به گزارش خبرنگار علم و فناوری ایسکانیوز؛ مرضیه قاسمی محقق ایرانی و دانشیار دپارتمان مهندسی برق و علوم کامپیوتر موسسه فناوری ماساچوست و همچنین موسسه مهندسی و علوم پزشکی است. او در کودکی عاشق بازی‌های کامپیوتری و پازل بود، اما علاقه ویژه‌ای هم به سلامتی داشت و در نهایت هم به تازگی راهی پیدا کرده که در آن توانسته است این ۲ علاقه را با هم ادغام کند.

خودش در این مورد می‌گوید: اگرچه من شغلی را در بخش مراقبت‌های بهداشتی در نظر گرفته بودم، اما کشش علوم و مهندسی کامپیوتر در من قوی‌تر بود.

او که محقق آزمایشگاه اطلاعات و سیستم‌های تصمیم‌گیری هم هست می‌افزاید: وقتی متوجه شدم که علوم کامپیوتر به طور گسترده و به طور خاص می‌تواند در مراقبت‌های بهداشتی به کار رود، این یک همگرایی از علایق بود.

او هم‌اکنون با کمک گروه تحقیقاتی‌اش با نام «هلتی ام‌ال» روی مطالعه عمیق کار می‌کند تا یادگیری ماشینی را به حدی قوی‌تر کند که برای بهبود ایمنی و بهبود سلامت بدن کاربرد داشته باشد.

قاسمی که در تگزاس و نیومکزیکو در خانواده‌ای ایرانی بزرگ شده که پدر و مادر هر ۲ رشته مهندسی خوانده‌اند، الگوهایی در ذهن داشت که باید در رشته‌های علوم، فناوری، مهندسی و ریاضی یا STEM دنبال شود. در حالی که عاشق بازی‌های ویدئویی مبتنی بر پازل بود (حل پازل برای باز کردن سطوح دیگر یا پیشرفت بیشتر یک چالش بسیار جذاب بود)، مادرش او را با ریاضیات پیشرفته آشنا کرد و به او آموخت که ریاضیات را فراتر از حساب ببیند.

قاسمی می‌گوید: افزودن یا ضرب کردن مهارت‌های پایه‌ای است که به دلایل خوبی بر آن تأکید شده است، اما تمرکز می‌تواند این ایده را مبهم کند که بسیاری از ریاضیات و علوم سطح بالاتر بیشتر در مورد منطق و معما هستند. به دلیل تشویق مادرم، می‌دانستم که چیزهای جالبی در راه است.

او می‌افزاید که علاوه بر مادرش، بسیاری دیگر از رشد فکری او حمایت کردند. زمانی که مدرک کارشناسی خود را از دانشگاه ایالتی نیومکزیکو گرفت، مدیر کالج «آنرز» و یک محقق سابق مارشال -که اکنون مشاور ارشد وزارت امنیت داخلی ایالات متحده است - به او کمک کرد تا برای بورسیه تحصیلی دانشگاه مارشال درخواست کند. این بورسیه او را به دانشگاه آکسفورد کشاند و توانست در سال ۲۰۱۱ مدرک کارشناسی ارشدش را بگیرد و برای اولین بار به حوزه جدید و در حال تکامل یادگیری ماشین علاقه‌مند شد.

او در مورد دوره دکتری‌اش در ام‌آی‌تی می‌گوید: باز بودن محیط و پذیرش چیزهای جدید چیزی است که من از اساتیدم در این دانشگاه یاد گرفتم و سعی می‌کنم آنها را برای دانشجویانم تکرار کنم.

قاسمی در حین کار روی دکتری خود با اولین سرنخ نیز مواجه شد که سوگیری در داده‌های سلامتی می‌تواند در مدل‌های یادگیری ماشین پنهان شود.

او می‌گوید: مدل‌هایی را برای پیش‌بینی نتایج با استفاده از داده‌های سلامت آموزش داده بودیم و طرز فکر آن زمان استفاده از همه داده‌های موجود بود. در شبکه‌های عصبی برای تصاویر، دیده بودیم که ویژگی‌های مناسب برای عملکرد خوب آموخته می‌شود و نیاز به مهندسی دستی ویژگی‌های خاص را از بین می‌برد.

طی جلسه‌ای با «لئو سلی»، محقق اصلی آزمایشگاه فیزیولوژی محاسباتی ام‌آی‌تی‌ و یکی از اعضای کمیته پایان نامه قاسمی، سلی از او پرسید که آیا بررسی کرده است که این مدل‌ها روی بیماران با جنسیت‌های مختلف، انواع بیمه و افراد مختلف چقدر خوب عمل می‌کنند یا خیر؟

قاسمی این مساله را بررسی کرد و خلاء‌هایی وجود داشت. ما اکنون تقریباً یک دهه کار داریم که نشان می‌دهد رفع این شکاف‌های مدل دشوار است - این شکاف‌ها از سوگیری‌های موجود در داده‌های سلامت و شیوه‌های فنی پیش‌فرض ناشی می‌شوند. اگر به دقت در مورد آنها فکر نکنید، مدل‌ها ساده‌لوحانه اشتباهات را بازتولید می‌کنند و گسترش می‌دهند.

قاسمی از همان زمان به بررسی چنین موضوعاتی پرداخت.

