這是NVIDIA GTC2024會議上的專家小組討論，主題是「生成式AI在現代醫學中的作用」。
會議上討論了人工智慧的變革性影響及其在重塑醫療保健服務方面的作用。討論了AI如何加速醫學發現並改善患者的治療結果。小組成員包括ARK Invest的執行長Kathie Wood，史克里普斯研究轉化研究所的創始人和所長Eric Topol，以及微軟研究院院長Peter Lee。
Kathie Wood分享了她的投資經驗，特別是在科技和電信泡沫期間，以及基因組學和人工智慧的投資策略。 Eric Topol則討論了基因組學在臨床實踐中的應用，以及如何利用基因組學、數位健康數據和應用人工智慧工具進行個人化醫療。 Peter Lee分享了他在人工智慧、計算基礎、健康和生命科學領域孵化新的研究驅動產品的經驗。
他們分別從投資、科學研究和技術應用的角度，分享了關於AI在醫療保健領域的應用和影響的觀點：
- 過去科技試圖改變醫療保健的方式，哪些特定技術產生了最大的影響，以及最令人驚訝的不足或過度承諾是什麼。討論了五個同步平台創新，包括公共區塊鏈、能源儲存、人工智慧、機器人和多組學測序的整合，以及這些平台如何影響對未來幾年醫療保健領域的看法。人工智慧（AI）和基因組學在醫療領域的應用和影響。專家們討論了從AHRQ啟動以來的發展，包括基因組革命和行動革命，以及這些技術如何成為未來的「貨幣」。
- 基因組定序的挑戰，包括高昂的成本和技術的不成熟，以及如何透過降低定序成本來解決這些問題。如何利用這些數據來識別疾病的早期表現，以及如何利用技術如CRISPR基因編輯技術來修復多組學資料中的程式錯誤。討論了基因療法在治療鐮狀細胞疾病和β地中海貧血等疾病方面的成功，以及這種療法如何改變了患者的生活。
- AI在醫療保健中的未來，包括如何透過AI來恢復醫病關係，以及如何透過大型語言模型來提高同理心和溝通。討論了GPT-4的潛力，以及如何利用這種技術來改善醫療保健。專家提到，自GPT-4公開以來，已經成功撰寫了數十萬份臨床記錄，全球有超過70個衛生系統正在使用與GPT-4整合的Epic。小組還提到了「反向提示」的概念，即AI模型能夠從對話中找出額外的細節，作為對臨床醫生的建議。特別的，討論了電子健康記錄的失敗，以及如何透過AI來改善這種情況。
- AI如何改變投資概念，以及AI在藥物發現領域的應用。提到了一些公司，如Abridge和希波克拉底人工智慧，這些公司利用AI技術來改善醫療服務。討論了AI在預測藥物交互作用和找到新的目標蛋白質的應用，以及微軟研究院在這個領域的研究。提到了一些投資的公司，如PacBio，Recursion和Lowe，這些公司都在利用AI技術進行藥物發現和治療癌症。
- AI在生物學領域的應用，以及如何利用AI技術來模擬物理模擬和化學反應。預測未來兩年內，這種技術將在實踐中達到新的水平。也提到了一些挑戰，如資料保護問題，以及如何匯集足夠的資料來實現願景。提到Benevolent AI公司在新冠肺炎治療藥物發現的成功案例，以及史克里普斯研究中心在蛋白質結構開發上的進步。討論了空間組學在疾病生物學研究中的應用，以及「幻覺」（指不存在的生物分子）在藥物發現中的潛力。強調醫學界需要積極解決新技術的應用問題，並建立監管架構。
- 醫療保健和生命科學領域的最新進展，包括個人化醫療、精準醫學、診斷錯誤的減少，以及透過人工智慧識別生物標記物來預測疾病風險的可能性。提出了一個例子，即AI可以產生準確率達90%的筆記，使醫生能夠在兩分鐘內解決問題，而不是可能需要40、50分鐘。
- AI在健康管理方面的潛力，特別是對年輕人的關注。隨著年輕一代對健康的關注度提高，醫生將會更加專注於健康和疾病管理的科學研究，這將產生一種前所未有的需求推動力。這些工具可以幫助人們更了解自己的健康，提出正確的問題，迫使整個產業採取行動。
----
以下是小組討論的書面全文版：
各位早安，歡迎參加NVIDIA GTC以及我們的會議「生成式AI在現代醫學中的作用」。請熱烈歡迎NVIDIA醫療保健和生命科學副總裁Kimberly Powell，以及我們的小組成員Peter Lee、Eric Topol和Kathie Wood。
我必須說，能夠主持這個令人難以置信的小組會議，我感到非常謙卑和榮幸。你們來這裡是為了聆聽一些令人驚嘆的觀點，他們是這個行業最豐富的經驗，而我今天早上剛剛在主題演講中分享了這一點，我認為這在醫療保健領域絕對是非凡的。因此，我們將真正討論人工智慧的變革性影響及其在重塑醫療保健服務方面的作用。我想談談它將如何加速我們的醫學發現並改善患者的治療結果。
