Dmytro Zaharnytskyi про розробку AI в BiodeFense

Серед недавніх взаємодій це був чудовий сеанс мозкового штурму з Dmytro Zaharnytskyi, AI та інженером машинного навчання з перспективним баченням для виявлення та біодефенсових областей. Dmytro, що має універсальний досвід AI рішень для охорони здоров’я та військового використання, має на меті посилити свої зусилля щодо розробки програмного забезпечення на основі AI для біологічних систем виявлення та оборонних систем. Дискусія включала його минулий досвід, мотивацію та майбутні прагнення.

Більше про dmytro та шлях, який змусив його розвивати інтерес до AI та BiodeFense

Його шлях до технологій розпочався з ступеня бакалавра з кібербезпеки, що надає надійну основу щодо проблем у забезпеченні критичної інфраструктури. Потім він заробив магістра в системах AI, який відкрив мій горизонт до машинного навчання та його застосувань. Останні п’ять років він брав участь у великій кількості наборів, що стосуються операцій машинного навчання, біотехнології та виявлення аномалії, особливо зосереджуючись на військовій безпеці та охороні здоров’я. Він побачив AI у вигляді моделей комп’ютерного зору для виявлення об’єктів на полі бою, і це стало його моментом Еврика, побачивши, як АІ може врятувати життя в ризикованих ситуаціях.

Що мотивувало dmytro зосередитись спеціально на BiodeFense?

Пристрасть мотивується визнанням того, що біологічні загрози створюють жахливо велику проблему для сучасного суспільства — пандемічного чи біотероризму. Пандемія Covid-19 була яскравою демонстрацією того, як швидко біологічна загроза може перевантажувати системи охорони здоров’я в різних куточках світу. Його мета-розробити програмну систему на основі AI, яка виконує раннє виявлення загроз, аналізуючи аномалії в даних про навколишнє середовище та лікарні. Після виявлення цих аномалій може бути ініційована швидша відповідь, яка може принести користь тисячам, можливо, мільйонам життя.

Запропонована Dymtro на основі AI біологічної системи виявлення та захисту програмного забезпечення

Ідея полягає у створенні складної парадигми виявлення та реагування за допомогою найсучасніших технологій AI для виявлення аномалій. Система буде включати екологічні датчики та мати можливість аналізувати потоки даних у реальному часі з лікарень. Наприклад, якщо лікарняна мережа повинна повідомити про незвичайні симптоми або показати певний датчик навколишнього середовища, щоб вказувати на непередбачений хімічний маркер, то AI зібрав би ці крапки, щоб потенційно визначити загрозу.

Потрібно прочитати: AI, що веде еволюцію технології нічного бачення камери

Система використовуватиме алгоритми виявлення аномалії для створення консолідованого уявлення про ймовірні загрози, що починають від природного спалаху захворювання до події біотероризму. Першим кроком було б знайти диверсії з відповідних існуючих даних, таких як місцева якість повітря, вірусна присутність у стічних водах, інформація з домашніх пристроїв, таких як Alexa, показники відвідування лікарні, розміри натовпу та частота аварій.

Чим він відрізняється від нинішніх систем моніторингу охорони здоров’я?

Існуючі системи моніторингу охорони здоров’я в основному покладаються на ручну звітність і є більш реактивними, ніж проактивними. Це бачення, щоб спробувати змінити це на дані в режимі реального часу, які можуть бути поєднані з AI для виявлення аномалії. Автоматизація аналізу такої інформації дозволить швидше сповіщати, коли відзначаються нерівності та швидший час відгуку. Уявіть, що мережа, що постійно аналізує екологічні, медичні та соціальні дані та надсилає сповіщення, коли щось виглядає з удару: саме так передбачається ініціативна оборона.

Основні перешкоди стикаються з тим, щоб зробити це бачення реальністю

Найбільший бар’єр, який залишається, — це інтеграція джерел даних. Наведена вище система потребуватиме даних у багатьох розрізнених джерелах даних, включаючи лікарняні записи, датчики навколишнього середовища та бази даних охорони здоров’я. Поєднання таких різноманітних даних в один зрозумілий, безпечний формат надзвичайно складно. Ще однією турботою будуть проблеми конфіденційності. Неминуче медичні дані викликають проблеми конфіденційності.

Отже, першорядне, що ми будуємо систему, яка отримає певне розуміння, не руйнуючи конфіденційність людини. Нарешті, звільнення та побудова довіри та співпраці є важливою умовою успіху цього рішення між різними установами, урядами, лікарнями та науково -дослідними організаціями.