本文來源創新工場微信公眾號
Alex是一名不同尋常的科學家,他是為數不多的既懂醫學又懂AI的科技創業者。
2014年,Alex創立了Insilico Medicine,現在已經成為了AI+醫療賽道上的頭部玩家。他的創業實踐,證明了AI+醫療的的巨大潛力。
傳統新藥研發像是一場冒險、漫長的豪賭:10年以上研發週期,30億美元左右的研發費用,以及高達92%的失敗率。
使用AI助力,Insilico希望做一個“綜合格鬥家”,將新藥研發週期壓縮在兩到三年內,同時大幅降低成本和失敗率。
▍新藥研發是一場豪賭
新藥品的研發,是一個極度複雜、冒險和漫長的過程。
在2010年,研製一款新藥需要花費17-18億美元,現在需要30億美元。儘管技術在進步,新藥研發成本卻越來越高。
經常出現的情況是,從業者提出了一個治療疾病的假說,但卻沒能看到產品上市,因為新藥研發從想法到藥品生產往往需要10年以上,並且有著高達92%的失敗率。
新藥研發步驟繁瑣,耗財耗時
有80%的可能性,是花了一年時間還沒有找到標靶的治療元素;有75%的可能性,是又花了一年半找到了治療元素,然後再花兩年時間優化它,從識別到優化就過去了四年半。
和人臉識別AI相比,藥品研發AI有非常大的區別。第一是驗證結果的時間特別長,所以大部分都以失敗告終。第二是沒有足夠的成功案例去訓練模型,所以我不得不經常抽自己的血,來快速驗證一個假設。
更糟糕的是,在制藥行業中,藥物發現和藥品開發通常不是一撥人,因為這兩個領域是不相連的。所以當引入新技術時,一旦無法同時與這兩個領域相融,時間成本就會成倍增加。所以很多人認為AI改變醫療行業,可能需要25年。
10年到25年,很少有藥企願意承擔這樣的豪賭。這也是為什麼聽說AI技術時,很多藥企持懷疑態度,因為他們已經聽過太多所謂的新技術,而這些新技術都失敗了。
▍醫療AI要做“綜合格鬥家”
上世紀90年代,人們總喜歡爭論,哪種武術流派才是最棒的。實際上,要成為冠軍,你需要更善於近身搏鬥、拳擊、腳法,甚至要精通摔跤技巧,要做一個“綜合格鬥家”(MMA)。
新藥研發從業者也要成為一個「綜合格鬥家」:你要善於識別目標,要緊密聯結生物和化學,要快速設計分子去扼殺目標,要精准預測臨床試驗的結果。
然而,上述所有步驟,在當下的藥物研發中都是割裂的。
Insilico Medicine正在做的,就是用“綜合格鬥家”一樣的AI,把這些步驟都統一起來,建立一套包括靶點識別、分子發現、臨床預測在內的端對端(end-to-end)新藥研發綜合解決方案。
我們尤其專注於靶點識別,使用病人的組學資料來發掘新的疾病靶點,當發現新的靶點後我們可以快速的運用生成化學深度學習模型來設計化合物驗證靶點的可靠性。
我並不是在說空話,Insilico目前已經在很多行業頂級雜誌上發表文章。就在最近,我們在Nature Biotechnology上展示了一個令人印象深刻的成果:
我們的合作夥伴藥明康德曾對我們進行考驗,為一個具有挑戰性的蛋白質靶點生成新的分子。這個挑戰以前需要4年半時間,而我們僅用21天就完成了,又在46天裏完成了一系列實驗驗證,而且命中率極高。
這種速度,包括實驗中使用的生成對抗網路技術、增強學習技術,都是具有革新意義的成果。
這就是我正在努力實現的夢想,相比於傳統的十年研發週期,我希望把新藥的研發過程壓縮在兩到三年的時間裏,然後快速治癒一種疾病。
同時也有3部Youtube影片,追蹤數超過5,870的網紅珊蒂微AI,也在其Youtube影片中提到,(上集) 這集【人物專訪】來到台灣大學跟一位「宅男味很重」的電機系老師合作拍攝影片,他的研究風格 and 教學風格充斥著:二次元動漫梗、PTT鄉民詞彙、寶可夢、周星馳電影梗…等等元素,甚至還摻雜了一點鄉土劇的成分在他的研究與教學當中… ㄟ!我不是在詆毀他喔,他這樣的研究跟教學風格可是大受學生歡迎呢...
