Anton Dolgikh, Trưởng bộ phận Trí tuệ nhân tạo, Chăm sóc sức khỏe và Khoa học đời sống tại DataArt – Phỏng vấn

Anton Dolgikh lãnh đạo các dự án trí tuệ nhân tạo và học máy trong lĩnh vực Chăm sóc sức khỏe và Khoa học đời sống tại DataArt và điều hành các chương trình giáo dục và đào tạo nhà phát triển tập trung vào giải quyết các vấn đề kinh doanh bằng phương pháp học máy. Trước khi làm việc tại DataArt, Dolgikh đã làm việc tại Bộ phận Hệ thống phức tạp tại Université Libre de Bruxelles, một trường đại học nghiên cứu tư nhân hàng đầu của Bỉ.

Điều gì đã khơi dậy niềm đam mê của bạn với trí tuệ nhân tạo và khoa học đời sống như một sự nghiệp?

Sự đam mê tìm kiếm mối liên hệ giữa các hiện tượng và sự kiện. Tôi luôn thích đọc. Tôi yêu sách. Tại trường đại học, tôi đã khám phá ra một nguồn thông tin mới – các bài viết. Tại một thời điểm, dường như việc có được một bức tranh hoàn chỉnh, để kết tinh sự thật đẹp từ một khối lượng thông tin là gần như không thể. Và đó là nơi trí tuệ nhân tạo xuất hiện. Thống kê, học máy và khoa học tự nhiên với trí tuệ nhân tạo ở vị trí hàng đầu đều đóng vai trò xây dựng cầu nối giữa sự khao khát kiến thức của não bộ con người và một thế giới nơi tất cả các quy luật đều được biết và không có hộp đen.

Hiện tại, bạn đang giáo dục và đào tạo các nhà phát triển tập trung vào giải quyết các vấn đề kinh doanh bằng phương pháp học máy. Bạn có tập trung vào một lĩnh vực học máy cụ thể, chẳng hạn như học sâu?

Có, học sâu là một công cụ rất phổ biến và, hãy nói thẳng thắn, mạnh mẽ; chúng ta không thể bỏ qua nó. Tôi cá nhân thích cách giải thích Bayesian của các thuật toán cổ điển, hoặc thậm chí là sự kết hợp của mạng nơ-ron và cách tiếp cận Bayesian — ví dụ, mã hóa tự động Bayesian. Nhưng tôi tin rằng điều quan trọng nhất để dạy các nhà phát triển học máy mới là không sử dụng máy móc học máy như một hộp đen ma thuật, mà là nhận thức các nguyên tắc cơ bản đằng sau mỗi và mọi phương pháp. Một kỹ năng cần thiết là khả năng giải thích các dự đoán thu được cho khán giả kinh doanh.

Vào tháng 3 năm 2019, bạn đã viết một bài viết có tên ‘Chúng ta đã sẵn sàng cho các bác sĩ X quang máy và sai lầm của họ chưa?’. Trong bài viết, bạn đã phác thảo các ưu và nhược điểm của việc chấp nhận kết quả từ các bác sĩ X quang máy so với các bác sĩ X quang con người. Nếu bạn phải chọn giữa một bác sĩ X quang con người và một máy, bạn sẽ chọn cái nào và tại sao?

Tôi thích một bác sĩ X quang con người. Không phải vì tôi có kiến thức đặc biệt rằng trí tuệ nhân tạo dễ mắc lỗi và quyết định của nó vốn có sai lầm. Không, đó là một câu hỏi về đồng cảm và bản chất tâm lý. Tôi muốn hỗ trợ các bác sĩ trong thời kỳ khó khăn này. Hơn nữa, tôi tin rằng trong tương lai gần, chúng ta sẽ chỉ thấy trí tuệ nhân tạo tăng cường khả năng của con người.

Gần đây, bạn đã viết một bài báo trắng có tên ‘Tác động của Trí tuệ nhân tạo đối với Tuổi thọ‘. Trong bài báo này, bạn đã tuyên bố rằng trí tuệ nhân tạo nên được xem như một công cụ trong việc tìm kiếm cuộc sống lâu hơn. Những phương pháp hứa hẹn nào mà trí tuệ nhân tạo có thể áp dụng để kéo dài tuổi thọ của con người?

Ngày nay, công cụ mới của trí tuệ nhân tạo bắt đầu hoạt động trong các phòng thí nghiệm khoa học trên cơ sở các công cụ và phương pháp cổ điển. Sự kiện này bản thân nó rất hứa hẹn. Trí tuệ nhân tạo ở đây để giúp chúng ta, không phải thay thế chúng ta trong cuộc đấu tranh để đối phó với lượng dữ liệu khổng lồ không chỉ trong các phòng thí nghiệm mà thậm chí trong cuộc sống cá nhân của chúng ta.

Cũng được thảo luận trong cùng một bài báo trắng là tuyên bố của Giám đốc AI của Quỹ Nghiên cứu Tái tạo sinh học và Giám đốc điều hành của Insilico Medicine, Tiến sĩ Alex Zhavoronkov, rằng việc tăng tuổi thọ lên 150 năm không phải là một mục tiêu kỳ lạ. Bạn có tin rằng một đứa trẻ sinh năm 2020 sẽ có thể sống đến 120 hoặc thậm chí 150 năm?

Tôi muốn tin. Là một nhà khoa học về giáo dục và niềm tin, tôi phải dựa quyết định của mình vào các sự kiện, vào sự tiến bộ của các phương pháp khoa học trong lĩnh vực này. Chúng ta đã thực hiện một bước nhảy vĩ đại trong các lĩnh vực di truyền, công nghệ sinh học và y học nói chung, và điều này củng cố niềm tin của tôi. Và đừng quên rằng một phần quan trọng của thành công trong việc tăng tuổi thọ là môi trường lành mạnh và lối sống lành mạnh, vì vậy chúng ta phải làm việc trên điều này.

