साक्षात्कार
जिन्हान किम, स्टैंडिगम के सीईओ – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
जिन्हान किम स्टैंडिगम के सीईओ हैं, एक वर्कफ्लो एआई ड्रग डिस्कवरी कंपनी।
कस्टमाइज्ड टार्गेट पहचान से लेकर लीड जेनरेशन तक, स्टैंडिगम वर्कफ्लो एआई प्लेटफ़ॉर्म हर चरण के लिए अंतर्दृष्टि प्रदान करता है ताकि घरेलू और साझेदारी परियोजनाओं से व्यावसायिक रूप से मूल्यवान दवाएं विकसित की जा सकें।
आप 6वीं कक्षा में कोडिंग शुरू की थी, क्या आप बता सकते हैं कि आप कैसे रुचि लेने लगे और आपने शुरुआत में क्या काम किया?
हाँ, मेरे एप्पल II प्लस पर। वह मुझे एक पुस्तक प्रेमी से एक निर्माता में बदलने का कैटलिस्ट था। मैं जिज्ञासा से सी प्रोग्रामिंग शुरू की। मैं अपने कंप्यूटर के सिद्धांतों और सैद्धांतिक पहलुओं में रुचि लेने लगा। वहाँ से, मैं प्रौद्योगिकी क्षेत्र में एक जीवन भर का शिक्षार्थी बन गया।
आपको मशीन लर्निंग में क्या आकर्षित किया?
मैंने अपनी डिग्री एप्लाइड केमिस्ट्री और आर्टिफिशियल इंटेलिजेंस में जेफ्री हिंटन के तहत एडिनबर्ग विश्वविद्यालय में प्राप्त की। वह न्यूरोसाइंटिस्ट और कंप्यूटर वैज्ञानिक हैं जिन्होंने मूल रूप से डीप लर्निंग बनाई। हिंटन ने आर्टिफिशियल न्यूरल नेट्स और स्वायत्त, बुद्धिमान मशीनों पर काम किया – और बाद में, मशीन लर्निंग अल्गोरिदम। गूगल ने उन्हें दस साल पहले अपना एआई बनाने के लिए नियुक्त किया और बाकी इतिहास है।
(AAPL )जीव विज्ञान और मशीन लर्निंग के बीच के संगम में आप पहली बार कब शामिल हुए?
मैं सैमसंग एडवांस्ड इंस्टीट्यूट ऑफ टेक्नोलॉजी में काम करता था, जहाँ मैं अल्गोरिदम विकसित कर रहा था। मैंने जो एक अल्गोरिदम विकसित किया था वह डीएनए क्षति की मरम्मत के लिए एक तंत्र था। मैं जीव विज्ञान के क्षेत्र में काम करना चाहता था और सबसे कठिन समस्याओं को लक्षित करना चाहता था। मानव शरीर और मानव जैसी सोच वाले कंप्यूटर दोनों ही जटिल हैं और आपको एक को समझने के लिए दूसरे पर काम करने की आवश्यकता है। एआई सिस्टम न केवल विश्वभर से दशकों से प्रकाशित वैज्ञानिक डेटा को खंगाल सकते हैं, बल्कि वे मानव शरीर की जटिलताओं को भी संसाधित कर सकते हैं और जैविक तंत्रों के पैटर्न को तेजी से और सुसंगत रूप से पकड़ सकते हैं। यह देखना आसान था कि जीव विज्ञान और मशीन लर्निंग हाथ से हाथ जाते हैं।
(GOOGL )स्टैंडिगम की उत्पत्ति की कहानी साझा कर सकते हैं?
मेरा स्वास्थ्य और विज्ञान में काम ने मुझे एक बड़ी समस्या दिखाई: पारंपरिक ड्रग डिस्कवरी में वैज्ञानिक शोध पत्रों और स्क्रीनिंग परीक्षणों को स्कैन करने में लगने वाला समय और पैसा। मानव वैज्ञानिक यह गहन अनुसंधान कर रहे थे। मैं और मेरे दो सैमसंग सहयोगी, सांग ओक सोंग और सो जेओंग यून, ने मानवों से बुद्धिमान मशीन में काम को स्थानांतरित करने और एक नया वर्कफ्लो डिज़ाइन करने का अवसर देखा। इसके अलावा, मैं वेतन के लिए काम नहीं करना चाहता था; मैं अपने लिए काम करना चाहता था, ड्रग डिस्कवरी विधियों को एक नए मानक परिदृश्य में लाने के लिए, जो स्टैंडिगम का काम और नाम है। हमारे मशीन लर्निंग मॉडल अब उच्च भविष्यसूचक सटीकता प्राप्त करता है और इसकी एआई प्रौद्योगिकी अधिकतम आरओआई प्राप्त करती है।
सिंथेटिक एक्सेसिबिलिटी समस्या क्या है और स्टैंडिगम इसे कैसे हल करने का काम कर रहा है?
