Ansätze zur KI (künstliche Intelligenz) sind Themen, mit welchen sich der pharmazeutische Mittelstand besonders schwertut. Dabei scheint es aktuell um nichts anderes zu gehen. Alle Welt spricht von Deep Learning und neuronalen Netzen. Bei Dingen wie der Gesichts- und Objekterkennung, im Schach und in vielen anderen Bereichen sind KI-Systeme heute schon besser als wir Menschen. Was könnte auch die Welt mehr verändern, als der Ansatz, dass menschliche Gehirn nach zu bauen?
In der pharmazeutischen Branche stößt diese Entwicklung jedoch auf ganz spezifische Probleme. Es kann oft nicht nachvollzogen werden, warum ein System eine bestimmte Entscheidung getroffen hat – Wie bei einem Menschen eben auch 😉.
Greetings from the past
Eine „neuer“ Ansatz kommt von Denise Wilson von der Universität Toulouse. Dieser hat sich den alten Bekannten “Evolutionäre Algorithmen”, welcher vom KI-Hype verdrängt wurde, neu angeschaut.
Anders als beim klassischen Ansatz, bei dem ein Code anhand von Grundprinzipien auf ein Ziel ausgerichtet erzeugt wird, ist der evolutionäre Ansatz auf den ersten Blick kontraintuitiv.
Im evolutionären Computing wird mit einer großen Anzahl an willkürlich generierten Codes gestartet. Danach wird jedes dieser Programme auf die Zielerreichung geprüft und die Versionen, die besser funktionieren, werden in die nächste Runde übernommen.
In der nächsten Runde gibt es allerdings keine exakten Kopien, vielmehr werden Mutationen vorgenommen. Beispielweise können Ausdrücke ausgetauscht werden (Punktmutation) oder wie in der menschlichen Fortpflanzung der Code geteilt und neu zusammengesetzt werden.
Die Ergebnisse werden wieder bewertet und die besten in die nächste Runde übernommen, und so weiter, und so weiter.
Was im Traktorbau erfolgreich war, kann auch heute noch funktionieren
Dieser Ansatz wurde bereits in den dreißiger Jahren erfolgreich genutzt, um die Fertigung von Traktoren zu optimieren.
In seiner Studie haben Wilson und Kollegen den Ansatz genutzt, mit welchen Spielhallen-Spiele aus den 1980er und 1900er Jahren gesteuert wurden, um einen Code zu entwickeln. Diese Spiele stehen in der Arcade Learning Environment zur Verfügung. Einer Datenbank, die zunehmend genutzt wird, um das Lernverhalten unterschiedlicher Algorithmen zu untersuchen. In der Datenbank finden sich 61 Atari-Spiele wie Pong, Space Invaders, Breakout und Kung Fu Master.
Durch seine Arbeit bewies Wilson schließlich, dass evolutionäre Systeme ähnliche oder teilweise sogar bessere Ergebnisse als KI-Systeme liefern können.
Was beim Arbeiten mit KI-Systemen die Auswahl der zugrundeliegenden Daten ist, ist bei der evolutionären Entwicklung (eigentlich kartesisch genetische Programmierung genannt) die Auswahl des Vokabulars, also der Attribute und Befehle, die verwendet werden.
Aktuell ist es so, dass Forscher bereits beginnen beide Ansätze miteinander zu kombinieren. Es werden KI-Systeme mit evolutionären Algorithmen weiterentwickelt. Auch anders herum ist es vorstellbar, dass KI-Systeme die Auswahl der besten Ergebnisse übernehmen.
Evolutionäre System in der Pharma
In den pharmazeutischen sowie auch in allen sonstigen regulierten Bereichen hat das evolutionäre Computing einen gigantischen Vorteil gegenüber den KI-Systemen. Bei KI-Systemen ist die aktuelle Entscheidung oft nicht nachvollziehbar. Bei einem evolutionär generiertem Code hingegen ist sowohl der finale Code, als auch die Qualitätsregeln auf dem Weg dorthin klar nachvollziehbar.
Drei gute Gründe sich mit diesem Thema weiter auseinanderzusetzen.
- Gleiche oder bessere Ergebnisse als KI
- Fertiger Code ist klar zu analysieren
- Regeln bei der Code-Entstehung sind nachvollziehbar
Fazit: Oft lohnt ein Blick in die Vergangenheit.
Auch wenn es für uns wichtig ist bei den neuen Entwicklungen immer vorne mit dabei und auf dem neuesten Stand zu sein, müssen wir aufpassen. Es ist gut möglich, dass ein „altes“ Werkzeug noch gar nicht voll ausgeschöpft worden ist und ein enormes Potential hat.
Klar ist, KI und die evolutionären Algorithmen sind Werkzeuge, die wir in unserem Kasten haben sollten. Ob wir aktuell eine Schraube eindrehen oder einen Nagel einschlagen müssen, müssen wir allerdings selbst herausfinden.
Mit chaotischen Grüße
Christof Layher
