许锦波
分子之心创始人,清华大学智能产业研究院(AIR)卓越访问教授
1、在ChatGPT出来之前,我们在2019年就已经开始使用生成式AI去生成各种各样的蛋白质。用AI去做蛋白质的生成,有两大优点:第一,效率非常高;第二,用AI设计的蛋白质,成功率超过以前传统的分子动力学模拟方法。
2、过去我们花了很多时间研究蛋白质的设计,试图通过使用AI的方法,去创造自然界中不存在的蛋白质,我们想找到一个结构或者功能都可以满足特定需求的氨基酸序列。这其实是一个非常难的问题,主要在于可能的蛋白质序列空间是非常大的。假设我们想设计只有100个氨基酸的蛋白质,自然界有20种常见的氨基酸,这个空间是20的100次方,也就是说我们想从这么大的空间里找到满足我们需求的蛋白质氨基酸序列,这相当于是大海捞针一般。
3、AI不仅可以用来预测自然界里蛋白质的三维构型,也可以用来产生各种各样人体所需的基于某种特殊功能的蛋白质,在不远的将来,AI可能可以用来产生大分子药物。
丁胜
清华大学药学院创始院长、拜耳特聘教授
4、为什么制药领域没有诞生万亿市值的公司?一个原因在于这个领域的产品不可迭代。现在由于新技术的出现,细胞产品出现了可以迭代的场景,指的就是从通用型的诱导的多能或者全能细胞作为单一原料进行底层的基因编辑,可以实现迭代,这个代表未来10-20年真正出现可迭代产品的医药公司,真正诞生万亿市值的公司。
5、我们确实生活在一个很有机遇的时代,已经经历了大模型、人工智能的时代。在未来10-20年的时间跨度内,我们有可能会解决人类或者生命的终极问题——“如何通过非生殖系统创造一个生命,如何真正的再生/重生?”
孟庆虎
加拿大工程院院士、元化智能首席科学家
6、大家知道一个GPT的服务器造价非常高昂,运算非常贵,我们在普通的应用当中用不起这样的服务器,那么我们如何能够从人工智能的进步当中把它用到智慧医疗,用到机器人这些领域去呢?我们的答案就只有一个,那就是我们用“超低维场景智能”来应对我们的各种应用场景。
7、手术机器人目前是“从无到有”,智能化的道路还非常漫长。核心部件国产化、增强现实导航、专用机械臂等需求,都是目前亟待解决的问题。
8、智慧医疗的痛点在于核心技术积累不足,持续发展难,没有自己的原创技术。从医疗器械这个行业来说,未来5-10年,国内会逐步实现从模仿到创新的变化。
宋麒
智冉医疗联合创始人兼CEO
9、如果将目光放到更远的未来,我们觉得增强型的脑机接口可能是未来发展的趋势。现在脑机接口基本上还是瞄准诸如运动、视觉等等初级的功能,未来可能会更关注在记忆、学习、意识等等更加高级的脑功能上,应用场景也会拓展到更广泛的范围,可以实现真正的大脑增强的目的。
10、我们可以将脑机接口的发展分为几个大的阶段,从之前到2023年,现在的脑机接口最主要的应用场景是科研型的应用场景,针对各种脑科学的研究,包括针对一些神经相关的医疗器械,神经类药物的研发,尤其对于神经机理方面,可以做出很多贡献。下一阶段,2024-2028年,真正应用于临床落地的脑机接口能够诞生。主要目标也是针对神经疾病方向的治疗,包括神经功能的恢复,神经调控等等,我们认为会真正地实现临床落地。
11、脑机接口虽然是一个非常复杂的系统,但目前为止已经不存在非常难以突破的技术难关,更多的是工程性的开发。大概在5年以内会诞生真正能够应用于临床的脑机接口。
推荐阅读
壹
贰
叁
肆
伍
文章引用微信公众号"红杉汇",如有侵权,请联系管理员删除!