden geldi?

Stefano Pacifico: Cesur bir iddiada bulunacağım. Bugün kimse, büyük ve sürekli büyüyen belge ve veri koleksiyonlarındaki bilgileri anlamak ve bağlantılı hale getirmek için yeterli araçlara sahip değil. Daha önce finans dünyasında bu problem üzerinde çalıştım. Düşünün, haberler, finansal raporlar, fiyat verileri, şirket hareketleri, dosyalar vb. Bu problemi baş döndürücü buldum ve elbette zor bir problem. Önemli bir problem! Kurucu ortağım Dr. David Heeger ile biyomedikal endüstrisindeki startup fırsatlarını değerlendirdiğimizde, bu alanda üretilen bilgi miktarı karşısında şaşırdık. Her şey yerine oturdu. Biyomedikal araştırmacılar bilgi aşırı yüklenmesi ile mücadele ederken, hızla genişleyen biyomedikal bilgi tabanını anlamak için mücadele ediyorlar, bu da belgeler (örneğin makaleler, patentler, klinik deneyler) ve veritabanları (örneğin genler, proteinler, yollar, ilaçlar, hastalıklar, tıbbi terimler) içerir. Bu, araştırmacılar için büyük bir ağrı noktasıdır ve uygun bir çözüm olmadığından, temel arama araçlarını (PubMed ve Google (GOOGL ) Scholar) ve elle oluşturulan veritabanlarını kullanmak zorundalar. Bu araçlar, anahtar kelimeleri (örneğin tek bir gen veya yayınlanmış bir dergi makalesi) eşleştirmek için uygundur, ancak bir konu alanı veya alt alan (örneğin COVID-19) hakkında kapsamlı bilgi edinmek veya yüksek kapasiteli biyoloji deneylerinin sonuçlarını yorumlamak için uygun değildir. Epistemic AI’yi, araştırmacıların:

1. Bilgi toplama süresini kısaltarak kapsamlı bilgi haritaları oluşturmasına
2. Disiplinler arası bilgiyi, genellikle bulunması zor olan bilgileri ortaya çıkarmasına
3. Bilgi haritalarında yolları ve eksik bağlantıları bularak neden-sonuç hipotezleri belirlemesine

yardımcı olmak amacıyla kurduk.

Bu ilişkileri haritalamak için kullanılan kamu ve özel kaynaklardan bazıları nelerdir?

Stefano Pacifico: Şu anda elimizden geldiğince tüm kamu kaynaklarını alıyoruz, bunlar Pubmed ve clinicaltrials.gov’i içerir. Genler, ilaçlar, hastalıklar ve etkileşimleri hakkında veritabanlarını alıyoruz. Ayrıca seçili müşteriler için özel veri kaynaklarını da dahil ediyoruz, ancak henüz ayrıntıları açıklamakta özgür değiliz.

Bilgi haritalama için kullanılan makine öğrenimi teknolojileri nelerdir?

Stefano Pacifico: Epistemic AI’de derin bir şekilde tuttuğumuz bir inanç, fanatikliğin ürün geliştirmede yardımcı olmadığıdır. Birden fazla makine öğrenimi tekniğini entegre eden bir mimari oluşturma kararı, Bilgi Temsili’nden Transformer modellerine, grafik gömme yoluyla, ancak daha basit modelleri de içerir, gibi bir dizi teknolojiyi içerir. Her bileşen, olması gerektiği kadar basittir, ancak daha basit değildir. Bazı görevler için state-of-the-art NLP bileşenleri inşa ettiğimizi düşünsek de, basit temel modellere ihtiyaç duyulduğunda çekinmiyoruz.

Epistemic platformunu kullanan şirket, kâr amacı gütmeyen kuruluş veya akademik kurumların bazılarını adlandırabilir misiniz?

Stefano Pacifico: Kullanıcılarımızla anlaşma yapmadığımız için isimlerini açıklamak istemiyorum. Yüksek profilli kurumların şirket, kâr amacı gütmeyen kuruluş ve akademik kurumlar dahil olmak üzere tüm segmentlerden kullanıcılar kaydettiğimizi söyleyebilirim. Ayrıca, platformu akademik ve kâr amacı gütmeyen amaçlar için ücretsiz tutmayı amaçlıyoruz.

Epistemic, araştırmacıların merkezi sinir sistemi (CNS) ve diğer hastalığa özgü biyobelirteçleri tanımlamasına nasıl yardımcı oluyor?

