Підключіть OpenTG до ChatGPT або Claude за 60 секунд

Спробувати

앤트로픽은 wet-lab 자동화해서 데이터 피드백루프 빨리 돌리는데 집중하고 있고, 반대로 아이소모픽랩스는 모든걸 가상으로 옮기려는데 집중하고 있다.

전종현의 인사이트

전종현의 인사이트

@chunjonghyun

Entrepreneur, Investor, Contrarian 🚀

10 002 підписники
Відкрити в Telegram
앤트로픽은 wet-lab 자동화해서 데이터 피드백루프 빨리 돌리는데 집중하고 있고, 반대로 아이소모픽랩스는 모든걸 가상으로 옮기려는데 집중하고 있다.

아래는 아이소모픽랩스 공동 창업자 Max Jaderberg 인터뷰:


"기업가치가 500억 달러를 넘는 바이오·제약 기업이 마지막으로 새롭게 탄생한 때가 언제인지 생각해 봤습니다. 모더나는 제외하고요. 모더나는 코로나19라는 우연한 계기가 상당히 작용했다고 생각합니다. 그 외에는 리제네론이 등장한 1980년대쯤으로 거슬러 올라가는 것 같습니다."

"업계의 많은 기법과 개발 방식은 각각의 약을 별개의 프로젝트로 취급합니다. 하나하나가 맞춤형 최첨단 과학 프로젝트인 셈이죠. 해당 프로젝트에 대해서는 엄청나게 많은 것을 배우지만, 다음 프로젝트로 옮겨갈 수 있는 지식은 그리 많지 않을 수 있습니다."

"AI와 머신러닝의 세계에서는 이 부분이 상당히 달라질 수 있다고 생각합니다. 약을 개발하는 과정 아래에 공통 플랫폼이 있고, 그 플랫폼이 각 프로젝트에서 얻은 배움을 충분히 흡수하고 이해할 수 있다면 어떨까요? 그렇게 얻은 지식이 질병 생물학에 대한 근본적인 이해, 좋은 분자를 설계하는 방법, 약을 정교하게 공학적으로 만드는 능력을 개선한다면요."


"이 분야가 흥미로운 이유는 프론티어 AI와 신약 발견, 화학, 생물학이 만나는 영역 자체가 그렇게 오래되지 않았다는 점입니다. 저희는 핵심 AI와 딥러닝 분야에서 말 그대로 가장 뛰어난 사람들을 찾습니다. 생명과학이나 생물학, 화학에 대한 배경지식이 없더라도 괜찮습니다. 다만 자신이 하는 딥러닝 연구가 인류에게 엄청난 영향을 주는 것으로 이어지기를 바라는 사람들이어야 하죠. 그렇게 AI의 핵심 인재를 채용합니다. 생물학과 화학의 핵심 인재도 채용하는데, 이들은 반대로 AI를 많이 접해 보지 않았을 수도 있습니다. 그리고 내부적으로 모두가 서로 이야기하고 배우는 문화를 만드는 데 큰 노력을 기울입니다."
"
저희 핵심 AI 팀의 궁극적인 목표는 이것입니다: 신약을 발견하고 설계하는 작업, 질병 생물학을 이해하는 작업을 어떻게 전부 컴퓨터 안으로 가져올 수 있을까? 다시 말해 실제 세계에서 수행해야 하는 작업에서 어떻게 벗어날 수 있을까 하는 겁니다. 거의 모든 다른 공학 분야가 컴퓨터를 활용한 설계로 옮겨갔다고 생각합니다. 저희도 이 분야에서 같은 일을 하고 싶습니다."

"그래서 핵심 AI 약물 설계 엔진을 개발할 때는 이런 질문에 집중합니다. “어떻게 하면 시뮬레이션 모델과 세계모델이 실험 수준의 정확도에 도달할 수 있을까?” 알파폴드를 예로 들어보겠습니다. 알파폴드는 구조 예측을 합니다. 단백질이 어떤 구조를 가지는지, 서로 어떻게 상호작용하는지를 다룹니다. 일반적으로 X선 결정학으로 구조를 규명하려면 몇 개월이나 몇 년이 걸립니다. 그런데 알파폴드 같은 시뮬레이션 모델로 그것을 할 수 있다면, 실제 세계에 나가 그 실험을 수행할 필요가 없어집니다. 몇 개월씩 시간을 절약할 수 있는 겁니다."

"신약 발견은 매우 어려운 과학적·공학적 문제들이 수없이 결합된 과정입니다. 각각에 대해 실제 실험을 대신할 예측 모델을 만들 수 있다면 엄청난 시간을 절약할 수 있습니다. 그래서 내부의 모든 성능 평가표에는 ‘실험 수준의 정확도’를 나타내는 점선이 그어져 있습니다. 우리가 만들려는 각각의 강력한 능력이 도달해야 할 목표가 바로 그 지점입니다."

"하지만 공공 데이터든, 제약사가 가진 데이터든, 다른 기업의 데이터든, 많은 데이터 저장소는 오랫동안 약을 만드는 활동을 하면서 수동적으로 수집된 부산물입니다. 그래서 편향이 아주 심할 수 있습니다. 신약 발견을 위한 일반적인 해결책을 만들려는 경우에는 그런 편향이 도움이 되지 않는 경우가 많습니다. -> 모델의 일반화를 정말 중요하게 생각한다면, 다른 분포를 가진 데이터가 필요할 수 있습니다. 그래서 저희가 직접 나서서 데이터를 생성합니다. 그 결과 정말 놀라운 데이터 스케일링 법칙을 관찰하고 있습니다."

https://www.youtube.com/watch?v=IiKf3BgBezE
Відкрити пост в Telegram