інтерв'ю
Халім Аббас, головний спеціаліст зі штучного інтелекту в Cognoa – серія інтерв’ю
Халім Аббас є головним спеціалістом зі штучного інтелекту Коньоя, він інноватор зі штучним інтелектом і ветеран галузі, який очолював проекти світового класу з науки про дані в таких технологіях, як eBay і Teradata. Cognoa прагне створити безпрецедентний стандарт догляду за поведінковим здоров’ям дітей, який забезпечує справедливий доступ до раннього втручання, надаючи високоякісні продукти для покращення результатів протягом усього життя для всіх дітей і сімей.
Що спочатку привернуло вас до машинного навчання та науки про дані?
У дитинстві мене завжди цікавило програмування. Пізніше в житті я тяжів до нової галузі машинного навчання через непереборне бажання працювати на межі досліджень і досліджувати відкриті виклики того, чого можна досягти за допомогою обчислювальних алгоритмів.
Як колишній старший науковий співробітник Ebay, ви маєте досвід оптимізації рейтингу результатів пошуку для платформи Ebay. Які фундаментальні уроки машинного навчання ви винесли з цього досвіду?
В eBay моїй команді було доручено створити перший в історії компанії алгоритм ранжування результатів пошуку на основі машинного навчання. З десятками мільйонів товарів для продажу в будь-який момент і мільярдами пошукових запитів щодня, найбільшою технічною проблемою було подолати величезні масштаби.
Зрештою, я вважаю, що мій найбільший висновок із цього досвіду полягав у тому, що я залишався відкритим щодо визначення самої мети. Виявилося, що якщо алгоритм ранжування успішно надасть покупцеві лише найкращі пропозиції, вони з меншою ймовірністю зроблять угоду. Їм також потрібно було побачити не дуже вигідні угоди, щоб розпізнати хороші угоди як такі. Щоб усвідомити цей факт і відповідно скорегувати стратегію, знадобився підхід до успіху, який базується на даних, а також відкритість.
Які захворювання діагностуються в Cognoa?
Cognoa – це педіатрична компанія, яка розробляє засоби цифрової діагностики та терапії. Наша мета полягає в тому, щоб використовувати технології для оптимізації педіатричної медичної допомоги та вирішення незадоволених потреб у педіатричній поведінковій медичній допомозі. Ми починаємо з аутизму.
З якими труднощами постає створення системи класифікаторів для діагностики аутизму та інших захворювань у дітей?
Окрім того факту, що діти дошкільного віку не дуже схильні до співпраці, однією з головних проблем для нас є те, що ми називаємо визначальним шумом. Тобто намагатися навчити алгоритми штучного інтелекту класифікувати стани, коли клінічна наука навколо кордонів зазначених станів все ще розвивається. У деяких випадках спеціалісти-людини можуть не погоджуватися між собою щодо діагнозу одній конкретній дитині, а колективне розуміння основних елементів конкретного діагнозу все ще є наукою, що розвивається. Наприклад, те, що кілька років тому називали хворобою Аспергера, тепер розглядається як розлад спектру аутизму (РАС), а раніше окремі поняття розладу дефіциту уваги (СДВ) і гіперактивності тепер вважаються аспектами єдиного діагнозу, синдром дефіциту уваги з гіперактивністю (СДУГ). Інші нові діагностичні класифікації (наприклад, розлад сенсорної обробки або SPD) ще не потрапили до Діагностичного та статистичного посібника.
Для спеціаліста з обробки даних ці суб’єктивні межі, що змінюються, створюють цікаві та значні проблеми, які необхідно подолати.
Компанія Cognoa створила діагностичну систему з трьома результатами. Чому система розроблена таким чином?
Аутизм — це складний розлад нервової системи з широким спектром проявів і супутніх захворювань.
Ми розробили діагностичну допомогу, щоб допомогти лікарям первинної медичної допомоги точно й ефективно діагностувати аутизм у дітей віком від 18 до 72 місяців, які мають ризик затримки розвитку через занепокоєння опікуна, батьків чи лікаря. Діагностична допомога Cognoa працює унікальним чином, збираючи та об’єднуючи вхідні дані від опікунів, батьків і лікарів у єдине рішення, щоб аналізувати їх на наявність прогнозних сигналів аутизму. Наша діагностична допомога використовує штучний інтелект для оцінки всіх вхідних даних і — коли інформації достатньо — надає позитивний або негативний результат щодо аутизму, який педіатр використовує в поєднанні з клінічною картиною дитини, щоб поставити діагноз і направити відповідні наступні кроки - догляд.