जनरेटिव मॉडल बिना प्रशिक्षित औषधीय रसायनज्ञों की मदद के नए अणु संरचनाएं डिज़ाइन कर सकते हैं, जो इस प्रौद्योगिकी को ड्रग डिस्कवरी समुदायों द्वारा अपनाने के लिए सबसे महत्वपूर्ण कारणों में से एक है। यहाँ सबसे बड़ा अवरोध यह है कि अणुओं के डिज़ाइन और उनके प्रायोगिक संश्लेषण की गति में अंतर है, जहाँ लाखों यौगिकों का डिज़ाइन कुछ घंटों में होता है और केवल दस अणुओं का संश्लेषण हफ्तों या महीनों में होता है। क्योंकि डिज़ाइन किए गए यौगिकों का केवल एक छोटा सा हिस्सा मानव विशेषज्ञों द्वारा संश्लेषित किया जाएगा, इसलिए अच्छे उपायों के साथ अणु गुणों का होना आवश्यक है।
पहली पीढ़ी के एआई मॉडल कच्चे थे, और सिंथेटिक रसायनज्ञों ने संश्लेषण योजना की कठिनाई के कारण डिज़ाइन किए गए अधिकांश अणुओं को अस्वीकार कर दिया। कुछ सीआरओ कंपनियों ने यहां तक कि इस सिंथेटिक अभियान के लिए एक प्रस्ताव तैयार करने से इनकार कर दिया।
स्टैंडिगम इस मुद्दे पर काम कर रहा है कि अनुभवी औषधीय रसायनज्ञों को नियुक्त करके और उनकी विशेषज्ञता को जनरेटिव मॉडल में जोड़कर ताकि वे ऐसे यौगिक डिज़ाइन कर सकें जिन्हें मानव विशेषज्ञों द्वारा डिज़ाइन किए गए यौगिकों से अलग नहीं किया जा सकता। स्टैंडिगम के पास अब कई अलग-अलग जनरेटिव मॉडल हैं जो विभिन्न ड्रग डिस्कवरी चरणों को संभाल सकते हैं: हिट पहचान, हिट-टू-लीड और लीड अनुकूलन। यह दिखाता है कि किसी भी एआई ड्रग डिस्कवरी कंपनी के लिए विविध विशेषज्ञता का महत्व, जहां मानव अनुभव और विशेषज्ञता मुख्य रूप से एआई मॉडल में सुधार करने और सर्वोत्तम वर्कफ्लो सुनिश्चित करने के लिए उपयोग की जाती है।
स्टैंडिगम द्वारा ड्रग डिस्कवरी को सुविधाजनक बनाने के लिए उपयोग किए जाने वाले अल्गोरिदम के प्रकार के बारे में चर्चा कर सकते हैं?
हम आमतौर पर स्टैंडिगम एएसके का उपयोग करके वादाजनक और नए टार्गेट प्रोटीन को प्राथमिकता देने के साथ किसी भी अन्वेषण परियोजना को शुरू करते हैं; हमारा जीव विज्ञान प्लेटफ़ॉर्म विभिन्न प्रकार के अल्गोरिदम से बना है जो बड़े जैविक नेटवर्क को प्रशिक्षित करने के लिए, विभिन्न प्रकार के अनपेक्षित ओमिक्स डेटा का उपयोग करने के लिए, जैविक प्रणालियों के विशिष्ट संदर्भों को पेश करने के लिए और इसी तरह। सही टार्गेट प्रोटीन का चयन ड्रग डिस्कवरी में सबसे महत्वपूर्ण मुद्दों में से एक है। स्टैंडिगम एएसके रोग विशेषज्ञों को एमओए (तंत्र क्रिया) के कई परिकल्पनाओं प्रदान करके मदद करता है।
स्टैंडिगम बेस्ट विभिन्न कार्यों को प्रदर्शन करता है, जिनमें हिट यौगिक (प्रभावी अन्वेषण) का सुझाव देना, स्कैफोल्ड हॉपिंग (सिंथेटिक एक्सेसिबिलिटी और नोवेल्टी पर विचार करना), और ड्रगएबिलिटी (गतिविधि, एडीएमई/टॉक्स गुण और भौतिक गुण) के लिए विभिन्न पूर्वानुमान मॉडल शामिल हैं। इन बड़े कार्यों से संबंधित कई छोटे कार्य हैं, जैसे कि डीटीआई (ड्रग-टार्गेट इंटरैक्शन), एआई-सहायता प्राप्त आणविक सिमुलेशन, चयनात्मकता पूर्वानुमान और मल्टी-पैरामीटर अनुकूलन।
नवीन यौगिक पीढ़ी के संबंध में विरासत ड्रग डिस्कवरी प्रक्रियाओं की तुलना में औसतन कितना समय बचाया जाता है?