如果可以的話，我想先介紹一下我們尊敬的團員。我很榮幸能夠這樣做。我左邊是凱西·伍德（Kathie Wood）。她是ARK Invest的首席執行官，該公司於2014年創立，並以其在自動駕駛汽車和基因組學等非常顛覆性技術方面的投資策略而聞名，我對這兩件事非常感興趣。凱西在非常嚴格的研究中確立了自己的地位。我自己已經研究了很多年，指導我們在NVIDIA的投資方向，而她則為這些指數成長機會的投資制定了這些論文。凱西也熱衷於人工智慧、生物技術、能源以及她將與我們分享的其他一些領域。
凱西旁邊是埃里克·托貝爾博士。他是史克里普斯研究轉化研究所的創始人和所長。艾瑞克是分子醫學教授、史克里普斯研究中心執行副總裁，是世界知名的心臟科醫師、醫學科學家，也是被引用最多的10位醫學研究人員之一。真是榮幸。艾瑞克率先發現了多種增加心臟病易感性的基因。他的科學重點是利用基因組學、數位健康數據和應用人工智慧工具進行個人化醫療。
埃里克左邊是微軟研究院院長彼得李，他在人工智慧、運算基礎、健康和生命科學領域孵化新的研究驅動產品。 Peter的技術應用範圍非常廣泛。他為DARPA建立了技術辦公室，以建立機器學習、數據科學、計算社會科學方面的能力，是美國國家醫學院的成員，也是艾倫人工智慧研究所和凱撒研究所的董事會成員，只是為了列出一些約會。
我可以繼續介紹這些尊敬的演講者，但我想與大家分享他們的一些觀點。所以，我想說的是，我在這裡感到興奮的是，你們每個人都有共同的、非常深刻的評論，即把大部分時間用於對技術進步進行極其深入的研究，並以非常不同的方式應用這些知識，用於投資、未來的產品，甚至醫學。因此，我想為你們所有人或你們每個人提出一些觀點，當你們回顧過去科技試圖徹底改變醫療保健的無數方式時，你們認為哪些特定技術產生了最大的影響，然後反過來，最令人驚訝的不足或過度承諾是什麼？
所以，凱西，我想我先從你開始，然後你可以把它交給艾瑞克。
好吧，我在科技和電信泡沫期間投資，那是我們第一次聽到個人化醫療這個詞。我們預計在未來幾年內，我們將找到治療特定疾病的方法。然而，這個進程過於迅速，大量的資本在短時間內追逐有限的機會。這導致了科技和電信泡沫的破裂。自那時起，尤其是在經歷了08-09年的金融危機後，人們對此產生了恐懼，這種恐懼不僅圍繞著科技和電信，還包括醫療保健、生物技術等領域。在所有的創新中，傳統的資產管理領域都存在著恐懼，當然，私人領域的恐懼相對較少。
我認為，只要引用當時的一些統計數據就可以說明問題。 2003年，第一個完整的人類基因組被定序，儘管後來我們得知它並沒有被100%定序，但我們認為是這樣。這個過程花費了大約27億美元，我相信這是由美國國家衛生研究院（NIH）完成的，耗費了13年的運算能力。那是2003年的事情，我們已經看到了半身像，但沒有辦法為黃金時段做好準備。然而，僅僅20年後的今天，我們的價格已經降至200美元。只需要200美元和幾個小時的運算能力，觀察金融市場就變得非常有趣。
他們對這一切都非常懷疑，至少在傳統金融市場上，我們的ARKG，即基因組革命、多組學革命，是去年開始的牛市中的落後者。但我們確實相信，定序和人工智慧之間的這種融合（我知道我們稍後會討論）將產生最深遠的結果，改變人類的生命、植物的生命、動物的生命等等。因此，我總是喜歡在期望較低且恐懼較高時進行投資。這通常會帶來長期的回報。
艾瑞克，你在這個領域有很多經驗，很多觀點。你對超額交付或交付不足的事情有何看法？
首先，我很高興看到這個群體的規模和興趣。他們還在進來，他們還在進來。這表明，儘管多年來數位健康領域令人失望，但仍然存在希望。
我認為，不幸的是，電子健康記錄迎來了這個時代，這是一個巨大的失敗。正如凱西所提到的，基因組學尚未真正實現。 FDA標記了數百種用於基因組交互作用的藥物，但它們沒有用於臨床，幾乎沒有。除了一些癌症突變和一些罕見的事情之外，基因組學領域的豐富知識尚未真正轉化為臨床實踐。部分原因是無法處理所有數據。我認為現在我們看到一個新階段的開始，因為我們可以開始處理任何個人資料的多層，這是我們以前無法做到的。所以它基本上是一個無處可去的數據集合，全部都經過精心打扮。但我認為情況即將改變，我確信我們會解決這個問題。
你寫了一本關於深度醫學的書，我想我們都從中學到了很多。我認為，作為一名技術人員來說，我認為技術行業犯了一個善意的錯誤，即首先轉向診斷。因此，當我們作為技術人員考慮醫療保健醫學時，我們最初只考慮這一點。我對此感到內疚。當然，我認為著名的電腦科學家也曾發表過著名的聲明，例如，放射成像完全被人工智慧所納入。當然，我們已經取得了巨大的進步，而這些事情正在發生。
