“聽著，你要明白，那個終結者就在那里，你沒法跟它討價還價，也不能跟它講道理。它感覺不到憐憫、悔恨或者恐懼，而且絕對不會停下——直到你被干掉。” ——Kyle Reese，《終結者》

數(shù)十年以來，好萊塢一直通過大屏幕對人工智能這一問題進行討論。事實上，其中最為著名的一部偽預言型影片于34年前上映，由此亦誕生出一個幾乎堅不可摧的人形機器人形象——作為電影的背景，這臺機器人于2029年對一位女服務員展開瘋狂追求，原因是她尚未出生的兒子將在更久遠的未來成為人類反抗軍抵御機器統(tǒng)治的最高領袖。

在克拉科夫市政工程博物館臨時展出的“鋼鐵角色展覽”中的終結者雕塑。

雖然那時候我們對于整個世界的計算機化轉型還抱有一絲恐懼，但事實證明信息時代與工業(yè)革命所帶來的變遷明顯利大于弊。

用計算技術對抗衰老

通過由創(chuàng)新型AI解決方案成果實現(xiàn)藥物發(fā)現(xiàn)、衰老研究與疾病預防及/治療，最終延長人類壽命。

Zhavoronkov指出，該公司的價值主要集中在其知識產權——更具體地講，由Insilico創(chuàng)造的合成分子上，其最終可能帶來數(shù)十億美元的收入。他解釋稱，“我們是全球排名前一百的人工智能企業(yè)之一。”但正如大多數(shù)將徹底改變世界的偉大頭腦一樣，利潤其實從來都不是關注重點。Zhavoonkov表示，他之所以建立起Insilico公司，其實是基于“基礎數(shù)學”而作出的“計算決策”。

質量調整生命年是衡量疾病負擔的一種通用型指標，其中涵蓋生命的質量與數(shù)量。質量調整生命年在經濟層面常被用于評估醫(yī)療干預的經濟性價值，因此一個質量調整生命年指代的實際是完全健康的一年。

美國國家醫(yī)學圖書館與美國國立衛(wèi)生研究院表示，質量調整生命年的計算方法非常簡單：“治療引起的效用值變化乘以治療效果的持續(xù)時間，即可得出質量調整生命年數(shù)字。質量調整生命年還可以與醫(yī)療費用加以結合，從而得出最終的成本/質量調整生命年通用標準，這項參數(shù)可用于比較任何治療手段的實際成本效益。”

Zhavoronkov解釋稱，“大家需要關注的其實是自己的高質量生命年數(shù)。如果地球上的每個人都能擁有一年的高質量健康生活，那么實際產出就相當于75億質量調整生命年。因此對于著眼衰老延緩工作的而言，其將影響到地球上的每一個人的實際生活質量。衰老研究的收益將給整個社會帶來幫助。如果我能夠為每個人帶來額外的一年高質量生活，那么我將永遠為此而自豪。”

途的手段之一。

Insilico Medicine公司創(chuàng)始人兼CEO Alex Zhavoronkov博士

專注三大研究方向

Zhavoronkov博士一直從事生物老年醫(yī)學與再生醫(yī)學領域的研究工作，并于2014年創(chuàng)立了Insilico Medicine公司。他擁有加拿大女王大學的雙學士學位，約翰霍普金斯大學生物技術碩士學位以及莫斯科國立大學物理與數(shù)學博士學位。他亦擔任IARP（國際老齡化研究小組）與英國慈善機構生物學研究基金會主席。他也曾擔任小兒血液學、腫瘤與免疫學中心再生醫(yī)學實驗室主任以及莫斯科物理技術學院客座教授。

開創(chuàng)了生成對抗網絡與強化學習技術在合成具有疾病防治功能的新型分子結構領域的應用。他首創(chuàng)用于開發(fā)藥物與生物衰老標記的深度學習多模預測指標。Zhavoronkov在英國、韓國、俄羅斯、香港以及臺灣皆設立有研發(fā)中心，并推出了Young.AI等多種生物標記衡量方法。自2012年以來，他先后發(fā)表超過90篇行業(yè)評議研究論文與書籍，其中包括《永恒的一代：生物醫(yī)學進步如何改變全球經濟體系》。

衰老研究、藥物發(fā)現(xiàn)以及疾病及其分子靶點識別研究。

在Zhavoronkov的關注方向當中，研究是什么使我們變老以及如何盡可能與之進行長期抗爭成為其最重要的研究課題。“衰老研究是我個人的關注重點，我投入大量時間與精力，希望了解關于衰老以及年齡相關疾病的秘密。目前，衰老在醫(yī)療衛(wèi)生體系當中并未被視為一種疾病，因此得到的重視程度還非常有限。我希望能夠開發(fā)出干預措施，幫助人們始終保持在最年輕的狀態(tài)，并借此解決一系列由衰老所引發(fā)的危害。”

生成對抗網絡——簡稱GAN。

中國嘉興，2017年11月16日：中國科學院深度學習處理器演講在烏鎮(zhèn)互聯(lián)網國際會議第三屆世界互聯(lián)網大會上進行成果發(fā)布。

GAN是一種由兩套網絡構成的深層神經網絡架構，二者將彼此對抗（這就是‘對抗’名稱的由來）。2014年，IAN Goodfellow以及其他研究人員首次在論文當中提到GAN這一概念。

GAN可通過學習創(chuàng)建出與我們的真實環(huán)境非常相近的世界：圖像、音頻、言語乃至散文皆不在話下。從某種意義上講，GAN可謂是機器人中的藝術家，其輸出結果令人印象深刻——甚至能夠觸動我們的內心。”