स्टैंडिगम शोधकर्ताओं ने विभिन्न परियोजनाओं के लिए सैकड़ों नए अणुओं का संश्लेषण किया है, जिनमें से कई अलग-अलग संदर्भों में हिट और लीड अणु के रूप में नामित किए गए हैं। एआई-आधारित मॉडल और व्यावसायिक संसाधनों को अपनाकर, स्टैंडिगम ने पहले दौर के नए यौगिक पीढ़ी के लिए समय को छह महीने से औसतन दो महीने तक कम कर दिया है। अब, पहले गो/नो-गो निर्णय औसतन सात महीने में किए जा सकते हैं जो पहले तीन से चार साल लगते थे।
स्टैंडिगम के लिए संभावित दवा व्यावसायीकरण की कुछ सफलता की कहानियां क्या हैं?
स्टैंडिगम इनसाइट का उपयोग करके, जो स्टैंडिगम एएसके के समान तकनीकी पृष्ठभूमि साझा करता है, हमने एक दुर्लभ बाल रोग के लिए उपयोग की जाने वाली एक दवा अणु पाया, जिसे अमेरिका के सर्वश्रेष्ठ बच्चों के अस्पतालों में से एक के वैज्ञानिक द्वारा मान्य किया गया था। यह मामला दिखाता है कि एआई प्रौद्योगिकी दुर्लभ-रोग दवा खोज में मदद कर सकती है, जो किसी भी आकार की कंपनी के लिए एक कठिन काम है क्योंकि अधिक व्यावसायिक मूल्य की आवश्यकता है। विशेष रूप से इस मंदी में, जब फार्मास्यूटिकल कंपनियां अधिक रूढ़िवादी होने की कोशिश कर रही हैं, एआई दुर्लभ और उपेक्षित रोगों में अनुसंधान और विकास को बढ़ावा दे सकता है।
स्वास्थ्य सेवा में गहरे शिक्षण और जनरेटिव एआई के भविष्य के लिए आपकी दृष्टि क्या है?
एआई प्रौद्योगिकी की सफलता उच्च गुणवत्ता वाले डेटा की उपलब्धता पर निर्भर करती है। स्वास्थ्य सेवा क्षेत्र में उच्च गुणवत्ता वाले डेटा को सुरक्षित करने के लिए निश्चित रूप से महान प्रतिस्पर्धा होगी। ड्रग डिस्कवरी के संकीर्ण दृष्टिकोण से, रसायन विज्ञान और जीव विज्ञान डेटा महंगा है और उच्च गुणवत्ता वाला होने में लंबा समय लेता है। इसलिए, स्वचालित प्रयोगशाला एआई ड्रग डिस्कवरी क्षेत्र के लिए भविष्य होगी, क्योंकि यह एआई प्रौद्योगिकी के लिए ईंधन के रूप में उच्च गुणवत्ता वाले डेटा की लागत को कम कर सकती है। हम अपने प्रौद्योगिकी प्लेटफार्मों को अगले स्तर पर ले जा रहे हैं ताकि स्टैंडिगम एएसके रोगी व्युत्पन्न डेटा से लेकर आणविक जीव विज्ञान तक अधिक स्पष्ट प्रमाण प्रदान कर सके; और स्टैंडिगम बेस्ट एआई मॉडल राज्य के अत्याधुनिक हो सकते हैं जो घरेलू स्वचालित प्रयोगशालाओं और सहयोगियों से उच्च गुणवत्ता वाले डेटा को खिलाते हैं।
क्या स्टैंडिगम के बारे में और कुछ है जो आप साझा करना चाहेंगे?
स्टैंडिगम के लिए विभिन्न विशेषज्ञता का संतुलन महत्वपूर्ण है, जैसे कि जातीयता का संतुलन भी महत्वपूर्ण है। हम यूके (कैम्ब्रिज) और यूएस (कैम्ब्रिज, एमए) में कार्यालय स्थापित करके अपनी वैश्विक पर्यावरण में उपस्थिति का विस्तार कर रहे हैं ताकि नेटवर्क की उपस्थिति और स्टैंडिगम को एक अधिक अंतरराष्ट्रीय फर्म में परिवर्तित किया जा सके।
साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें स्टैंडिगम पर जाना चाहिए।