對於凱西的觀點，我認為，特別是在組學領域以及蛋白質設計、結構預測等方面，正在發生一些令人驚訝的事情，我毫不懷疑這些事情將帶來進步。我認為許多早期有意義的應用程式確實確實有助於提高生產力和日常工作滿意度。醫生、護士和管理人員。事實上，我對此非常感興趣，以至於我們在微軟收購了一家公司Nuance，該公司完全專注於減輕醫生和護士的筆記負擔。當然，那裡擁有大量的人工智慧資源。 Eric曾經提到過一些關於電子健康紀錄的重要觀點。我認為，人們並沒有充分意識到，在過去的20年裡，我們已經從只有約15%的健康記錄數位化，發展到現在幾乎所有的健康記錄都已經實現了數位化。因此，我認為我們所有人都應該思考一個問題，那就是我們能從這一切中獲得什麼好處？
我完全同意凱西的觀點，即利用我們的新型人工智慧工具，我們確實可以做很多事情，這讓人感到非常興奮和樂觀。是的，我必須承認，我對過去幾十年的數位化感到非常感激。我們已經實現了醫療保健的數位化。因此，我們現在可以閱讀這些記錄，但我們還沒有達到能夠從中得出深刻見解，或以精準醫學或個人化醫學的方式理解它們的程度。
凱西，您曾經提到，在20世紀初，我們的平台創新就改變了我們的日常生活，例如電話、電力和汽車。您最近也描述了五個同步平台創新，包括公共區塊鏈、能源儲存、人工智慧、機器人和多組學定序的整合。那麼，哪些平台的融合真正影響了您的觀點？我想你已經開始談論這個問題了，但是這些融合的平台是什麼，它們如何塑造你對未來幾年醫療保健領域的看法？例如，您提到了基因組學的最新進展。現在，它不再被稱為基因組學，而是多組學定序。那麼，您能否分享一下您對醫療保健行業的投資論文的2024年最新情況，以及這些平台融合如何推動您的思維方式？
當然，我認為自從我們啟動AHRQ以來，過去10年的研究已經為我們提供了很多資訊。當我們啟動AHRQ時，我們稱之為基因組革命。現在我們稱之為行動革命。我認為這將成為未來的貨幣，可能是世界上最珍貴的商品。我預計到本十年末，甚至可能更早，我們將擁有相當的能力和豐富的領域專業知識。
關於融合，Kimberly，您剛才提到的這五個創新平台涉及14種不同的技術。因此，正如我所提到的，多組學測序和人工智慧這兩個主要平台正在以最深刻的方式整合。這是非常有趣的學習，這也是我一直在這個領域所做的事情。
我們在開始研究這個領域時，對其了解的非常少，這意味著我們甚至無法真正對人類基因組進行定序。因為成本太高，技術還沒成熟，所以我們無法判斷。我們的基因組中有三十億個鹼基對，我們有30兆個細胞，我們有20,000個蛋白質編碼基因，我們有多達一百萬種蛋白質，我不確定具體是多少。正如埃里克所說，這些都是數據。但我們無能為力。我們知道它們存在，但在這些定序技術的成本降低之前，我們無法測量它們產生的任何結果。
現在我們可以在所有這些數據中識別出各種歐姆的突變，對吧？突變，什麼是突變？它們是疾病的最早表現。我拿這個來比較，不是隨便的，我也不是想開玩笑，但在廣告業的早期，想想60年代的《廣告狂人》，對吧？當時的笑話是，我知道我的廣告有一半是有效的，我只是不知道哪一半。同樣如此，只不過在醫療保健領域可能更是如此。在我們掌握所有這些資訊之前，有很多猜測。由於我們這個訴訟社會，有很多手術可能不應該進行，很多藥物不應該服用。目前，我們正在不斷學習和探索。我們可以看到，技術的突變和發展是不斷的，例如CRISPR基因編輯技術。如果在您的多組學資料中存在程式錯誤，那麼編輯這些錯誤難道不是一個好的解決方案嗎？這就是治癒疾病的承諾。然而，大多數人並不相信這一點。
實際上，在金融市場上，我想回到當前正在發生的一些令人難以置信的情況。他們很難相信我們，也就是眾所周知的投資者，已經幫助治癒了鐮狀細胞疾病。這曾經是一種無法治癒的疾病。而現在，FDA和歐洲已經批准了這個治療方法，這就是基因療法，與治療β地中海貧血的方法相同。
為了讓你深刻理解這一點，我想告訴你一個事實。第一個參加β地中海貧血試驗的人，他接受的是CRISPR療法，他平均每年必須去醫院急診室17次輸血。然而，在這三年裡，我想他現在已經是第四年了，在這次試驗中，他一次都沒有去過醫院。這是多麼驚人的事實。
是的，這確實令人驚訝。而且，您知道，正如您剛才所描述的，多組學是我們仍然不太了解的硬數據。因此，我和你一樣，非常樂觀地認為，正在建構的新平台確實能夠以高解析度測量事物，並能夠應用人工智慧。我認為我們將開始提取一些非常有意義的數據。
但現在我想回到電子健康記錄，我認為它是一種失敗。這聽起來很殘酷，但並非不實。這是我們可以理解的數據，這是我們的語言，它捕捉了醫學的語言。
