寻找永葆青春的密码，这家公司终极目标是用AI搞定“长生不老”

本篇文章3483字，读完约9分钟

听着，你必须明白终结者就在那里，你不能和它讨价还价，也不能和它讲道理。它不会感到怜悯、遗憾或恐惧，它永远不会停止，直到你被杀死。凯尔·里斯，《终结者》

几十年来，好莱坞一直通过大屏幕讨论人工智能问题。事实上，最著名的伪预言电影之一是34年前发行的，这部电影的背景是一个几乎坚不可摧的人形机器人。这个机器人在2029年开始疯狂追逐一名女服务员，因为她未出生的儿子将在遥远的未来成为人类反抗机器统治的最高领袖。

钢铁人物展览中的终结者雕塑暂时在克拉科夫市政工程博物馆展出。

当时，我们对整个世界的计算机化改造还有点担心，但事实证明，信息时代和工业革命带来的变化显然大于其不利之处。

利用计算技术延缓衰老

Insilico medicine是一家诞生于数字时代或计算机时代的企业。这家位于巴尔的摩的公司专注于利用新一代人工智能和区块链技术进行药物发现、生物标志物开发和衰老研究。依靠生物信息学(即利用计算机科学来理解生物过程)，该公司在全球六个国家设立了R&D分公司，拥有49名员工和超过1200万美元的风险资本。insilico公司的创始人和首席执行官亚历克斯·扎沃伦科夫博士希望通过创新的人工智能解决方案实现药物发现、衰老研究和疾病预防和/或治疗，并最终延长人类寿命。

扎沃伦科夫指出，该公司的价值主要集中在其知识产权上，更具体地说，是insilico创造的合成分子，这可能最终带来数十亿美元的收入。他解释说，我们是世界100强人工智能企业之一。但就像大多数将彻底改变世界的伟人一样，利润从来都不是关注的焦点。扎沃恩科夫说，他创建insilico公司的原因是基于基础数学。

他们关心的是质量调整生命年。正如科学家所提到的，质量调整后的生命年是衡量疾病负担的通用指标，涵盖了生命的质量和数量。质量调整生命年通常用于在经济层面评估医疗干预的经济价值，因此质量调整生命年实际上是指完全健康的一年。

国家医学检验中心图书馆和国家卫生研究院表示，质量调整生命年的计算方法非常简单:质量调整生命年的数量可以通过将治疗引起的效用值的变化乘以治疗效果的持续时间来获得。质量调整后的生命年也可以与医疗费用相结合，以获得成本/质量调整后的生命年的最终通用标准，该标准可用于比较任何治疗的实际成本效益。

扎沃伦科夫解释说，每个人都需要注意的实际上是他们的高质量的生命年。如果地球上每个人都能有一年高质量健康的生活，实际产出相当于75亿质量调整后的生命年。因此，着眼于老龄化而推迟工作，将会影响地球上每个人的实际生活质量。老龄化研究的好处将有助于整个社会。如果我能给每个人多带来一年的高质量生活，那么我将永远为此感到骄傲。

扎沃伦科夫也承认，对抗衰老并不容易，它可能需要与现代科学能够提供的所有尖端工具合作。正因为如此，生物老年学研究者认为人工智能可能是科学家解决这个问题最有希望的手段之一。

insilico medicine创始人兼首席执行官Alex Zhavoronkov博士

关注三个研究方向

zhavoronkov博士一直从事生物老年学和再生医学领域的研究工作，并于2014年创立了insilico medicine。他拥有加拿大皇后大学的双学士学位、约翰·霍普金斯大学的生物技术硕士学位和莫斯科国立大学的物理和数学博士学位。他也是国际老龄化研究组织和英国慈善机构生物研究基金会的主席。他还曾担任儿科血液学、肿瘤和免疫学中心再生医学实验室主任和莫斯科物理与技术研究所客座教授。

在insilico公司，zhavoronkov率先将生成对抗网络和强化学习技术应用于具有疾病预防和控制功能的新分子结构的合成。他开创了用于开发药物和生物老化标记的深度学习多模型预测指数。扎沃伦科夫在英国、韩国、俄罗斯、香港和台湾设立了R&D中心，并引入了young.ai等多种生物标志物测量方法。自2012年以来，他发表了90多篇行业评论研究论文和著作，包括《永恒的一代:生物医学进步如何改变全球经济体系》。

