Халім Аббас, головний офіцер штучного інтелекту в Cognoa – Серія інтерв’ю

Халім Аббас – головний офіцер штучного інтелекту в Cognoa, він є інноватором штучного інтелекту та ветераном галузі, який очолював проекти з даних науки світового рівня в технологічних компаніях, таких як eBay і Teradata. Cognoa присвячена створенню незрівнянного стандарту догляду за поведінковим здоров’ям дітей, що забезпечує рівний доступ до ранньої інтервенції шляхом доставки високоякісних продуктів для покращення результатів протягом усього життя для всіх дітей та сімей.

Що спочатку привернуло вашу увагу до машинного навчання та науки про дані?

Я завжди цікавився комп’ютерним програмуванням як дитиною. Пізніше в житті я схилився до нової галузі машинного навчання через нездоланну бажання працювати на межі досліджень та вивчати відкриті завдання того, що можна досягти за допомогою обчислювальних алгоритмів.

Як колишній старший науковий співробітник eBay, у вас є досвід оптимізації рейтингів результатів пошуку для платформи eBay. Які основні уроки машинного навчання ви вивчили з цього досвіду?

В eBay моя команда мала завдання створити перший алгоритм рейтингу результатів пошуку, що працює на основі машинного навчання. З десятками мільйонів товарів, що продаються в будь-який момент, та мільярдами запитів пошуку щодня, найбільшим технічним викликом було подолати приголомшливу кількість даних.

Врешті-решт, я думаю, що мій найбільший висновок з цього досвіду полягає в тому, щоб зберігати відкритий розум щодо визначення самої мети. Виявилося, що якщо алгоритм рейтингу успішно представляє покупцеві найкращі пропозиції лише, вони менше схильні до транзакцій. їм також потрібно побачити не дуже хороші пропозиції, щоб впізнати хороші пропозиції як такі. Це потребувало даних та відкритого розуму, щоб зрозуміти цей факт та змінити стратегію відповідно.

Які умови діагностуються в Cognoa?

Cognoa – це компанія з поведінкового здоров’я дітей, що розробляє цифрові діагностику та терапію. Наша мета – використовувати технології для оптимізації охорони здоров’я дітей та вирішення незадоволених потреб у сфері поведінкового здоров’я дітей. Ми починаємо з аутизму.

Які існують виклики при створенні системи класифікації для діагностики аутизму та інших станів у дітей?

Окрім того, що дошкільнята не є найбільш співробітливими пацієнтами, однією з основних викликів для нас є те, що ми називаємо “визначувальною шумом”. Це спроба навчати алгоритми штучного інтелекту класифікувати стани, коли клінічна наука навколо меж цих станів ще перебуває в стадії розвитку. В деяких випадках людські фахівці можуть не погоджуватися між собою щодо діагностики однієї дитини, а колективне розуміння основних елементів певної діагностики все ще є розвитком науки. Наприклад, те, що раніше називалося синдромом Аспергера кілька років тому, тепер вважається частиною спектру аутизму (ASD), а раніше окремі поняття дефіциту уваги (ADD) та гіперактивності тепер вважаються аспектами єдиної діагностики – синдрому дефіциту уваги та гіперактивності (ADHD). Інші діагностичні класифікації (як синдром сенсорної обробки або SPD) ще не увійшли до Діагностичного та статистичного посібника.

Для спеціаліста з даних ці суб’єктивні, зміщені межі представляють цікаві, великі виклики, які потрібно подолати.

Cognoa створила 3-видову діагностичну систему. Чому система розроблена саме так?

Аутизм – це складний нейророзвитковий стан з широким спектром проявів та коморбідностей.

Ми створили допомогу діагностиці, щоб допомогти лікарям первинної медичної допомоги точно та ефективно діагностувати аутизм у дітей у віці від 18 до 72 місяців, які перебувають у групі ризику розвитку затримки через турботу батьків, лікаря чи батьків. Діагностична допомога Cognoa працює унікальним чином, збираючи та поєднуючи дані від батьків та лікарів у єдине рішення для аналізу їх на передбачувані сигнали аутизму. Наша допомога діагностиці використовує штучний інтелект для оцінки всіх даних та – коли інформація достатня – надає позитивний або негативний результат щодо аутизму, який лікар використовує у поєднанні з клінічним проявом дитини для надання діагностики та подальших кроків у лікуванні.