所以，我很好奇，正如彼得指出的那樣，艾瑞克撰寫了幾本關於未來醫學的暢銷書，包括《醫學的創造性破壞》、《病人現在會見到你》、《深度醫學》和《人工智慧如何讓醫療保健再次人性化》。艾瑞克，你曾說過，技術是時間的禮物。我真的很喜歡這句話。它能夠將護理重新納入醫療保健。您也非常關心病人的權利。
因此，在這個ChatGPT時代，我們今天所處的位置，《深度醫學》，早在2019年，當你在這個主題演講台上時，你就慷慨地為我簽了一本書。現在我們已經過去幾年了。請與我分享您對我們的發展方向的一些看法以及您對此的感受。
是的，我很想聽聽。當然，我認為令人著迷的是，幾十年來我們看到醫病關係受到更多侵蝕。正如彼得指出的那樣，是的，我們已經完全轉向電子記錄，但改變臨床醫生的是數據文員。所以問題是，我們要怎麼把它找回來？
這就是深度醫學的主要前提，那就是如果我們最終能夠讓這些人工智慧模型發揮作用，而我們在2019年還沒有做到這一點，那麼我們就可以做到這一點，並且最終可以擺脫資料管理員的功能。
正如您所指出的，金伯利，是的，我們有數位化健康記錄，但我們還沒有對其中的許多其他部分進行數位化，您知道，患者的摘要、該人所有數據的綜合等等。所以我們現在終於有了生成式人工智慧，有了做這些事情的能力。
誰知道當我在2018年與人工智慧領域的領導者交談時，每個人都同意，我們沒有模型，但有一天我們會得到它們。現在我們也這麼做了。現在，時間的禮物是我認為我們將如何恢復這種關係，拋開我們想要修復所有錯誤，這是一個非常大的問題，拋開其他目標，劃分我們可能會遇到的風險談論。
但整個想法是我們可以讓患者更自主、更有責任感。我們可以讓醫師從資料文員職能的任務中解放出來。然後我們就會恢復這種關係。我正在閱讀Peter關於GPT-4的書。這是首次證明機器能夠促進同理心的交流，儘管機器本身並不理解同理心是什麼。這是一個令人眼前一亮的發現，事實證明這個發現具有預見性，因為現在我們看到許多研究表明，大型語言模型確實能夠促進同理心的溝通。
我懷疑在未來，每個臨床醫生都必須接受如何透過大型語言模型來實現最大程度的同理心和溝通的訓練。這是誰都未曾預料到的。我也不知道這一天會來。這實際上是醫療保健未來的另一個令人興奮的方面。
是的，這是對Peter的一個很好的引導。我們共同創作了一本令人難以置信的書，我向每個人推薦這本書。現在可以在亞馬遜上訂購這本書，還有《Deep Medicine》。這是Isaac Kohane博士和Kerry Goldberg的《醫學人工智慧革命、GPT-4及其他》。
你們捕捉到了這種非常獨特的體驗，即提前接觸GPT-4，並運用你們的研究理念，試圖回答Eric在他的書中所提出的問題，即未來的必然結果是什麼？我們理想的未來是什麼？ 2019年，Eric寫道，天哪，想像一下，如果未來是這樣的，世界會如何改變。
我聽你說過，每個病人、每個護士、每個醫生的口袋裡都會有ChatGPT，就像每個人都有iPhone一樣。 ChatGPT公開18個月後，你對它的評價是什麼？你認為GPT的優點和神奇之處是什麼？我認為Eric剛才提到的實際上是你將其描述為對醫生的反向提示。所以請與我們分享。
當然。我在2022年夏末接觸到了我們現在所說的GPT-4，並立即開始了幾個計畫。其中一個項目非常注重嘗試了解其在醫療保健和醫學領域的含義和可能的應用。然後OpenAI在2022年11月發布了基於較弱模型3.5的ChatGPT。
我清楚記得12月3日，我收到了一位臨床醫生朋友發來的第一封電子郵件，這是幾封電子郵件中的第一封，或多或少都說了同樣的話，那就是，哇，Peter，這真是太棒了，我正在使用它為此目的在我的診所。
那是一個令人難以置信的激動人心的時刻，但也是一個令人震驚的時刻，因為我們已經足夠了解這些事情會犯錯。他們產生幻覺，他們把事情弄錯了。人們明白嗎？要知道，醫生心智模型中的計算機是一台能夠進行完美計算、具有完美記憶回憶的機器。而更大的語言模型則兩者都沒有。所以，人們對此立刻感到恐懼。
因此，我們在微軟收到的回應之一是，我非常感謝專業作家和記者Kerry Goldberg，以及我在哈佛醫學院的同事Zach Kohane的加入，以及微軟研究院的Sebastian Bubek的參與。我們了解到，有人告訴我們，醫學界的人實際上仍然在閱讀。誰曾想到？