扎沃伦科夫认为，insilico专注于三个研究方向:衰老研究、药物发现和疾病以及分子靶标识别。

在扎沃伦科夫所关心的问题中，最重要的研究课题是研究是什么使我们变老，以及如何尽可能长久地与它作斗争。衰老研究是我个人关注的焦点。我投入了大量的时间和精力，希望知道衰老和与衰老相关的疾病的秘密。目前，老龄化在医疗卫生系统中不被视为一种疾病，因此受到的关注非常有限。我希望制定干预措施，帮助人们永远保持最年轻的状态，解决老龄化带来的一系列危害。

Insilico正在利用人工智能领域的一系列最新技术进行药物发现，包括对抗网络的生成。

中国嘉兴，2017年11月16日:在乌镇国际互联网大会第三届世界互联网大会上，发表了中国科学院深度学习处理器的演讲。

根据skymind开发的开源深度学习项目eclipse deeplearning4j的描述，gan是由两个网络组成的深度神经网络体系结构，这两个网络将相互对抗(这就是对抗这个名称的由来)。2014年，ian goodfellow和其他研究人员在他们的论文中首次提到了gan的概念。

根据来自eclipse deeplearning4j的数据科学家和深度学习专家团队的研究，gan具有巨大的潜力，因为它可以学习和模仿任何数据分布模式。也就是说，甘可以通过学习创造一个非常接近我们真实环境的世界:图像、音频、语音甚至散文。从某种意义上来说，甘是一个机器人艺术家，他的作品令人印象深刻，甚至打动了我们的心。

这正是扎沃伦科夫想要的。他说insilico可以利用gan技术开发两套医学和疾病学习深度神经网络(简称dnn)。所谓深层神经网络属于人工神经网络(ann)，是在我们自己的生物神经网络或大脑结构的启发下建立起来的。这些计算系统通过分析研究人员提供的例子来学习，并逐渐提高任务处理效率。例如，在图像识别中，计算机可以通过分析人工标记有或没有猫的图像来学习将猫识别为生物对象，并在其他图像中找到猫。事实上，它对猫一无所知。它只使用研究人员提供的资料来分析和整理一套相关的特征处理方法。

然而，insilico也在进一步利用深度学习技术来对抗疾病。该公司利用从深层神经网络收集的信息来制造可能尚不存在的分子。根据zhavoronkov的说法，我们使用数百万个分子结构来训练深层神经网络，然后要求它们生成具有特定特征的新分子，例如与其他分子或生物活动相关的分子，包括具有特定溶解度或相互作用的分子。通过这种方式，我们可以减少药物的副作用或者确保它们能够穿透血脑屏障。这是计算机科学领域的一个概念。我们使用深层神经网络来模拟人脑的处理能力，从现实世界中获取实际数据，然后将这些数据传输到其他层(类似于大脑中的皮层)，进行信息转换，通过神经元学习其中的模式，最后为它们提供参数以生成由这些分子组成的药物。

扎沃伦科夫指出，虽然有很多关于人工智能的电影，但好莱坞和科学家做出的判断完全不同。许多人害怕看到不可思议的事情，因为他们认为这是不可能的。然而，我们必须记住，它本质上仍然是一台执行某项任务的机器，它没有真正的意识，而只是遵循数学原理。它没有自我意识，只能作为一个分类器或预测器。好莱坞总是强调情感因素，但我认为我们永远无法创造灵魂。

扎瓦龙科夫说，他相信人工智能和深度学习将通过药物发现和疾病根除彻底改变世界。我们正试图优化药物开发的数量。事实上，制药业是世界上最低效的行业，超过90%的人类实验都失败了。我们希望帮助大型制药公司优化他们的R&D流程，或者采用更快、更明智的药物发现方法。依靠人工智能，我们使用的系统在各个层面都远远超过了人类。

例如，深度神经网络在图形识别方面于2015年首次超越人类水平；到2016年，它在黑色素瘤分类上超过了人类皮肤科医生。他还提到了2016年首次亮相的特斯拉自动驾驶汽车，并表示在这类汽车产品中，我们需要人工智能来识别其他汽车，整个过程既快速又准确。他还称赞了美国人工智能计算制造商英伟达(NVIDIA)的成功表现，该公司在其gpu技术会议上发布了一系列令人兴奋的公告，并在会后立即宣布股价上涨23%。他们为深入学习打下了坚实的基础。

