华盛顿——人工智能正在改变企业的运营方式，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，看AI能否应对它最大的挑战：找到更快、更便宜的新药开发方法。
尽管投入了数十亿美元的研究资金，新药的开发通常仍需十多年的时间。成立于2018年的Insitro是众多AI公司中的一员，这些公司承诺通过使用机器学习分析大量的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Eli Lilly和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CEO兼创始人Daphne Koller接受了美联社的采访，讨论了AI如何应对药物发现的挑战。以下是经过编辑的采访摘录：
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仅略有了解的系统。过去15到20年中的许多成功案例都是因为我们对系统有了足够的理解，从而可以设计出与之匹配的干预措施。
因此，我们在Insitro尝试做的一件事是解开复杂疾病的底层复杂性，并识别新的干预模式，这可能有助于部分患者群体，而不是整个群体。这样我们可以真正确定在特定患者群体中进行干预的正确治疗假设。我认为，这就是行业缺乏成功的关键所在。
问：像Eli Lilly这样的公司雇用了数千名医学科学家和研究人员。你的技术能做些什么这些专家做不到的事情？
答： 与AI革命并行发生的是一个更为安静的革命，我称之为定量生物学，即能够以前所未有的精度测量生物系统的能力。你可以用越来越精确的技术测量蛋白质和细胞等系统。
但如果你把数据交给一个人，他们的眼睛可能会发呆，因为一个人只能看那么多细胞，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，你最终会得到一个非常简化、多方面的复杂系统的观点，这对于解开患者之间的区别和发现干预措施真正能起作用的地方非常重要。
问：你是如何对这个领域感兴趣的？
答： 我的博士学位是计算机科学。但在1998年或1999年左右，我开始涉足机器学习领域，为生物医学问题服务。
当时，机器学习能够解决的问题实际上并不令人振奋。你能从分类垃圾邮件和非垃圾邮件的数据集中获得多少灵感？
我在寻找更有丰富性的东西。我第一次涉足这个领域并不是因为我特别想成为生物学家，而是因为我正在寻找更具技术挑战性的问题。然后，当我开始深入了解时，我对生物学本身产生了兴趣。
问：Insitro同时雇用了计算机科学家和医学研究人员。在让这两个群体合作时，有没有文化冲突？
答： 这可能是我们作为组织取得的最重要的成就之一。
你可以把双方最优秀、最有善意的科学家放在同一个房间里，但他们可能就像在说泰语和斯瓦希里语一样无法沟通。
作为一名工程师，你希望找到最强、最一致的模式，以便能够对大多数细胞或个体做出预测。而作为一名生命科学家，你往往是在寻找例外情况，因为这些线索可以导致新的发现。
因此，我们采取了一系列文化和组织措施，帮助人们公开、建设性地相互交流，并彼此尊重。
(全文结束)
