«Мы не делаем по 30 ставок в год»: Виджай Панде о небольших ставках после того, как управлял активами на сумму 4 миллиарда долларов в a16z.

Раньше Виджай Панде был более известен в академических кругах, чем в кругах инвесторов. Ситуация резко изменилась двенадцать лет назад, когда Марк Андрессен и Бен Горовиц — которые первые пять лет существования своей фирмы намеренно избегали здравоохранения и медико-биологических наук — решили, что в эту категорию все-таки стоит инвестировать, и передали управление Панде. В то время он был профессором химии в Стэнфорде и наиболее известен созданием Folding@home, проекта распределенных вычислений, который превратил миллионы домашних ПК в суперкомпьютер для исследования заболеваний. За следующие более чем десять лет он превратил инвестицию a16z в компанию, управляющую активами на сумму около 4 миллиардов долларов.

Поэтому было несколько неожиданно, когда в июне прошлого года Панде оставил все это, чтобы основать нечто гораздо меньшее. Фактически, его новая фирма, VZVC, основанная совместно с давним инвестором Заком Вернером, строится на нескольких концентрированных ставках в год, а не на десятках, у нее нет партнеров, и она в значительной степени полагается на искусственный интеллект в своей повседневной деятельности.

Чтобы узнать больше о резком изменении стратегии Панде, на этой неделе мы поговорили с ним о том, почему он делает лишь несколько концентрированных ставок, вместо того чтобы распылять свои ресурсы на текущем рынке, а также об одной из самых интересных загадок в биотехнологиях, основанных на искусственном интеллекте: в отличие от текста, биологические данные нельзя получить из интернета, поэтому почти каждая компания в конечном итоге создает свой собственный закрытый набор данных. Что это означает для всех достижений, которые обещает искусственный интеллект в медицине, и кто на самом деле получает к ним доступ?

Данная беседа отредактирована для сокращения и большей ясности. Вы также можете прослушать полную версию беседы (ниже).

Вы говорили, что биология переходит от «науки открытий» к науке, которую можно создавать искусственно. Что это значит?

Во многом разработка лекарств происходила благодаря стечению обстоятельств. Думаю, сейчас ситуация изменилась: искусственный интеллект и машинное обучение позволяют компьютерам применять свои знания к очень сложным процессам… например, определять, на какие мишени должны воздействовать лекарства для конкретных заболеваний, создавать эти лекарства, и теперь даже помогать в клинических испытаниях — самой дорогостоящей части процесса.

Я думал, что клинические испытания становятся дешевле, потому что разработчики лекарств используют больше синтетических данных, поэтому для этих испытаний требуется меньше людей.

Я думаю, это очень заманчивое стремление.

Стоимость и время, необходимые для проведения клинических испытаний, сокращаются, особенно с появлением ИИ, но даже при этом стоимость испытаний может достигать сотен миллионов долларов, поэтому лекарства и стоят очень дорого. Вероятность успешного прохождения препарата от первого до третьего испытания составляет всего 20%. Если 8 из 10 испытаний проваливаются, а затраты на такие испытания исчисляются сотнями миллионов долларов, то амортизированная стоимость становится очень высокой. Причина неудач обычно заключается не в ошибке биолога, а в том, что все эксперименты, на которых разрабатывались эти лекарства, проводились на животных моделях, таких как мыши, а животные модели в конечном итоге не очень точно предсказывают результаты для человека. Модель ИИ не будет идеальной, но она будет намного лучше любой модели на животных, и как только она преодолеет этот барьер, вот тут-то и начинается самое интересное.

[Следующий этап:]: Подходит ли мне этот препарат?

Вы имеете в виду персонализированную медицину…

Здесь используется так называемая прецизионная медицина. Если вы обращаетесь к врачу с чем-то нетривиальным, ему приходится гадать, что происходит, потому что он может сказать лишь ограниченное количество вещей. Затем он назначает вам лекарство — и если это не помогает, он назначает другое лекарство, затем ещё одно. Это происходит при лечении рака, это происходит во многих других областях. Нам всем было бы намного лучше, если бы первое лекарство было правильным. Обычно результаты анализов крови сравниваются со средними показателями по популяции. Но на самом деле их следует сравнивать с вопросом: является ли этот [результат] необычным для вас? В медицине мы также начинаем понимать, что будет правильным именно для конкретного человека.

Можно ли сказать, что путь к этому моменту был медленным и постепенным, или же резкий скачок произошел совсем недавно?

Я думаю, это результат объединения множества разных факторов. Например, прецизионная медицина долгое время основывалась на геномике. Но на самом деле ваш геном — это как чертеж вашего дома в первый день, но сейчас ваш дом выглядит совсем иначе, чем в момент постройки. Поэтому сейчас существует множество других вещей, которые можно измерять с помощью протеомики и других методов, и которые гораздо важнее для понимания заболеваний и текущего состояния организма. Также наблюдается значительная автоматизация роботизированных измерений, которая естественным образом связана с искусственным интеллектом, и эти два направления очень хорошо дополняют друг друга.

За последнее десятилетие наблюдался устойчивый рост как применения ИИ в биологии, так и в химии. В биологии это сводится к вопросу: как лечить это заболевание? А в химии — как разработать лекарство, воздействующее на конкретный белок? За эти 10 лет были достигнуты действительно значительные успехи.

Вы упомянули, что биология — одна из немногих областей, где ИИ не может просто скопировать данные из интернета. Что это значит для развития этой области?