Dr. David Heeger: Nörobilim, moleküler ve hücresel biyoloji ve genetik, ancak aynı zamanda psikoloji, kimya ve fizik, mühendislik ve matematik ilkeleri gibi disiplinleri içeren son derece disiplinler arası bir alandır. Bu kadar geniş bir alandadır ki, kimse her şeyin uzmanı olamaz. Akademik kurumlar ve farmasötik/biyoteknoloji şirketlerindeki araştırmacılar uzmanlaşmak zorunda kalırlar. Ancak önemli içgörüler disiplinler arasıdır, alt uzmanlık alanlarındaki bilgiler birleştirilir. İnşaa ettiğimiz AI destekli yazılım platformu, herkesin ilgili biyomedikal bilgileri toplamasına, bağlantıları görmesine ve yeni hipotezler belirlemesine olanak tanır. Bu, özellikle nörobilim gibi disiplinler arası bir alanda önemlidir. İnsan beyninin işlevi ve işlevsizliği, bilim karşılaştığı en zor problemdir. Biyomedikal bilimcilerin çalışma ve düşünme şeklini değiştirmeye yönelik bir misyonumuz var.

Epistemic, CNS bozukluklarının genetik mekanizmalarının keşfini de sağlar. Bu nasıl çalışır?

Dr. David Heeger: Çoğu nörolojik hastalık, psikiyatrik hastalık ve gelişimsel bozukluk, genetik farklılıklar açısından basit bir açıklamaya sahip değildir. Belirli bir mutasyonun bozukluğu gâyabileceği beberapa sendromik bozukluk vardır, ancak bu genellikle böyle değildir. Otizm spektrum bozuklukları (ASD) ile ilişkili yüzlerce genetik farklılık vardır. Bu genlerin bazıları için temel biyoloji açısından işlevleri hakkında bir miktar anlayış vardır. Örneğin, bazı ASD ile ilişkili genler, beynin sinapslarını bir arada tutar (ancak aynı genler genellikle vücuttaki diğer organ sistemlerinde farklı işlevler gerçekleştirir). Ancak bu genetik farklılıkların, bireylerin sergilediği karmaşık davranış farklılıklarını nasıl açıklayabileceği konusunda çok az anlayış vardır. İki birey aynı genetik farklılığa sahip olsa da, biri ASD ile teşhis edilirken diğeri teşhis edilmez. İki birey tamamen farklı genetik profillere sahip olsa da, benzer davranışsel eksikliklere sahip olabilirler. Tüm bunları anlamak için, genetik ve moleküler biyoloji ile hücreler arası nörobilim ve sistemler nörobilimi ve sonra psikoloji arasında bağlantılar kurmak gerekir. Ve tüm bunlar, gelişimsel bir perspektiften anlaşılmalıdır. Bir genetik farklılık, nöral fonksiyonun belirli bir yönünde bir eksiklik gâyebilir. Ancak beyin sadece oturup bunu kabul etmez. Beyin son derece uyarlanabilir. Bir mekanizma eksik veya kırıksa, beyin mümkün olduğunca telafi etmek için gelişir. Bu telafi moleküler olabilir, örneğin, kırık bir sinaptik reseptörün işlevini yerine getirmek için başka bir sinaptik reseptörün upregülasyonu. Ya da bu telafi davranışsal olabilir. Sonuç, yalnızca ilk genetik farklılığa değil, aynı zamanda diğer moleküler, hücreler arası, devreler arası, sistemler arası ve davranışsal mekanizmalarla yapılan çeşitli telafi girişimlerine de bağlıdır.

Hiç kimse tüm bunları anlamak için yeterli bilgiye sahip değildir. Hepimiz yardımımıza ihtiyacımız var. İnşaa ettiğimiz AI destekli yazılım platformu, herkesin ilgili biyomedikal bilgileri toplamasına, bağlantıları görmesine ve yeni hipotezler belirlemesine olanak tanır.

Biopharma ve akademik kurumlar, Epistemic’i COVID-19 meydan okumalarına karşı nasıl kullanıyor?

Stefano Pacifico: COVID-19’a özgü veri setleri içeren platformun halka açık bir sürümünü yayınladık ve bu, COVID-19 araştırmaları yapan herkes için ücretsiz olarak erişilebilirdir. https://covid.epistemic.ai adresinde mevcuttur.

Epistemic, diğer hangi hastalıklar veya genetik sorunlar için kullanılmıştır?

Stefano Pacifico: Otizm araştırmacıları ile işbirliği yaptık ve yakın zamanda Kistik Fibroz için yeni bir araştırma çabası düzenliyoruz. Ancak araştırmalarına yardımımıza ihtiyaç duyan diğer araştırmacılar veya kurumlar ile de işbirliği yapmaya hazırız.

Epistemic hakkında paylaşmak istediğiniz başka bir şey var mı?

Stefano Pacifico: Biyomedikal araştırmacıların çalışma ve düşünme şeklini değiştirmek isteyen insanların bir hareketini inşa ediyoruz. Umuyoruz ki okuyucularınızın çoğu bize katılacaktır!

Sorularımıza cevap verdiğiniz için teşekkür ederiz. Daha fazla bilgi öğrenmek isteyen okuyucular, Epistemic AI‘yi ziyaret edebilir.