本動画は、製薬大手Eli Lillyの最高情報デジタル責任者Diogo RauとAnthropic創業者兼CEOのDario Amodeiによる対談である。企業向けAI戦略について、Anthropicが他のプロバイダーとどう差別化しているか、特にモデルの真実性と精度へのこだわりが語られる。消費者向けAIが陥りがちなエンゲージメント重視の姿勢とは異なり、企業、特に創薬分野では正確性が不可欠であると強調される。さらに、生命科学向けの専門的なClaudeの開発や、スキル機能の導入についても触れられる。Darioは、AI導入において小さな改善に留まらず、技術進化のペースを信じて大胆にエンドツーエンドでの変革を目指すべきだと助言し、患者への貢献を加速させるための先見性ある取り組みの重要性を説いている。
Eli LillyとAnthropicが語る企業AI戦略
技術の進歩のペースを信じましょう。もしモデルが1年後にエンドツーエンドで処理できるほど優れたものになり、そのときになって初めて展開を始めるとしたら、さらに2年の遅れが生じることになります。それは患者の利益のために行っている全ての仕事が実現しない2年間を意味するのです。
皆さん、こんにちは。私の名前はDiogo Rauで、Eli Lilly and Companyの最高情報デジタル責任者を務めています。本日はAnthropicの創業者兼CEOであるDarioに同席いただいています。Dario、今日はご参加いただきありがとうございます。
お招きいただきありがとうございます、Diogo。
あなたは今、企業とどのようにより良く協働するかについて多くの時間を費やしていると思います。あなたのエンタープライズ戦略は何で、Anthropicが他のプロバイダーとどう違うと考えていますか。
ええ、つまり、私たちは多くの異なる選択をしてきたと思います。消費者向けAIによって与えられるインセンティブについて考えると、人々はエンゲージメントと成長を競い合っているわけです。そしてそれがAIの多くの行動を駆動しますが、私はそれが企業の観点からは理想的ではないと思います。
例えば、モデルがあなたの言うことは何でも良いアイデアだと言うモデル追従性という考え方があります。
その通りです。
消費者側でもそれは問題を引き起こす可能性があります。物理学の新しい基礎理論を発見したと言う人々の話を聞いたことがあります。
その通りですね。
モデルは「それは素晴らしい」と言うかもしれませんが、もしかしたらそう言ってほしくないかもしれません。しかし企業側では、その問題ははるかに大きく明確になります。モデルに「ああ、この薬物化合物は素晴らしい。数百万ドルを費やして」と言ってほしくないわけです。私はただ「これは素晴らしいアイデアだと思います。とても有望だと思います」のように言うのではなく、真実が欲しいのです。
ええ。
だから、そのインセンティブが私たちにモデルを異なる方法で設計させたのだと思います。それはモデルをより賢くし、幅広い経済的に価値のあるタスクでより良いものにすることと、より互換性があると思います。
そしてそれは精度と信頼性に重点を置くことになります。私が皆に示す実験があるのですが、あなたと話しているので特に関連性があります。それは「モデルの生化学の知識を学部レベルの知識から大学院レベルの知識に向上させたとしましょう」と言うのです。
消費者に行ってそう言っても、99%の人は「前に何を話していたのかわかりませんでした。今も何を話しているのかわかりません」と言うでしょう。しかしあなたのところに行けば、本当に、あなたはそれをとても気にかけています。
感謝します。
それはとても重要です。
まさにその通りです。
スキル機能と専門化されたClaude
実は、それはあなたがローンチした別のものにも繋がります。スキルですよね。生物学で欲しいスキルや、企業としてどのように運営したいかというスキルがたくさんあります。それもあなたにとっての未来の一部ですか。
ええ、間違いなくそう思います。スキルから、様々な専門化されたClaudeをローンチするプロセスにある様々なものまであります。場合によってはモデル自体の改善、モデルのファインチューニングになるでしょう。
しかし場合によっては、特定のタイプの情報へのアクセスでモデルをラップするようなものに見えるでしょう。金融サービス向けのClaudeを作ったとき、通常の種類のインデックスや格付けの多くに接続しました。そしてClaudeをそれらのものに接続し、その知識を認識した方法で使用すると価値があることに驚くでしょう。
だから私たちは、モデルを本質的により賢くすることと、様々なもので包むことの何らかの組み合わせになるであろうライフサイエンス向けのClaudeに取り組んでいると思います。ここでの類似が正確に何になるかわかりませんが、タンパク質、化合物、アッセイなどの膨大な数のデータベースがあります。それをモデルの手元に置きたいと思うでしょう。
創薬分野でのAI活用への助言
創薬と開発のこの世界で働いている私たちへの最後のアドバイスはありますか。
誘惑があると言えます。そしてこの方法で始めることを避けるのは難しいと思いますが、AIで何ができる小さなことは何かということです。ある意味では、そこから始めなければならないだけです。
私のアドバイスの1つは、モデルがどこへ向かっているかという点で、非常に非常に野心的であることです。既存のプロセスがあり、それには20の部分があり、AIを5番目の部分と12番目の部分に入れ替えたいというモードに陥る可能性があると思います。そして実際にはそれは難しい場合があります。なぜなら12番目の部分は、AIで行われていない13番目の部分と11番目の部分と交差しなければならないからです。
そしてそれを見て「まあ、AIモデルは0番目の部分から20番目の部分までエンドツーエンドでできる場所にはいない」と思うかもしれません。しかし1年後にはそうなるかもしれません。
その通りです。
だから今から考え始めるべきです。「ああ、この部分とあの部分を行うことで、これらの小さな山登りのような利益を得られる」ということに過度に誘惑されないでください。全体をエンドツーエンドで行う準備を始めましょう。
技術の進歩のペースを信じましょう。なぜならモデルが1年後にエンドツーエンドで処理できるほど優れたものになり、そのときになって初めて展開を始めるとしたら、さらに2年の遅れが生じることになるからです。
その通りです。
さらに2年の遅れが生じます。それは患者の利益のために行っている全ての仕事が実現しない2年間を意味します。
一方で並行して進めれば、モデルが良くなるにつれて今から大きな変化に向けて準備を始めれば、数年の時間を節約できるかもしれません。
その通りです。だから2年間のプロジェクトを行って、2年後には今と全く同じ方法になると期待しないということですね。
はい、2年間のプロジェクトを行うなら、AIがどこに向かうかを計画してください。つまり、それは言うのは明白なことのように聞こえますが、実際にはそれを行うには多くの勇気と先見性が必要だと思います。
確かにそうです。本日はお時間を取ってお話しいただき、本当にありがとうございました。
ええ、ええ。ありがとうございました。
コメント