人工智能正在改变公司的业务方式，帮助程序员编写代码，并通过聊天机器人处理客户服务电话。但制药行业仍在等待AI能否应对其最大的挑战：找到更快、更便宜的新药开发方法。尽管已投入数十亿美元用于研究，新药的开发通常仍需十年或更长时间。
成立于2018年的Insitro是越来越多的AI公司之一，这些公司承诺通过使用机器学习分析大量化学和生物标志物数据来加速药物发现。这家位于南旧金山的公司已与礼来（Eli Lilly）和百时美施贵宝（Bristol Myers Squibb）等制药公司签署协议，帮助开发治疗代谢疾病、神经性疾病和退行性疾病的药物。
Insitro的首席执行官兼创始人达芙妮·科勒（Daphne Koller）在接受美联社采访时谈到了AI如何应对药物发现的挑战。对话经过编辑以缩短篇幅和提高清晰度。
问：为什么药物开发如此困难？
答：我认为药物发现的问题在于我们试图干预一个我们只略微了解的系统。过去15到20年中取得的许多成功是在我们对该系统有足够理解的情况下实现的，这样我们才能真正设计出与之对齐的干预措施。
因此，我们在Insitro尝试做的一件事是解开复杂疾病的潜在复杂性，识别新的干预模式，这些模式可能无法帮助整个患者群体，但或许能帮助其中的一部分。这样，我们就能真正确定正确的治疗假设，以干预特定的患者群体。我认为，这正是行业缺乏成功的关键所在。
问：像礼来这样的公司雇用了数千名医学科学家和研究人员。您的技术能做这些专家做不到的事情吗？
答：与AI革命并行发生的是一场更为安静的定量生物学革命，即能够以前所未有的精度测量生物系统的能力。您可以使用越来越精确的技术测量蛋白质和细胞等系统。
但是，如果您将这些数据交给一个人，他们的眼睛会变得茫然，因为一个人只能看那么多的细胞，只能从这些图像中看到那么细微的差别。人们在感知细微差异方面的能力有限。
因此，您最终会对一个非常复杂、多方面的系统采取一种非常简化的观点，而解开患者之间的区别并揭示干预真正可以发挥作用的地方是非常重要的。
问：您是如何对这个领域感兴趣的？
答：我的博士学位是在计算机科学领域。但在1998年或1999年，我开始涉足机器学习领域，为生物医学问题提供服务。
当时，机器学习能够解决的问题实际上并不令人振奋。对于分类垃圾邮件和非垃圾邮件的数据集，您能有多大的热情？
我在寻找更有深度的问题。我第一次涉足这个领域并不是因为我特别想成为一名生物学家，而是因为我正在寻找更具技术挑战性的问题。然后，随着我对这一领域的深入了解，我对生物学本身也产生了兴趣。
问：Insitro同时雇用了计算机科学家和医学研究人员。在让这两个团队合作时，是否有文化冲突？
答：这可能是我们作为组织取得的最重要成就之一。
您可以把最先进、最有善意的科学家们放在同一个房间里，但他们可能会像在说泰语和斯瓦希里语一样彼此难以沟通。
作为一名工程师，您在寻找最强、最一致的模式，以便能够对大多数细胞或个体进行预测。而作为一名生命科学家，您通常是在寻找例外情况，因为这些例外情况是通向新发现的线索。
因此，我们实施了许多文化和组织元素，以帮助人们公开、建设性地互动，并相互尊重。
(全文结束)