Trong cùng một bài báo trắng, bạn cũng đề cập đến khả năng tải não (siêu nhân). Bạn có tin rằng điều này có thể trở thành hiện thực trong tương lai và nó làm bạn cảm thấy như thế nào?

Tôi đã suy nghĩ rất nhiều về điều này. Thật lòng, nó làm tôi cảm thấy bối rối. Tôi nghĩ rằng chúng ta liên kết tính cách của mình với những gì chúng ta nhìn thấy trong gương, và đối với tôi, thật khó để tách rời tính cách của mình khỏi cơ thể. Tuy nhiên, điều này không có nghĩa là nó không thể xảy ra. Và, có, tôi tin rằng sớm hay muộn, tải não sẽ trở thành hiện thực. Các hậu quả thì khó dự đoán hơn.

Hiện tại, bạn là Trưởng bộ phận Trí tuệ nhân tạo, Chăm sóc sức khỏe và Khoa học đời sống tại DataArt. Những dự án thú vị nhất mà DataArt đang thực hiện là gì?

Chúng tôi có một dự án dành cho việc phát triển thuốc mới. Thật thú vị khi các phương pháp tính toán đã phát triển để thúc đẩy và chỉ đạo tiến bộ trong hóa học dược phẩm và dược lý. Chúng tôi cũng thực hiện rất nhiều công việc về việc áp dụng trí tuệ nhân tạo để trích xuất thông tin từ các văn bản y tế như báo cáo thử nghiệm lâm sàng, bài viết y khoa và diễn đàn chuyên ngành. Đó là công việc khó khăn, nhưng nó mang chúng ta đến gần hơn với việc số hóa chăm sóc sức khỏe, và tôi thấy điều này thú vị.

Là một người yêu sách, tôi cũng cần hỏi bạn nên đọc những cuốn sách nào?

• Judea Pearl “Causality: Models, Reasoning and Inference“. Tiêu đề tự giải thích – cuốn sách này về các mối quan hệ nhân quả. Nếu (một ngày nào đó) chúng ta muốn có một trí tuệ nhân tạo thực sự, chúng ta phải dạy nó lý luận về nguyên nhân và hiệu ứng;
• Nếu bạn quan tâm đến các phương pháp nhân quả và thực tế thì công việc cơ bản của Daphne Koller và Nir Friedman “Probabilistic Graphical Models: Principles and Techniques” sẽ là lựa chọn phù hợp;
• Chúng ta mong đợi trí tuệ nhân tạo mạnh mẽ có thể hiểu chúng ta. Vì vậy, chúng ta phải dạy ngôn ngữ cho nó. Xử lý ngôn ngữ tự nhiên giải quyết vấn đề về sự hiểu biết của ngôn ngữ tự nhiên. Tôi có hai tiêu đề trong tâm trí đã giúp tôi rất nhiều:
  1. Yoav Goldberg, Phương pháp mạng nơ-ron trong Xử lý ngôn ngữ tự nhiên (Giảng座 về Công nghệ Ngôn ngữ của Con người), 2017
  2. Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze Giới thiệu về Truy xuất Thông tin, 2009
• Không chắc cuốn sách tiếp theo dành cho trí tuệ nhân tạo, nhưng nó thể hiện một cách tiếp cận không tiêu chuẩn đối với thống kê và dự đoán, điều này sẽ hữu ích cho bất kỳ nhà nghiên cứu trí tuệ nhân tạo nào: Bertrand S. Clarke, Jennifer L. Clarke Thống kê dự đoán: Phân tích và suy luận ngoài mô hình
• Và tôi sẽ kết thúc danh sách với một cuốn sách khoa học viễn tưởng: Stanislav Lem, Nhật ký sao

Có điều gì khác mà bạn muốn chia sẻ về DataArt?

DataArt là một ví dụ tuyệt vời về xu hướng số hóa gần như mọi khía cạnh của cuộc sống và hoạt động. Xu hướng này tăng trách nhiệm trong phát triển phần mềm vì ngày nay, nó không chỉ là xây dựng một trang web cho một cửa hàng, ví dụ, trong trường hợp một lỗi của nhà phát triển sẽ có hậu quả tối thiểu. Ngày nay, một lỗi của nhà phát triển có thể trở thành một thảm họa quốc gia hoặc toàn cầu nếu nó liên quan đến một chương trình kiểm soát hoạt động của, ví dụ, một nhà máy hạt nhân. Cách tiếp cận có trách nhiệm của DataArt đối với phát triển phần mềm trong một ý nghĩa rộng lớn hơn mang lại cho tôi sự tự tin vào những gì chúng tôi phát triển, và tôi rất tự hào được là một phần của công ty và công việc mà chúng tôi đang thực hiện.

Là một dự án gần đây, DataArt đã ra mắt một ứng dụng nguyên mẫu có tên ‘SkinCareAI’, phân tích hình ảnh da để phát hiện sớm các dấu hiệu của ung thư hắc tố. Với những tiến bộ mới nhất trong công nghệ học máy, SkinCareAI được phát triển bởi chuyên gia học máy của DataArt, Andrey Sorokin, cho thách thức của Tổ chức Hợp tác Hình ảnh Da Quốc tế (ISIC).

Để tìm hiểu thêm về một số dự án và nghiên cứu điển hình khác của chúng tôi, vui lòng truy cập trang Chăm sóc sức khỏe và Khoa học đời sống của DataArt.