🎙 Провели девятый созвон Lecture Club по Stanford MS&E 435: Economics of the AI Supercycle — и, честно, я в полном восторге.
Кажется, это было одно из лучших обсуждений из всех девяти. Секрет оказался простым: в этот раз я позвал друзей и знакомых, которые реально разбираются в биотехе, хелстеке и науках о жизни. Вместо дилетантских мнений (включая моё) вышел живой спор профессионалов — обязательно буду пробовать такой подход и дальше.
Лекция 9 — Eric Kauderer-Abrams (Head of Life Sciences, Anthropic). Тема — прикладной слой в науках о жизни: как ИИ меняет разработку лекарств и биологию. Сошлись на главном сдвиге — ИИ в drug discovery перестал быть хайпом и стал обязательной базой; но за 20+ лет ни одна ИИ-молекула не одобрена, а реальное узкое место — не модель, а wet lab и недоверие учёных.
Несколько мыслей из обсуждения:
• Никита (я, вёл созвон) — Позвал реальных экспертов, честно признав, что в биотехе не разбираюсь. Больше всего зацепила мысль не про биологию: хочешь быть не лучшей моделью, а последним решением — искать фаундеров, которые закрывают задачу так, чтобы она перестала существовать.
• Ира (payroll для удалёнщиков) — Разработку лекарств двигают две силы: Китай и ИИ. С Китаем не посоревнуешься (проще законы, «вджобывают»), поэтому шанс только в ИИ. Стадия подбора молекулы ~4 года, а с ИИ реально сжать до года.
• Алан (венчурный инвестор, свой фонд) — Осадил хайп: за 20+ лет ни одна ИИ-молекула не одобрена, лишь одна пару месяцев назад дошла до третьей фазы. ИИ теперь база, а не хайп. Инвесторам важна не платформа, а единственная молекула в клинике; настоящий bottleneck — wet lab. Новый фронтир помимо LLM — quantum annealing.
• Даша (инженер в Nebius) — Развела healthtech и life science. После Нобелевки за AlphaFold всё полетело, у Anthropic и OpenAI свои био-модели. Осадила хайп про «Lab in the Loop» (пока это агенты-подсказчики, а не робот в пробирке). Биология — просто другой язык: нуклеотиды и аминокислоты вместо токенов, AlphaFold = трансформер плюс диффузия.
• Симон (MIT, ИИ для белков) — Единственный способ заработать в биологии — therapeutics. Контртезис вечера — закон Ирума (Eroom): число лекарств на миллиард долларов со временем падает. Но именно поэтому ИИ здесь и ценен. Совет новичкам: заплатить студенту-PhD ~$500 за личные лекции.
• Джин (футуролог) — Скептик: лекция типичная, с перегибами в цифрах. Прошёлся по «зимам ИИ». Но в отличие от «холодного термояда» время разработки лекарств реально сокращается. И фарма сильно взаимосвязана — «отдельная ниша» обычно про самого спикера, а не про отрасль.
• Виктор (экс-Яндекс) — Главный архитектурный вопрос: биологические задачи — это тоже «последовательности», которые возьмёт доработанный трансформер с новыми данными, или нужна принципиально новая архитектура уровня AGI?
• Паша (экс-CPO Animal Health, Mars) — Стратегическая ставка: не на автономный ИИ, а на то, как ресёрчеры будут работать вместе с моделями, пока их качество ниже нужного клиенту финального результата.
• Zoom User (без интро) — Перед сложной лекцией 8 часов разбирал тему с Claude, прося объяснять всё с нуля. Главный блокер биотеха — доверие: специалисты не верят быстрым, но неточным результатам ИИ; приобщим экспертов к работе с ИИ — резко ускоримся.
• Никита (закрытие) — Как дилетант на стороне Виктора («всё интересно, ничего не понятно»), но успокаивает аналогия: LLM в коде — просто перевод на Python, может, и с биологией так же. Анонс: раз десятой лекции может не быть, дальше, вероятно, разберём «трансформеры с нуля».
📺 Запись созвона:
https://youtu.be/CcAivRr_Jql