因此，我們追隨Eric Topol的腳步，寫了一本書，試圖向醫學界、醫生、護士和管理人員解釋這項技術的全部內容。事實上，最令人驚訝的事情之一是，自從GPT-4公開以來，到現在剛好一年多一點。 GPT-4已經成功撰寫了數十萬份臨床紀錄。目前，全球有超過70個衛生系統正在使用與GPT-4整合的Epic。大約三週前，我進行了一次統計，發現在主要的醫學期刊上已經發布了112篇專注於人工智慧產生的研究論文。我們常說醫療保健領域的發展步伐緩慢，但實際上，所有這些成就都是在短短一年的時間內實現的。
其中，最讓我驚訝的成果是我稱之為「反向提示」的概念。當你使用一個大型語言模型，例如起草一份要發送給患者的便條時，這個模型具有不知疲倦的能力，能夠從對話中找出字串中的花絮。例如，這個病人可能即將成為祖母，或者即將首次前往巴黎，模型能夠添加這些額外的細節，作為對臨床醫生的建議。研究結果顯示，這會讓臨床醫師多花10秒鐘思考病人的生活，決定是否接受這個建議。我認為，這種額外的小連結正是越來越多的人開始感受到的。
一年前，我父親在患病18個月後去世。我發現，很多人都經歷過這種情況。對我和我的兩個姊妹來說，最困難的事情是，我們都住在距離我父親數百英里的地方，當時他正在處理長達18個月的疾病，涉及一名初級保健醫生和兩名專家。在那段時間，我和我的兩個姊妹之間的關係出現了緊張。典型的爆發點是，我們會與專家K醫生進行15分鐘的黃金通話，然後我們會爭論如何利用這段時間。我了解到，現在美國、中國或歐洲的許多人都在經歷類似的情況。
因此，為了提供所有實驗室測試結果、我們對GPT-4的所有註釋，解釋情況並說，我們即將與K博士進行15分鐘的通話，我們應該做的最重要的三件事是什麼談論？不管是不是幻覺，雖然很好，但只是降低了溫度，讓我們一家人能夠一起工作。這是這種同理心的另一個例子，我認為這是去年最大的驚喜。是的，這太不可思議了。這不僅是護理，更是個人化的護理。它完全根據具體情況進行個性化設置。這並不是對一個非常普遍的情況產生同理心。這是一個非常個性化的情況。
所以凱西，我很快只想問你的觀點，然後我想回到彼得，實際上，因為你談到了我想談論的一些事情，只是圍繞這方面的監管思考。但從您的角度來看，ChatGPT如何或根本改變了您的投資理念？我重點介紹了GTC中的兩三個出色的公司。負責做醫療總結的Abridge直接整合到Epic中，每月為臨床醫師節省70小時的時間。帶有即時數位代理的希波克拉底人工智慧可以在手術後給您打電話，詢問您的情況，看看您是否遵守藥物治療，並為您提供有關吃什麼可以更快康復的建議。
以一種非常個性化、非常自然的方式，可以同時談論你的狗以及他是多麼可愛，非常嚴肅，並將這些信息提供給你的醫生，他沒有時間打電話，但很關心非常關心你的表現。那麼，您在數位健康等領域或其他GPT時刻會影響您思考的領域是否有任何新發現或額外的探索？因此，在我們的《2024年大創意》中，我們有兩張圖表，我認為它們意義重大，不僅針對醫療保健，而且針對所有領域。其中之一是2019年ChatGPT之前的版本。一群未來學家進行了一項調查，探討我們何時能實現通用人工智慧。他們採用了一些具體的方法來分析或衡量這個問題。在2019年，這些未來主義者預測需要80年才能實現。然而，到了今天，他們的預測縮短到了8年。
我認為，另一張圖表再次具有挑釁性，它揭示了一些細微的差別，並以數字方式消除了醫療保健系統的一些痛苦和摩擦。如果你回顧過去130年，寫一篇1000字的論文的成本一直在300到500美元之間。最近的一次是在2022年，成本為300美元。然而，去年，GPT-4的價格從300美元下降到了16美分，Claude-3的價格為4美分。對於Claude-2，我認為價格大約是一分錢。這種情況讓人感覺到這個時刻的不連續性，以及我們必須如何認真對待並利用這個時刻。我們的許多工作更多是在研究方面完成的。
我們將如何利用這項技術，或者研究人員將如何利用這項技術來治癒癌症？我們投資了與NVIDIA合作的三家公司。 PacBio首次將GPU應用於定序機Revio中的長讀長定序，這是目前最全面、最可靠的定序技術。然後是藥物發現領域的兩家公司，Recursion和人工智慧推理引擎Lowe。它們是BioNemo類應用程式平台的一部分。然後是AbSci，它是電腦模擬藥物發現的合作夥伴。
因此，再次發現和測序以定位這些突變，然後在查看組織活檢時更深入地研究單細胞，您將能夠識別哪個細胞上的哪個基因。考慮一下，有20,000個基因和30兆個細胞。因此，要認真了解癌症的具體位置、突變的位置，以便我們有可能治癒它。