Для зменшення ризику помилкових класифікацій алгоритм також розроблений для надання невизначеного виходу як заходу контролю ризику для забезпечення високих передбачувальних значень “позитивного/негативного для аутизму” результатів, мінімізації ймовірності помилкових негативних результатів (оскільки помилкові негативні результати мають найбільший ризик, пов’язаний з використанням пристрою). Ця процедура утримання від прогнозу, коли реакція моделі вказує на нижчу впевненість, є стандартним методом контролю ризику в алгоритмах машинного навчання.

Чи можете ви обговорити, як Cognoa подолає батьківський упередження щодо типу даних, наданих батьками?

Відмінне питання. Однією з основних переваг машинного навчання є те, що воно особливо корисне для подолання джерел шуму та упередження, очікуваних у вхідних даних. Батьківські розповіді про власних дітей очікується будуть суб’єктивними та упередженими, але засновані на дуже довгих вікнах спостереження, тоді як звіт лікаря, ймовірно, буде більш об’єктивним, але також менш інформованим через короткі вікна спостереження.

Об’єднавши обидва набори даних у єдиний процес машинного навчання, алгоритм машинного навчання може адаптуватися до доповнюючої природи цих даних та вивчити закономірності, які можна використовувати для використання найкращого з обох наборів даних у єдине визначення, яке є більш надійним, ніж кожен звіт окремо.

Які існують найкращі практики науки про дані, які використовуються в Cognoa для уникнення расових чи гендерних упереджень у даних?

Як компанія, Cognoa зобов’язується будувати продукти для рівного доступу до лікування. Ми знаємо, що інновації, засновані на штучному інтелекті, мають потенціал поглинати та посилювати вбудовані упередження в суспільстві. Наприклад, дівчатки в середньому діагностуються на 1,5 роки пізніше, ніж хлопчики, і одна з чотирьох дітей молодших 8 років, які живуть з аутизмом, більшість з яких чорношкірі чи іспанського походження, взагалі не діагностовані. Це відбувається через відсутність доступу в нашій поточній системі та через те, що діагностика історично була налаштована на ознаки аутизму, поширені серед білих хлопчиків, які можуть демонструвати ознаки аутизму інакше, ніж молоді дівчатка та діти, які не є білими.

Для вирішення цих існуючих упереджень ми свідомо та усвідомлено побудували нашу технологію з урахуванням відмінностей за статтю, расовими, етнічними та соціально-економічними ознаками. Ми написали та дотримуємося Хартії соціально відповідальної штучної інтелекту, яка керує нашими практиками. Наші алгоритми штучного інтелекту були розроблені та клінічно перевірені за допомогою даних медичних записів тисяч хлопчиків та дівчаток з різними походженнями, станами, проявами та коморбідностями.

Відштовхуючись від зовнішніх даних та одночасно аналізуючи різноманітні людські ознаки та характеристики, штучний інтелект Cognoa має потенціал допомогти лікарям подолати несвідоме упередження.

Які існують терапевтичні рішення, які пропонуються в Cognoa?

Наразі в Cognoa немає терапевтичних рішень, доступних для використання. Однак зараз розробляються кілька рішень, і зрозуміло, що штучний інтелект має величезний потенціал зробити терапевтичні рішення більш доступними та доступними для дітей з поведінковими станами.

Чи є щось ще, що ви хотіли б поділитися про свою роботу в Cognoa?

Я ніколи не залишався на одній роботі так довго, як на моїй поточній посаді в Cognoa. Я думаю, що це через задоволення, яке я отримую від роботи над проблемою, яка торкається життя такої кількості людей на такому особистому рівні. Допомога батькам у догляді за своїми дітьми – це майже така ж благородна справа, яку можна тільки бажати.

Дякуємо за чудовий інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Cognoa.