موفقیت او در چند بخش است:

اول، او و گروه تحقیقاتی‌اش نشان دادند که مدل‌های یادگیری می‌توانند نژاد بیمار را از روی تصاویر پزشکی مانند اشعه ایکس قفسه سینه تشخیص دهند، که رادیولوژیست‌ها قادر به انجام آن نیستند. سپس این گروه دریافتند که مدل‌های بهینه‌سازی شده برای عملکرد خوب «به طور متوسط» برای زنان و اقلیت‌ها عملکرد خوبی ندارند.

تابستان گذشته، گروه او این یافته‌ها را ترکیب کرد تا نشان دهد که هر چه یک مدل بیشتر یاد بگیرد که نژاد یا جنسیت بیمار را از روی تصویر پزشکی پیش‌بینی کند، شکاف عملکردی آن برای زیر گروه‌های آن جمعیت‌شناسی بدتر خواهد بود. قاسمی و تیم او دریافتند که اگر یک مدل به جای تمرکز بر میانگین عملکرد کلی، برای توضیح تفاوت‌های جمعیتی آموزش داده شود، می‌توان این مشکل را کاهش داد - اما این فرآیند باید در هر مکانی که یک مدل در آن مستقر است انجام شود.

قاسمی می‌گوید: ما تاکید می‌کنیم که مدل‌هایی که برای بهینه‌سازی عملکرد (تعادل عملکرد کلی با کمترین شکاف انصافی) در یک بیمارستان آموزش داده شده‌اند، در سایر تنظیمات بهینه نیستند.

او می‌افزاید که این تأثیر مهمی بر چگونگی توسعه مدل‌ها برای استفاده انسانی دارد. یک بیمارستان ممکن است منابع لازم برای آموزش یک مدل را داشته باشد و سپس بتواند نشان دهد که عملکرد خوبی دارد، حتی با محدودیت‌های انصافی خاص. با این حال، تحقیقات ما نشان می‌دهد که این ضمانت‌های عملکرد در تنظیمات جدید وجود ندارد. مدلی که در یک محیط به خوبی متعادل است ممکن است در یک محیط متفاوت به طور موثر عمل نکند. این بر کاربرد مدل‌ها در عمل تأثیر می‌گذارد، و ضروری است که ما برای رسیدگی به این موضوع برای کسانی که مدل‌ها را توسعه داده و به کار می‌برند، کار کنیم.

شکل‌گیری جهان‌بینی

قاسمی در مورد خودش می‌گوید: من یک زن و یک مادرم و مسلمان هستم. این عوامل به شکل‌دهی نگاه من به جهان کمک کرده و علائق تحقیقاتی‌ام را پرورش داه است. من روی استحکام مدل‌های یادگیری ماشین کار می‌کنم و اینکه چگونه عدم استحکام می‌تواند با تعصبات موجود ترکیب شود. این علاقه تصادفی نیست.

قاسمی در رابطه با روند فکری خود می‌گوید که اغلب وقتی بیرون از خانه است از همه چیز از دوچرخه سواری در نیومکزیکو در مقطع کارشناسی، پارو زدن در آکسفورد، دویدن به عنوان دانشجوی دکترا در ام‌آی‌تی، و این روزها پیاده‌روی در کنار خیابان کمبریج الهام می‌گیرد. او همچنین می‌گوید هنگام نزدیک شدن به یک مشکل پیچیده فکر کردن به بخش‌های مشکل بزرگ‌تر و تلاش برای درک اینکه چگونه پیش‌فرض‌های او درباره هر بخش ممکن است نادرست باشد، مفید بوده است.

او می‌گوید: در تجربه من، محدودکننده‌ترین عامل برای راه‌حل‌های جدید چیزی است که فکر می‌کنید می‌دانید. گاهی اوقات سخت است که از دانش (جزئی) خود در مورد چیزی عبور کنید تا زمانی که واقعاً یک مدل، سیستم و غیره را عمیقاً بررسی کنید و متوجه شوید که یک قسمت فرعی را به درستی یا به طور کامل درک نکرده‌اید.

جدا کردن کار از زندگی

مرضیه قاسمی نگاه جالبی در مورد زندگی دارد و می‌گوید: وقتی عاشق تحقیق خود هستید، کار سختی است که آن را به هویت‌تان تبدیل نکنید. این چیزی است که فکر می‌کنم بسیاری از دانشگاهیان باید از آن آگاه باشند. من سعی می‌کنم مطمئن شوم که علائق (و دانش) فراتر از تخصص فنی خودم دارم.

او می‌افزاید: یکی از بهترین راه‌ها برای کمک به اولویت‌بندی تعادل، ارتباط با افراد خوب است. اگر خانواده، دوستان یا همکارانی دارید که شما را تشویق می‌کنند که یک فرد کامل باشید، آنها را نگه دارید.

قاسمی با برنده شدن جوایز فراوان و به رسمیت شناختن کارهایی که ۲ علاقه اولیه را در بر می‌گیرد - علم کامپیوتر و سلامت - اعتقاد دارد که زندگی را یک سفر می‌بیند.

او می‌گوید: جمله‌ای از مولوی شاعر ایرانی وجود دارد که مضمون آن این است: «تو همان چیزی هستی که دنبالش می‌گردی». در هر مرحله از زندگی‌تان، باید دوباره سرمایه‌گذاری کنید تا کسی که هستید را پیدا کنید و آن را به سمتی که می‌خواهید باشید سوق دهید.

انتهای پیام/