我要開始探索醫學，彼得，也許我會回到我要去的地方，因為你把我們帶到了那裡，這很令人興奮。我們正在交談。因此，我們顯然對產生人工智慧和藥物發現的應用感到特別興奮。正如我在演講中所描述的，一個簡單的思考方式是我們第一次可以在電腦中代表毒品世界。我們可以在電腦中表示化學、DNA、RNA、蛋白質，這意味著一旦您可以表示它，因為我們已經透過這些平台將其全部數位化，您就可以將其放入這些可以表示它的非常令人驚奇的模型中。您可以在我們幫助建立的人工智慧超級電腦上開始建立非常複雜的模型。然後，您可以開始嘗試在多個、多個尺度上預測這些模型的相互作用。所以我們對此感到非常興奮。
艾瑞克，讓我們來談談微軟研究院正在這個領域進行一些真正突破性的研究，透過深度學習、分子和蛋白質結構的預訓練模型來預測藥物之間的相互作用，試圖找到新的目標蛋白質。您團隊的工作中值得注意的甚至是圖形Transformer工作。您能分享更多有關團隊所做的出色工作的資訊嗎？你如何集中工作？你對工作的看法如何？數位生物學領域真正令人興奮的是藥物發現。你想看這個嗎？我們剛才談到的應用於語言以及在這個領域中應用它？是的，我認為真正令人興奮的是人工智慧研究領域中出現的最高信心和樂觀情緒，我們用來學習的這些人工智慧模型，我們稱之為人類思想和表達的數位排氣，也可以向自然學習。最能鮮明體現這一點的就是蛋白質和分子。我認為，這種情況的出現不僅源自於我們在微軟研究院的生活，而且我現在無法前往世界上任何一所在這條道路上並非熱門的頂尖研究大學或研究實驗室。其中一個有效的原因是我們都能產生數據。我們了解物理方程，能控制原子和分子。簡單來說，我們可以利用它來產生完美標記的訓練數據，然後在Transformer架構中使用3D圖學習來模擬物理模擬，一次跳過數百萬個步驟，同時保持化學的準確性。你們的執行長詹森展示了其中的一些內容，這真是一項了不起的工作。我總是猶豫是否要做出預測，但我預測兩年後這將減少到那個程度的實踐。
最大的問題是，我們能否將生物堆疊提升到凱西所指的組學領域？在那裡，我們不一定有這方面的物理方程式。我們對其中的機制有一些了解，但我們訓練這些模型和提升堆疊所需的大部分資料都來自直接觀察。通常，這些觀察結果對細胞具有破壞性。如今的生物技術、生物科學和生物製藥產業，他們非常保護自己的資料。事實上，我預測，在接下來的兩年裡，他們將比以往任何時候都更具保護性，因為生成式人工智慧將給每個擁有這些數據的人希望他們能夠從中提取價值。因此，最初的反應是，天哪，它現在真的有價值了。我會變得更自私。我們必須克服困難才能真正開始匯集足夠的數據並實現凱西所指的願景。但如果我們到達那裡，我絕對同意凱西的觀點，即天空才是極限。我們真的可以開始模擬大量的人類生物學。
是的，艾瑞克，你對此有一些看法，對嗎？你一直致力於發現新藥、個人化醫療，但這其實也提出了一個有趣的挑戰。我甚至可能會了解你對數據這一事實的即時看法，你在斯克里普斯研究中心，對嗎？那我們如何真正幫助研究界也參與其中呢？因為你已經非常成功地找到了直接適用於疾病的基因。你對將其用於藥物發現領域有何看法？你如何想像將其應用於你的患者？
是的，這是在大流行期間發生的。 Benevolent AI是這個領域的眾多公司之一，他們進行了一次挖掘，發現一種用於治療類風濕性關節炎的藥物，巴瑞克替尼（baricitinib）可能對治療新冠肺炎有用。事實證明它不僅有用，而且可以挽救生命。 FDA已批准它用於治療嚴重的新冠肺炎。這是第一個例子，但現在有20種藥物實際上正在進行臨床試驗，無論是第一期還是第二期。所以這正在發生。
然後根據凱西和彼得的評論，在我們斯克里普斯研究中心，當我十多年前第一次到達那裡時，它還處於早期階段，需要兩三年的時間來開發晶體蛋白質的結構。現在是兩三秒或分鐘，無論如何。所以這就是縮放。本週出現了第一個從頭抗體，自然界中並不存在。這就是幻覺真正厲害的地方。你其實想要產生幻覺，這樣你就能找到不存在的東西。因此，即使是現在正在轉向抗體並將轉向小分子的蛋白質堆棧，僅此一項就非常了不起。然後當我們討論其他組學時，這一點將會佔據主導地位。
金伯利，你今天早上強調的事情之一是空間組學。了解空間和時間的能力使我們對以前從未遇到過的疾病的生物學有了新的認識，不僅是癌症，還包括所有其他主要慢性病。所以這是一個真正正在擴大的領域。確實如此。我可以補充一些內容嗎？當然，凱西。你剛剛提出了一些非常有趣的觀點，艾瑞克。這是第一個例子。我們一直在圍繞著「幻覺」這個概念進行深入的討論。他們都是壞的嗎？或者，其他人可能會將它們稱為“虛構”。他們是壞的嗎？也許不是。因為這相當於夢想，而且具有極高的創造力和想像嗎？你剛剛給了第一個例子。這真是太妙了。不，這真的很棒，因為你只需要選擇哪個幻覺分子來運作。這真是令人驚嘆。是的，正如我所受的教育，我是電機和電腦工程專業的。我沒有生物學背景，但是，隨著演化的發展，當你有了一種起作用的蛋白質時，演化就會繼續前進。這並不意味著它已經測試了10到160種可能在某些地方適用的蛋白質。