end to end深度學習 在 李開復 Kai-Fu Lee Facebook 八卦
本文來源創新工場微信公眾號
Alex是一名不同尋常的科學家,他是為數不多的既懂醫學又懂AI的科技創業者。
2014年,Alex創立了Insilico Medicine,現在已經成為了AI+醫療賽道上的頭部玩家。他的創業實踐,證明了AI+醫療的的巨大潛力。
傳統新藥研發像是一場冒險、漫長的豪賭:10年以上研發週期,30億美元左右的研發費用,以及高達92%的失敗率。
使用AI助力,Insilico希望做一個“綜合格鬥家”,將新藥研發週期壓縮在兩到三年內,同時大幅降低成本和失敗率。
▍新藥研發是一場豪賭
新藥品的研發,是一個極度複雜、冒險和漫長的過程。
在2010年,研製一款新藥需要花費17-18億美元,現在需要30億美元。儘管技術在進步,新藥研發成本卻越來越高。
經常出現的情況是,從業者提出了一個治療疾病的假說,但卻沒能看到產品上市,因為新藥研發從想法到藥品生產往往需要10年以上,並且有著高達92%的失敗率。
新藥研發步驟繁瑣,耗財耗時
有80%的可能性,是花了一年時間還沒有找到標靶的治療元素;有75%的可能性,是又花了一年半找到了治療元素,然後再花兩年時間優化它,從識別到優化就過去了四年半。
和人臉識別AI相比,藥品研發AI有非常大的區別。第一是驗證結果的時間特別長,所以大部分都以失敗告終。第二是沒有足夠的成功案例去訓練模型,所以我不得不經常抽自己的血,來快速驗證一個假設。
更糟糕的是,在制藥行業中,藥物發現和藥品開發通常不是一撥人,因為這兩個領域是不相連的。所以當引入新技術時,一旦無法同時與這兩個領域相融,時間成本就會成倍增加。所以很多人認為AI改變醫療行業,可能需要25年。
10年到25年,很少有藥企願意承擔這樣的豪賭。這也是為什麼聽說AI技術時,很多藥企持懷疑態度,因為他們已經聽過太多所謂的新技術,而這些新技術都失敗了。
▍醫療AI要做“綜合格鬥家”
上世紀90年代,人們總喜歡爭論,哪種武術流派才是最棒的。實際上,要成為冠軍,你需要更善於近身搏鬥、拳擊、腳法,甚至要精通摔跤技巧,要做一個“綜合格鬥家”(MMA)。
新藥研發從業者也要成為一個「綜合格鬥家」:你要善於識別目標,要緊密聯結生物和化學,要快速設計分子去扼殺目標,要精准預測臨床試驗的結果。
然而,上述所有步驟,在當下的藥物研發中都是割裂的。
Insilico Medicine正在做的,就是用“綜合格鬥家”一樣的AI,把這些步驟都統一起來,建立一套包括靶點識別、分子發現、臨床預測在內的端對端(end-to-end)新藥研發綜合解決方案。
我們尤其專注於靶點識別,使用病人的組學資料來發掘新的疾病靶點,當發現新的靶點後我們可以快速的運用生成化學深度學習模型來設計化合物驗證靶點的可靠性。
我並不是在說空話,Insilico目前已經在很多行業頂級雜誌上發表文章。就在最近,我們在Nature Biotechnology上展示了一個令人印象深刻的成果:
我們的合作夥伴藥明康德曾對我們進行考驗,為一個具有挑戰性的蛋白質靶點生成新的分子。這個挑戰以前需要4年半時間,而我們僅用21天就完成了,又在46天裏完成了一系列實驗驗證,而且命中率極高。
這種速度,包括實驗中使用的生成對抗網路技術、增強學習技術,都是具有革新意義的成果。
這就是我正在努力實現的夢想,相比於傳統的十年研發週期,我希望把新藥的研發過程壓縮在兩到三年的時間裏,然後快速治癒一種疾病。
end to end深度學習 在 軟體開發學習資訊分享 Facebook 八卦
udemy 在機器學習與資料科學方面課程的熱門講師 Kirill Eremenko 最新課程