Insilico公司能夠利用GAN技術開發(fā)出兩套相互對抗的醫(yī)學與疾病學習深層神經網絡（簡稱DNN）。所謂深層神經網絡，屬于在我們自身生物神經網絡或大腦構造啟發(fā)下所建立起來的人工神經網絡（簡稱ANN）。這些計算系統(tǒng)通過分析研究人員提供的實例來進行學習并逐步提高任務處理效能。舉例來說，在圖像識別當中，計算機可能會通過分析人工標記為“有貓”或“無貓”的圖像學會識別貓這一生物對象，并借此發(fā)現(xiàn)其它圖像當中的貓。事實上，其擁有的這種識別能力完全無關于貓這一生物的相關知識。它只是利用研究人員提供的素材進行分析，并由此整理出一套自己的相關特征處理方法。

不過Insilico公司亦在進一步利用深度學習技術對抗疾病。該公司利用從深層神經網絡當中收集到的信息創(chuàng)建可能尚不存在的分子。Zhavoronkov表示，“我們利用數(shù)百萬種分子結構對深層神經網絡進行訓練，而后要求其生成具有某些特征的新分子——例如與其它分子或生物活性存在關聯(lián)，包括具有一定溶解度或相互作用的分子。通過這種方式，我們可以減少藥物的副作用或確保其能夠滲透血腦屏障。這是一個計算機科學領域的概念，我們利用深層神經網絡仿效人腦的處理能力，從真實世界當中獲取實際數(shù)據(jù)，而后將這些數(shù)據(jù)傳遞至其它層（類似于大腦中的皮層）、進行信息轉化，由神經元學習其中的模式，最終向其提供參數(shù)以生成由這些分子構成的藥物。”

Zhavoronkov指出，雖然關于人工智能的電影創(chuàng)作所在多有，但好萊塢與科學家們作出的判斷卻完全不同。“很多人害怕看到令人難以置信的東西，因為他們認為這些是不可能的。但我們必須記住，其在本質上仍是一臺用于執(zhí)行某項任務的機器，并不具備真正的意識，而單純遵循數(shù)學原理。其沒有自我意識，只能充當分類器或預測器。好萊塢總是強調其中的情感因素，但我認為我們永遠沒有能力創(chuàng)造靈魂。”

他認為人工智能與深度學習將通過藥物發(fā)現(xiàn)及根除疾病等方式徹底改變世界。“我們正在努力優(yōu)化藥物開發(fā)量。事實上，制藥是世界上效率最為低下的行業(yè)，超過90%的人體實驗遭遇失敗。我們希望幫助大型制藥企業(yè)優(yōu)化其研發(fā)過程，或者采取更快、更明智的藥物發(fā)現(xiàn)方式。依靠人工智能，我們所使用的系統(tǒng)在各個層面都已經遠遠超越人類。”

舉例來說，深層神經網絡在圖形識別方面于2015年首次超越人類水平; 而到2016年，其在黑色素瘤分類方面超過了人類皮膚科醫(yī)師。他還提到了2016年首次亮相的特斯拉自動駕駛汽車，表示“在這樣的汽車產品當中，我們需要人工智能有能力識別出其它汽車，且整個過程快速而準確。”他還稱贊了美國人工智能計算廠商英偉達的成功表現(xiàn)，該公司在其GPU技術大會上發(fā)布了一系列振奮人心的公告，并在會后旋即迎來23%的股價上漲。“他們?yōu)樯疃葘W習奠定了堅實的基礎。”

在研究各類疾病的過程中，Insilico公司希望發(fā)現(xiàn)導致疾病的特定分子或生物標記，尋找新的藥物作為個性化解決方案以阻止癌癥或者年齡相關疾病。Zhavaronkov指出，“舉例來說，我們可以確定驅動癌癥的特定分子，而后嘗試找出調整或使用深度學習技術以改變治療方式的途徑。”他表示，Insilico公司致力于通過下一代人工智能成果改變制藥行業(yè)。“我們正在開發(fā)可用于藥物發(fā)現(xiàn)與再利用、生物標記開發(fā)以及快速驗證等新策略的新工具。我們的項目結合了基因組學、大數(shù)據(jù)分析、深度學習以及強化學習等領域的最新進展。”

Insilico公司已經開發(fā)出一套全面的藥物發(fā)現(xiàn)引擎。該引擎利用數(shù)百萬種樣品及大量數(shù)據(jù)類型發(fā)現(xiàn)疾病特征，并為數(shù)十億業(yè)已存在或者可合成的分子搭配出必要的參數(shù)集，從而找到最具希望的使用方式。

雖然Zhavaronkov本人也承認，利用人工智能推動醫(yī)療衛(wèi)生發(fā)展的相關舉措進展并不快，這是因為科學家們需要進行長時間的發(fā)現(xiàn)與測試工作; 但他同時強調稱，其它領域已經取得的成果不斷證明著這類技術的光明前景，這也讓他對人工智能及深度學習在疾病發(fā)現(xiàn)與治療的未來表現(xiàn)充滿信心。

Zhavaronkov指出，他希望能夠在未來三年之內首次將人工智能發(fā)現(xiàn)的分子應用于人類患者身上，特別是借此對抗各類罕見疾病。他解釋稱，他目前正在關注ALS等肌肉骨骼疾病以及Progeria兒童早衰癥。展望未來，他希望能夠徹底根治糖尿病、帕金森病以及阿爾茨海默病。

G

M

T

文本轉語音功能僅限200個字符