因此，從你的觀點來看，當我們試圖探索如此廣闊的空間並幫助我們的科學家和研究人員跳出框框、跳出他們自己的經驗區域思考時，幻覺實際上可能是一件很棒的事情。現在，我們擁有了工具，可以以相當無法滿足的長度使用計算機，然後將其放回實驗室去收集基本事實，因為正如你所說，彼得，我們非常有能力構建非常高的保真度、高保真度。品質可靠的數據。所以我認為這真的很令人興奮。我總是可以依靠艾瑞克和凱西讓我對幻覺這樣的可怕問題感覺更好。完全正確。
然而，我不想讓你擺脫困境，彼得，因為你有一種非常非凡的思考方式，回到房間裡潛在的大象，我什至不想這麼稱呼它，但只是考慮到潛在的監管問題，在你的採訪中，甚至在閱讀這本書時，你都會以非常平衡的方式思考正面和負面的因素。你經常說「是否」、「何時」和「如何」這些詞，我真的很喜歡這樣，因為這是一種非常簡單而尖銳的方式來思考我們是否應該這樣做，我們應該如何做，以及我們何時應該這樣做（如果有的話），應該應用該技術。
所以，我正在努力，我們這裡有一群令人驚嘆的人群，這不是任何一家公司或任何一個實體都能解決的問題，尤其是在具有這種潛力的事情上。那麼，與監管機構進行了哪些對話，或者正在製定哪些標準（如果您知道的話），您會鼓勵包括我自己和NVIDIA的所有同事在內的觀眾，我們應該做什麼？你有什麼建議嗎？
是的，也許有三件事情可以快速提及。首先，正如您所提到的，我強烈認為醫學界本身應該積極主動地解決這項技術是否、何時以及如何應該或不應該用於醫學實踐和醫學科學進步的問題。這種自信的所有權意味著真正開發可以發展監管框架的基本概念。在那裡，我真的非常樂觀。世界上最聰明的醫學界人士正在認真思考這個問題。我認為，美國國家醫學院今年將發布行為準則指南。美國醫學會已發布指南。很多事情正在發生。我認為，醫療保健和醫學領域的每位主要領導者實際上都在正面面對這個問題。
其次，監管機構需要獲得採取行動的許可，因為我們確實需要監管。我認為，白宮行政命令以及最近通過的歐盟人工智慧法案，都是向監管機構發出的信號，表明他們可以做一些事情。不太清楚。如果您是FDA的Rob Califf，您就會敏銳地意識到生成式人工智慧是國家競爭力的技術核心。因此，您不想犯下妨礙國家競爭力的監管錯誤。世界各地的監管機構都不需要這樣做。但我們確實需要監管，以便為像我們這樣的公司提供明確的行動依據。第三個重點是了解事情的發展方向。
以一個簡單的例子來說，當醫學新技術初次出現時，人們可能會產生負面的反應。這個想法的回饋可能會非常糟糕。例如，醫生在為你進行手術之前，應該先洗手。你肯定不會希望你的產科醫生僅僅透過聽孕婦的腹部聲音，就對嬰兒的健康狀況做出判斷。你會希望產科醫生使用超音波這樣的新技術。在不久的將來，如果認為醫生可以在沒有人工智慧幫助的情況下為你提供醫療服務，這可能也是一個魯莽的想法。因此，我們必須了解技術的歷史，因為它們成為標準實踐的過程中，披露和期望會發生變化。這是令人驚訝的事實。實際上，我對這些報告的了解並不多，但我認為傳遞訊息非常重要。我認為應該給予行動許可。對於這一點，我完全同意。
身為病人，我們最終都會成為觀眾。我當然希望我的醫生能將ChatGPT這樣的工具裝在他們的口袋裡。是的，我有這樣的期待，因為我曾多次向金融界發表演講，試圖讓他們生動地理解這個主題。我常說，隨著年齡的增長，我們會有越來越多的基因突變。這只是老化過程的一部分。如果我們每個人都有一位自己的遺傳學家，那不是很好嗎？每年我們都可以看到發生了什麼變化，或是發生了什麼突變。隨著更多的研究和發現，將會有更多的療法來解決這些突變。這是非常令人興奮的事情。
所以，我想問最後一個問題。我從我的同事那裡聽說，他們大多數都是像你們這樣的技術專家和傑出人物，他們都覺得活在現在是多麼美好的時代。確實如此，每天早上醒來，你會覺得活在現在是多麼美好的時代。或者正如Eric和Peter在Eric的YouTube播客Ground Truths上的對話。 Peter，我記得是你說過，實際上，我現在想起來不知道是哪一個，我從未想過這會發生在我的一生中。這真是太了不起了。因此，我希望你們每個人都能分享自己的驚奇、驚訝和展望。當我們來到GTC時，醫療保健和生命科學的第一手重大進展是什麼？是什麼讓你感到高興？你最樂觀的事情是什麼，你可以讓觀眾去尋找它？去尋找以了解更多資訊。用你自己的個人表達方式。
