人工智能这一关键词的热度，很容易让人以为机器已经聪明到即将超越人的大脑。数据在该技术愿景的刺激下变成一种资源，各大公司纷纷加入抢夺战。微软的聊天机器人小冰和IBM的线上医生Waston都是这一数据战略的产物。更多的数据当然必要，但作为为药企研发新药提供数据支持的Medidata公司的联合创始人，Glen de Vries认为，实施人工智能战略更重要的是数据的质量，即向机器输入正确的数据。
C：为什么药品并没有像其他商品一样逐渐民主化？
V：我相信未来会有很多技术使得药品也越来越触手可及。主要原因有两个，一个是生物技术，另外一个是数字技术。分子生物学其实只有45年历史，45年间我们所开发出来的新药物，都是基于分子机制如何导致某种疾病。这种精准医疗带来的变化是，一方面我们可以治疗一些慢性病了，另一方面可能也可以把以前致死的疾病控制在能够管理的范畴。所谓精准就是指我们为抗击疾病所要搜集的信息针对的应该是个人，不是一个广大的群体。个人如何选择治疗方案、而医生如何对他进行追踪变得重要。这就涉及到数字技术。广义上的病人形态包括病人的行为、认知等方面。如今通过物联网，我们已可以把握到病人的行为和认知层面。这些信息和病人的基因类型同样重要。无论新的生物技术还是数字技术，都推动医药企业和病人个人建立更加紧密的联系，把医药公司的B2B模式进化为B2B2C。
C：医疗领域的人工智能还没有实现真正的机器学习的原因是什么？
V：我们的目标并不是去建立一个数据库，因为数据归根到底是客户的而不是我们的，我们的目标是希望可以促进研发，同时加速药物上市的过程。目前市面上的 AI更大程度上是一个用于市场营销的词汇，它实际做的工作仍是数据处理，而不是发展电脑的学习能力。计算机领域现在有一句话非常流行，叫作“garbage in， garbage out”，意思是把废料输入计算机，然后再输出废料。所以我们在做的一个工作是帮助客户提升数据的质量，以及将不同公司、不同领域，甚至多年前的临床试验数据收集起来，进行更大样本的分析，从而得到一个更切实的结果。只有数据输入的质量提高了，相应的计算质量才能提高。不管是算法、数据质量，还是数据总量，我们都不能把它们分开来衡量。我们曾经用过一个数据量较小但质量较高的数据库训练机器学习，从而成功帮客户找到了生物标记物。所以小样本的成功是可以实现的。人工智能更像是一座桥梁，我们所建造的就是连接两岸的第一条钢筋。然而，在两岸之间架设起第一条钢筋正是最困难的一步。衔接好第一步，后面才可以很方便地搭起更多钢筋，最后搭起整座大桥。很多公司在人工智能领域没有取得进展或者进展不尽如人意的原因就出在第一条钢筋上。
C：你怎么看待“人工智能”？它能给人类带来什么？
V：我们用的词汇可能使这个问题产生一些混淆。当我们说“人工智能”，就好像它已经可以和人类的智能相比较。当我们说“认知技术”，听起来又好像可以让机器像人一样认知、学习。但其实并不是这样。比如围棋，围棋大师被软件击败后说：人是绝对不会走出计算机所下的那些步棋的。就是说人工智能或者机器学习并不是比人学得快、思考得快，而是会采取一种完全不同的思维方式。作为一个生命科学和医药界的从业者，我最为兴奋的一点在于：人和机器是完全不同的，这种不同很可能给我们带来新的机遇。机器可以想出一些新的治疗方法，这些治疗方法是我们作为人类从业者之前完全没有想到过的。虽然这还只是一个期待，但是其实我们在Medidata已经可以找到一些例证了。我们曾经利用Medidata的系统帮助客户找到他们之前完全没有预期会找到的生物标记物，也用这些系统帮助他们解决数据当中即便由人操控电脑也无法解决的问题。（采访：吴洋洋）
关注读览天下微信，
100万篇深度好文，
等你来看……
