Posle uspešno završenog BioTech foruma, dr Ognjen Milićević, ML Tech Lead u HTEC-u, u intervjuu za WebMind sumira realne domete veštačke inteligencije u biotehnologiji, od genetike do javnog zdravlja, i jasno razdvaja automatizaciju od odlučivanja. „Odluka će uvek biti na ljudskom biću je human-in-the-loop paradigma,“ poručuje Milićević, uz naglasak da je transparentnost preduslov poverenja i napretka.

Gde je najkonkretnija primene veštačke inteligencije u biotehnologiji i gde vidite njen najveći doprinos u praksi?

Vrlo je teško proceniti tačnu dimenziju upotrebe veštačke inteligencije i modela uopšte, iz prostog razloga što se njihova upotreba i tačne performanse kriju, što kao poslovne i industrijske tajne, što kao intelektualna svojina u nauci. Praksa nas je naučila da se lakše „krade“ ono što nema fizičku komponentu već postoji kompletno u digitalnom svetu. Stoga govorimo o egzaktnim merama uspešnosti modela koje nisu ni dostupne ni validirane u opštoj populaciji. Prosto rečeno, možemo samo da procenimo koliko neko tvrdi da ima dobar model. Koliko ga zaista koristi firma ili laboratorija, ne samo da ne znamo, već nismo ni sigurni kakvom se odgovoru nadamo. To je deo procesa nas kao čovečanstva u postavljanju tehnologije na svoje mesto i ti razgovori idu sporije od razvoja.
Srbija ima različite vrste tehnološkog rasta, ali nije ni blizu da povede sa regulatorne, etičke ili filozofske strane. Razloga za to je mnogo i mi se s tim mirimo dok god imamo na koga da se ugledamo. Nažalost, to koči inovativnost malih lokalnih inicijativa i u industriji i u akademiji, a sve u korist velikih igrača.

U kojoj meri AI utiče na obradu biomedicinskih podataka, od genetike do javnog zdravlja, i koje su prednosti?

Sve oblasti biomedicinskih podataka su na svoj način velike ili komplikovane i imaju svoj zahtev od veštačke inteligencije. Lepo ste postavili pitanje i dali dva ekstrema tog kontinuuma. Genetski podaci se obogaćuju složenim predikcijama molekularnih interakcija i bioloških efekata koje često koristimo bez mogućnosti provere, ali su podaci u startu impresivno strukturisani već u nastanku; javno zdravlje je često prepunjeno jasnim, potencijalno banalnim detaljima koji zahtevaju praćenje i sintezu u kojoj je AI sjajan saveznik. Prednost korišćenja AI ekosistema jeste u raznovrsnosti alata koja oslikava raznovrsnost problema.

Kao neko ko spaja medicinu i statistiku, koliko su matematički modeli presudni za validaciju i pouzdanost AI sistema u biotehnologiji?

Odmah ću priznati da se svi zainteresovani za pomenute oblasti spore oko tačnih definicija AI, matematičkog modela, pa na kraju krajeva i validacije. Na ovo pitanje bih odgovorio po svom osećaju — teoretska matematička pravila koja su česta u klasičnoj statistici često se kose sa praktičnim obrascima koje AI sistemi koriste. Ništa ne fali univerzalnim matematičkim teoremama, već našim pretpostavkama, i jasno je gde je potrebno prilagođavanje.

KOMPLETAN TEKST JE NA PORTALU WEBMIND.