Это место, где нет никаких данных, позволяющих обучать одну и ту же модель, и данные нельзя перевести из одной модели в другую. С точки зрения чистого искусственного интеллекта это действительно интересный подход.

Разве это не перекликается с известной проблемой в медицине — когда врачи работают в [территориальных, зачастую конкурентных] рамках?

Вы на верном пути. Допустим, у [кого-то] какой-то вид рака, и это проблема как в онкологии, так и в эндокринологии — эти две области медицины плохо взаимодействуют. Что действительно интригует в ИИ, так это то, что он, в принципе, может быть специалистом во всем, и он может начать замечать вещи, которые ни один человек не смог бы увидеть. Это было бы равносильно тому, как если бы в этот момент собралась команда лучших врачей, которые бы объединили свои усилия.

Но достаточно ли обмена данными для того, чтобы это видение действительно воплотилось в жизнь? Я понимаю, почему основатели и инвесторы хотят защитить свои [соответствующие выводы], но…

Я думаю, одна из главных тенденций заключается в том, что мы начинаем наблюдать сдвиг в сторону создания атласов биологической информации, которые с технологической точки зрения, как правило, представляют собой базовые модели. И по мере того, как они будут становиться все более распространенными, я думаю, мы увидим то же самое, что произошло с программами магистратуры в области биологии с открытым исходным кодом, которые очень хорошо конкурируют с корпоративными: базовые модели в биологии с открытым исходным кодом будут оказывать очень широкое влияние.

Вы участвуете в работе Genesis Therapeutics, компании, созданной в вашей лаборатории в Стэнфорде, и Insitro, компании по разработке лекарств, основанной Дафной Коллер, вашей бывшей коллегой по Стэнфорду. Вы также говорите, что занимаетесь развитием компании с основателем, которого знаете уже 20 лет. Что вы ищете в основателях и в каких областях?

Большую часть своего времени я посвящаю двум областям. Первая — это использование ИИ в оказании медицинской помощи, чем я много занимался и в a16z, а вторая — ИИ для клинических испытаний.

Для меня одним из самых важных качеств основателей является то, что мы можем по-настоящему доверять друг другу — основателям с высокой порядочностью, которые выполняют свои обещания… Я ожидаю, что эти отношения продлятся 5, 10 лет и более, в идеале — до момента создания их следующей компании. Я хочу работать с людьми, которые мыслят в долгосрочной перспективе. В идеале, это люди, которые не просто стремятся победить и обойти других, а действительно задумываются над вопросом: как нам победить вместе?

Что у вас получилось хорошо, а что плохо за время вашей инвестиционной карьеры?

Когда я более 10 лет назад начал говорить об искусственном интеллекте, машинном обучении, технологиях, медицине и биологии, я встречал большое сопротивление, и многие говорили: «О, этого никогда не произойдет. Это никогда не принесет пользы», и так далее. Это сопротивление в значительной степени исчезло, и наблюдать за этим развитием событий очень приятно.

Думаю, мне потребовалось некоторое время, чтобы по-настоящему оценить, насколько бы заманчивыми ни были самые крутые технологии, все всегда сводится к выводу на рынок. Я говорю своим основателям, особенно тем, кто приходит из научной или продуктовой сферы, чтобы они использовали весь свой талант и креативность для вывода продукта на рынок, потому что вывод на рынок как минимум так же сложен, а то и сложнее, чем разработка самой технологии.

Помогите нам понять, чем отличается создание новой компании от той, что существовала в a16z.

Сейчас мы занимаемся чем-то совершенно другим… VZ названа в честь меня, Виджая и моего соучредителя Зака Вернера — он и есть буква Z. Мы намеренно очень небольшая компания… в инвестиционной сфере нас всего двое. Мы планировали нанять партнеров, но, как оказалось, с учетом агентов, которых мы создали, в этом нет необходимости.

Насколько концентрированным является «концентрированный»?

Мы не делаем 30 ставок в год… речь идёт, наверное, о пяти, не так уж много инвестиций — очень концентрированные. Добавление компании в типичный фонд — это как добавление друга в Facebook — это делается довольно быстро. Для Зака и меня это скорее… желание завести ещё одного ребёнка. Для нас это очень важно.

При такой структуре, с кем вы конкурируете за сделки?

Забавно, что в этой модели мы обычно не пытаемся конкурировать за перспективный раунд финансирования — люди сами находят для нас место. Это совсем не то же самое, что пытаться привлечь перспективные инвестиции серии А или серии В. В основном, люди хотят видеть нас в качестве инвесторов из-за того, что мы с Заком можем сделать, и из-за того, насколько активно мы участвуем в процессе. Когда я смотрю на людей, которые меня вдохновляют, я вижу кого-то вроде Антонио Грасиаса из Valor — сейчас он хорошо известен благодаря сделке со SpaceX, но он занимается этим уже 20 лет. То, что сделала компания Thrive с более концентрированным портфелем, также является настоящим источником вдохновения. Очевидно, что a16z тоже в какой-то степени у меня в ДНК, но я думаю, что другие компании — это новые примеры того, как мы мыслим.

Что сейчас чрезмерно разрекламировано в сфере искусственного интеллекта и биотехнологий?

Реальность такова, что ИИ способен находить такие идеи, которые мы не можем получить, опираясь только на человеческий опыт. Сложность всегда возникает, когда говорят, что ИИ решит все проблемы. Причина сомнений в этом не в самом ИИ, а в данных. LLM-модели работают, потому что данных для обучения очень много. Если данных просто нет, ИИ не сможет волшебным образом решить проблему.

Источник: techcrunch.com