在研究各种疾病的过程中，insilico希望找到导致疾病的特定分子或生物标记，并找到新的药物作为预防癌症或与年龄相关疾病的个性化解决方案。扎瓦龙科夫指出，例如，我们可以识别驱动癌症的特定分子，然后尝试找到调整的方法或使用深度学习技术来改变治疗方法。他说insilico致力于通过下一代人工智能改变制药业。我们正在为新策略开发新工具，如药物发现和再利用、生物标志物开发和快速验证。我们的项目结合了基因组学、大数据分析、深度学习和强化学习的最新进展。

到目前为止，insilico已经开发了一个全面的药物发现引擎。该引擎使用数百万个样本和大量数据类型来发现疾病特征，并匹配数十亿个现有或合成分子的必要参数集，从而找到最有前途的使用模式。

尽管扎瓦龙科夫本人承认，利用人工智能来促进医疗保健的发展并没有取得迅速进展，这是因为科学家需要进行长期的发现和测试工作；然而，他也强调，其他领域的成就不断证明了这种技术的光明前景，这也使他对人工智能的未来表现以及在疾病发现和治疗方面的深入学习充满信心。

扎瓦龙科夫指出，他希望在未来三年内首次将人工智能发现的分子应用到人类患者身上，特别是对抗各种罕见疾病。他解释说，他目前关心的是肌肉骨骼疾病，如als和早衰儿童早衰。展望未来，他希望彻底治愈糖尿病、帕金森病和阿尔茨海默病。

G m t测试语言世界语中文简体中文繁体丹麦语乌克兰语乌兹别克语乌尔都语亚美尼亚语伊博语俄罗斯语保加利亚语僧伽罗语克罗地亚语冰岛语加利西亚语匈牙利语南非语祖鲁语卡纳达语印尼语印度尼西亚语巽他语印度尼西亚语古吉拉特语哈萨克语土耳其语塔吉克语塞尔维亚语塞尔马语索托语威尔士语孟加拉语宿务语尼泊尔语巴斯克语布尔语(南非荷兰语)希伯来语希腊语德语意大利语意第绪语拉丁语拉脱维亚语挪威语捷克斯洛伐克语斯洛文尼亚语斯瓦希里语旁遮普语日语格鲁吉亚语毛利语法语法语波兰语泰语泰米尔语海地克里奥尔语爱尔兰语爱沙尼亚语瑞典语白俄罗斯语立陶宛语索马里语约 芬兰语、苗语、英语、荷兰语、葡萄牙语、蒙古语、豪萨语、越南语、阿塞拜疆语、阿尔巴尼亚语、阿拉伯语、朝鲜语、马其顿语、马尔加什语、马拉雅拉姆语、马来语、 马耳他语高棉语奇切瓦语世界语汉语简体中文繁体丹麦语乌克兰语乌兹别克语乌尔都语亚美尼亚语伊博语俄罗斯语保加利亚语僧伽罗语克罗地亚语冰岛语加利西亚语加泰罗尼亚语匈牙利语南非语祖鲁语卡纳达语印尼语印度尼西亚语巽他语印度尼西亚语古吉拉特语哈萨克语土耳其语塔吉克语亚洲语塞索托语威尔士语孟加拉语宿务语尼泊尔语巴斯克语布尔语(南非荷兰语)希伯来语希腊语德语意大利语意第绪语拉丁语拉脱维亚语挪威语捷克斯洛伐克语斯洛文尼亚语斯瓦希里语日语格鲁吉亚语毛利语法语波兰语泰语泰米尔语泰语海克里奥尔语爱尔兰语爱沙尼亚语瑞典语白俄罗斯语立陶宛语索马里语 英语、荷兰语、葡萄牙语、蒙古语、豪萨语、越南语、阿塞拜疆语、阿拉伯语、韩语、马其顿语、马拉雅拉姆语、马来语、马耳他语、高棉语、奇切瓦语、文本、转换为语音，仅200个字符。 选项:历史记录:反馈:捐赠关闭

来源：搜狐微门户