我想對我來說，我一直在努力推動個人化醫療。很多人稱之為精準醫學，但如果你一再犯下同樣的錯誤，那並不完全理想。那是準確的。所以我們需要醫學的準確性。我們遇到的、醫學界不願意承認的問題之一是，我們每年有80萬個嚴重的診斷錯誤。那就是殘疾或死亡。所以我們可以做得更好。現在，這是一個真正實現個人化護理的機會，透過引入我們一直在談論的所有這些數據層，我們還沒有真正擁有過這種護理。我確實同意Peter的觀點，即這最終將成為醫療實踐的規範。我們缺少的東西以及Peter指出的關於取得所有權的東西，我們還沒有產生令人信服的數據來證明所有這些證據表明這是正確的方法。我們必須這樣做。我想，隨著時間的推移，我們會做到這一點。但我確實看到，除了我們將錯誤率降到盡可能低的趨勢之外，最令人興奮的事情是劃分風險。這就是在很小的時候就定義了高風險族群。因為生命科學領域的人工智慧工作正在產生我們以前從未見過的生物標記。我們開始將生物標記、醫學影像、基因組序列放在一起，這樣我們就可以告訴一個年輕人，他面臨這類問題的風險非常高，這是可行的，但他永遠不會得到這種東西。對我來說，這可能是我們一生中醫療保健領域最大的潛在變化。雖然到達那裡需要一段時間，但我們可以看到前方的道路。
既然你提到了播客，我有幸與埃里克一起做，我將引用我在那裡說過的一些觀點。我親自經歷過，然後我看到很多其他人和整個組織經歷了我所說的人工智慧悲傷的九個階段。因為當我第一次得知我們現在所說的GPT4時，我非常懷疑，這只是第一階段。基於我對電腦科學和先前模型的了解，這種懷疑是有根據的。所以關於GPT4的說法對我來說並不合理。
然後我不知道我在微軟研究院的同事塞巴斯蒂安·布貝克（Sebastian Bubek）是否在這裡，但後來我進入了煩惱的第二階段，因為我看到我的一些最好的研究人員被這件事欺騙了。然後我感到沮喪，因為我的老闆、我們的技術長凱文·斯科特(Kevin Scott)明確表示我們將在這項技術上下大賭注。然後你進入第四階段，這是令人驚訝的。這對每個人來說都非常重要，必須親自動手，真正做到細緻入微。這與基準無關，而是與你自己的互動有關。
你會進入一段驚訝的時期，然後是你現在試圖製造的強度。真正實際使用這一點，當你遇到幻覺等神秘問題時會感到懊惱，並擔心你意識到事情會如何出錯。最後，你可能確實進入了某種接受或啟蒙的狀態，你意識到我們正在做一些真正具有變革性和重大的事情。這是非常新的東西，是一項新技術，我們沒有使用手冊，但我們都在努力解決這個問題。我認為對正在經歷某些部分的所有同事要有耐心。整個組織或公司的九個階段，以及它們所處的階段。我認為，其中的每個子部分都是我希望像您這樣參加NVIDIA GTC等會議的人們能夠幫助世界度過難關的一部分。
現在的製藥公司、執行長、我們在安進的同事，他們正在定期進行讀數，不一定是基準測試，讀數是關於其藥物發現計劃的進展。並不是說，我發現了這種藥，對吧？它不是直接用於診斷或靈丹妙藥，但它改變了我們進行藥物發現的過程，並改善了什麼？所以，埃里克，我真的很想讓我們進入醫療保健領域，看看它批准了什麼，對吧？簡單的例子和細微的例子是，我們可以產生多少這樣的筆記，準確率達到90%左右，這樣醫生就可以在兩分鐘內快速解決問題，而不是可能需要30、40、50分鐘。所以，真的非常非常興奮。
所以，凱西，也許你可以給我們留下你的想法，當你聽到這些令人難以置信的想法時。從世界知名的臨床醫生的角度來看，彼得推動了最先進的技術，這是多麼樂觀。在這個領域的基礎研究，但對其應用能力以及是否、何時和如何應用有著非常紮實的觀點。你的樂觀到底是什麼？在場的有很多新創企業。很多潛在的博士或教授可能正在考慮將他們的想法帶入工業界。您認為會發生什麼事？我確實認為，我們擁有的治癒疾病的例子和證據越多，首先，我認為這可能是追求這一目標的最崇高理由之一，而這涉及疾病方面。我對Eric和Peter關於健康問題的討論感到非常興奮，特別是他們對年輕人的關注。他們在積極尋求答案，提出問題。
我認為，未來最重要的一件事之一是，如果醫生們還沒有開始專注於健康以及所有可以幫助他們管理疾病的科學研究，那麼將會產生一種壓力，一種我們從未見過的需求推動力。這種需求推動力來自於我們從未見過的一代年輕人，他們非常優秀。
是的，在那個播客中，我們也談到了這一點。這種患者賦權和工具可以讓我們所有人更了解自己的健康，提出所有正確的問題，迫使整個產業採取行動。我會稱這是一種超能力，並希望它能以正確的方式被運用。
至此，我想我們可以得出結論了。我非常感謝您提供的這些令人難以置信的見解。未來是光明的，你可以親自去體驗一下，我鼓勵你這麼做。
非常感謝Peter、Eric和Kathie，Kimberly。謝謝。