Щоб зменшити ризик хибної класифікації, алгоритм також був розроблений для надання невизначених результатів як міри контролю ризику для забезпечення високих прогностичних цінностей результатів «позитивного/негативного для аутизму», мінімізуючи ймовірність хибно негативних результатів ( оскільки помилкові негативні результати є найвищим ризиком, пов’язаним із використанням пристрою). Ця процедура утримання від передбачення, коли відповідь моделі вказує на нижчу впевненість, є a стандартний метод контролю ризиків в алгоритмах машинного навчання.
Чи могли б ви обговорити, як Cognoa долає батьківську упередженість, коли йдеться про тип даних, який надають батьки?
Чудове запитання. Однією з головних переваг машинного навчання є те, що воно особливо корисне для подолання джерел шуму та зміщення, які очікуються у вхідних даних. Очікується, що звіти батьків про власних дітей будуть суб’єктивними та упередженими, але базуватимуться на дуже довгих вікнах спостереження, тоді як звіти клініцистів, швидше за все, будуть більш об’єктивними, але також менш інформованими через короткі вікна спостереження.
Поєднуючи обидва набори вхідних даних в єдиний процес машинного навчання, алгоритм машинного навчання може адаптуватися до взаємодоповнювальної природи цих вхідних даних і вивчати шаблони, які можна використовувати для використання найкращих з обох наборів інформації в єдиному визначенні, яке є більш ефективним. надійніше, ніж кожен обліковий запис окремо.
Які найкращі практики обробки даних використовуються в Cognoa, щоб уникнути расової чи гендерної упередженості в даних?
Як компанія, Cognoa прагне створювати продукти для справедливого доступу до догляду. Ми усвідомлюємо, що інновації на основі штучного інтелекту мають потенціал для поглинання та посилення властивих суспільству упереджень. Наприклад, у дівчаток в середньому ставлять діагноз На 1.5 року пізніше хлопчиків і кожна четверта дитина віком до 8 років, яка живе з аутизмом, більшість з них темношкірі або латиноамериканці не діагностується зовсім. Це пов’язано з відсутністю доступу в нашій поточній системі та через те, що діагностика історично була спотворена в бік рис аутизму, поширених у білих хлопчиків, які можуть проявляти характеристики аутизму інакше, ніж молоді дівчата та діти, які не є білими.
Щоб усунути ці існуючі упередження, ми навмисно й свідомо створили нашу технологію для врахування відмінностей між статтю, расою, етнічністю та соціально-економічним походженням. Ми написали Хартію соціально відповідального штучного інтелекту та дотримуємося її. Наші алгоритми штучного інтелекту були навмисно розроблені та клінічно підтверджені з використанням даних про пацієнти, що належать тисячам хлопчиків і дівчаток у різних регіонах із різним походженням, умовами, проявами та супутніми захворюваннями.
Посилаючись на безліч зовнішніх точок даних і використовуючи об’єднаний досвід сотень лікарів, одночасно аналізуючи різноманітні людські риси та особливості, ШІ Cognoa має потенціал, щоб допомогти лікарям боротися з неусвідомленими упередженнями.
Які терапевтичні рішення пропонує Cognoa?
В даний час Конгоа не має доступних для використання терапевтичних рішень. Однак Cognoa розробляє низку рішень, і очевидно, що штучний інтелект має величезний потенціал, щоб зробити терапевтичні рішення більш доступними та доступними для дітей з поведінковими розладами.
Чи є ще щось, чим ви хотіли б поділитися про свою роботу в Cognoa?
Я ніколи не залишався на одній роботі так довго, як моя нинішня посада в Cognoa. Я думаю, це через задоволення, яке я отримую від роботи над проблемою, яка торкається життів багатьох людей на такому особистому рівні. Допомагати батькам піклуватися про своїх дітей — це настільки благородне покликання, на яке можна сподіватися.
Дякую за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати Коньоя.