聊天機器人( ChatBot ) 的出現改變和重塑線上業務的運作。 幸運的是,這技術已足夠先進,讓這有價值的工具可被運用,幾乎任何人都可以學習如何實現。 本課程只需要高中數學水準,你將可從中學習到理論和如何實現深度自然語言處理的最先進和高水準的模型。
從這 6.5 小時的課程,你會學到
1. 為什麼這很重要
2. 自然語言處理的類型
3. 古典與深度學習模式
4. 端到端 ( End to End ) 深度學習模型
5. Seq2Seq 架構與培訓
6. 光束搜索解碼 ( Beam Search Decoding )
>英文字幕:有
https://softnshare.wordpress.com/…/deep-learning-nlp-a-z-c…/
end to end深度學習 在 珊蒂微AI Youtube 的評價
(上集)
這集【人物專訪】來到台灣大學跟一位「宅男味很重」的電機系老師合作拍攝影片,他的研究風格 and 教學風格充斥著:二次元動漫梗、PTT鄉民詞彙、寶可夢、周星馳電影梗…等等元素,甚至還摻雜了一點鄉土劇的成分在他的研究與教學當中…
ㄟ!我不是在詆毀他喔,他這樣的研究跟教學風格可是大受學生歡迎呢!他是誰呢?!
#台灣大學電機系
#李宏毅的宅男之力
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI

end to end深度學習 在 珊蒂微AI Youtube 的評價
(下集)
🍿在下集當中,李老師跟大家聊的內容有:
1. 老師的宅男風格教學之力
2. 老師在2020年春季將會開一門全新課程!
3. 老師「請公子吃電信餅」🍪🍪🍪
4. 老師的「台大語音實驗室」都在做什麼?
🤖五個研究方向
🤖GAN來GAN去
🤖神奇模型「Multi-BERT」
5. 台大傅鐘的老梗笑話
6. 最後有李宏毅老師秘辛大爆料
🍿影片中提到的五個研究主題,李老師都精選了一篇論文,連結如下,請各位大大笑納:
非督導式語音辨識: https://arxiv.org/abs/1904.04100
非督導式語音轉換: https://arxiv.org/abs/1804.02812
非督導式文件摘要: https://arxiv.org/abs/1810.02851
問答系統: https://ieeexplore.ieee.org/document/8700217
個人化聊天機器人: https://arxiv.org/abs/1901.09672
#GAN來GAN去
#台大電機李宏毅專訪
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI

end to end深度學習 在 珊蒂微AI Youtube 的評價
🍿在這支影片當中,觀眾朋友的提問如下,李老師都一一耐心回答惹(as always😊)
1. 機器可以回答哲學性的問題嗎?👉影片中,老師告訴你一個好玩的網站!
2. 神經網路架構的選擇方針?👉老師給出三個思考方向!
3. 老師有沒有Twitter? 👉影片揭曉!
4. 對機器學習領域未來發展趨勢的看法?👉影片揭曉!
5. 怎麼用Google sheets開發機器人?👉影片揭曉!
🍭可以跟你玩文字接龍的AI:https://talktotransformer.com/
🍭李宏毅老師有提到「GPT-2」的課程連結:https://www.youtube.com/watch?v=ugWDIIOHtPA
#跟你玩文字接龍的AI
#機器學習的未來
#選用神經網路架構的三撇步
#Generative Pre-Training (GPT)
#GPT-2
#Transformer
#Residual connection
#Deep Learning
#台大電機李宏毅專訪
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI
