AIが予想よりも速く創薬を破壊している

Brian Sozzi · エグゼクティブ・エディター

2026年2月16日（月）午後10:00（GMT+9）

このビデオでは：

•                                       StockStory 注目ピック 
  

  LLY

  +0.33%

「Opening Bid Unfiltered」はApple Podcasts、Spotify、YouTube、またはポッドキャストを聴ける場所ならどこでも利用可能です。

AI駆動の新しい創薬開発の波を支える企業に注意を払っていないと、必須の投資機会を見逃してしまうかもしれません。私たちが注目している1社は、2024年に共同創業者のJoshua Meierによって設立されたChai Discoveryです。ハーバードを卒業後、MeierはGPT-1およびGPT-2の開発期間中にOpenAI（OPAI.PVT）で研究者として働き始めました。その後、Metaの生成バイオロジー部門で働き、ESM1の開発を共同でリードしました。ESM1は、最初のトランスフォーマー型のタンパク質言語モデルです。Chai Discoveryは現在、AI創薬開発分野で最も話題のスタートアップの1つです。12月に同社はシリーズBの資金調達ラウンドを完了し、評価額13億ドルでさらに1億3000万ドルを調達して、そのユニコーンとしての地位を固めました。出資者には、General CatalystやOpenAIのようなシリコンバレーの大物が含まれています。同社は最近、Eli Lilly（LLY）とも取引を締結しました。この取引により、製薬の巨人はChaiのモデルを使用します。Yahoo Financeのエグゼクティブ・エディターBrian Sozziが、Opening Bid Unfilteredの中でMeierと話し、AI駆動の医療の世界の中に踏み込みます。

お気に入りのポッドキャスト・プラットフォームで聴くか、当社サイトでOpening Bid Unfilteredの完全版エピソードをご覧ください。

Yahoo FinanceのOpening Bid UnfilteredはLangston Sessomsによって制作されています。

ビデオ・トランスクリプト

0:00 spk_0

よし。Opening Bid Unfilteredの新しいエピソードへようこそ。私はYahoo Financeのエグゼクティブ・エディターBrian Saziです。いつもこの番組で言っている通り、このポッドキャストはあなたをより賢い投資家にしてくれます。今回のエピソードでは、さらにかなり賢くなれますし、そして正直に言うと、これはまた、あなたの心をぶっ壊すようなタイプのエピソードになるはずだと思っています。ええと、Joshua Meyerは、Chai Discoveryの、あの、共同創業者ですね。えっと、会えてうれしいです。ご存じない方のために言うと、私はあなたの歩みを追いかけていました。あなたの会社についてもっと見えてきたんです。では、あなたの会社は何をしていて、なぜ始めたんですか？

0:26 spk_1

まずは番組に呼んでくれてありがとう。本当にこの話をするのが楽しみです。いや、これは本当に、ずっと私の心を掴んで離さない。子どもの頃からずっとこの分野に取り組んできたんですが、やっとこの規模感で動いているのを見るのはクレイジーですね。だから私たちの会社、Chai Discoveryでは、分子向けのコンピューター支援設計スイートを作っています。つまり、原子レベルまでコンピューター上で薬を設計できるようなソフトウェアを想像してください。そして、研究室でテストするときに、成功率がかなり高い形で、実際にその分子が機能するように分子を設計するんです。

0:56 spk_0

どうして、どうしてそういう方向に入ったの？

0:59 spk_1

うん、いい質問です。子どもの頃からプログラマーだったんです。実はハイスクールで、幹細胞の研究室がある学校に通っていました。数学チームに入りたくて行ったんですが、高校の1年生のときに、幹細胞についての授業があって、幹細胞を作るプロセスは「リプログラミング」と呼ぶんだと言われました。細胞を幹細胞へとプログラムすることができるんです。私は「プログラミング好きだ」ってなって、それがきっかけで。幼い頃から、プログラミングも分子生物学もずっと両方にハマっていました。だから、それらを結びつける方法が見つかったのが、本当にワクワクしたんです。

1:24 spk_0

今まで撮ってきた240本のエピソードを思い返してたんですが、あなたはこのポッドキャストで話した中でも、最年少の共同創業者、あるいは創業者じゃないですか。

1:33 spk_1

まあ、AIの分野だと僕より若い人はいっぱいいるんですよ。なので同世代の中では、ちゃんと年寄りになった気分は味わえます。

1:38 spk_0

今。いや、いいですね。あなたはキャリアを始めたときは、Open、OpenAIだったの？ それとも、その後Facebookに行ったの？ そうですよね、

1:44 spk_1

ええ、実は同じ建物でした。

1:45 spk_0

すごい、770ブロードウェイ、ニューヨーク市へのリスペクト。

1:48 spk_1

ええ、まさに。えっと、OpenAIは、当時これらのものが合流してきた場所だったんです。GPT-1とGPT-2をやっていた時期に、そこでは言語モデルとしては最初期のものの1つですね。インターネット全体を取り込む。英語、ドイツ語、フランス語、何でも。そうしてモデルがそれを話すことを学ぶ。で、僕はこう思ったんです。「もし自然言語でそれが機能するなら、DNAやタンパク質のような、より本物の自然な言語でも動かないはずがない」と。で、Facebookに行って、そこでそういうことに取り組むことになりました。この建物の中に研究ラボがあって、そこでやっていたのが、2019年にFacebookに入ったときの状況ですね。AIと科学に関して、その当時は「空想のアイデア」みたいなものがあって、科学に適用しようとしていた。そして最初の言語モデルを、バイオロジーとタンパク質の配列向けにトレーニングしていました。

2:25 spk_0

たぶん一緒にエレベーターに乗りましたね。僕は2018年後半に遅れて入ったけど、多分エレベーターで会ってたと思う。世界を変えることをしてる人がいる一方で、僕はよくわからない、インタビューとかをしてる。ああ、そう。どんな感じでした？ もちろんあなたの会社の話に入りますけど、今まさに、AIマニアの真っ最中で、OpenAIはもう圧倒してますよね。あの初期の日々って、どんなだったんですか？ 僕は多分、あなたのことをこのポッドキャストで最年少って言ったので、ちょっと年寄りいじりじゃないですけど年齢の話をしてしまいます。

2:49 spk_1

そうですね、当時はみんな「え、そんなの無理でしょ」って思っていたんです。会社のミッションはまだAGI、つまり汎用人工知能を作ることだった。ただ、同時に営利の上限付きに移行する過程でもあって、つまり会社はいつかはお金を稼ぐ必要がある。そのためにどうするんだ？ って話があって。AGIを作って、それに「どうやって稼ぐの？」って聞けばいい、と。技術があまりにも大きくなって、実現できれば価値も途方なく大きいはずだ、というポイントがありました。だから実際には、AIでこれから何が起こるのかについて、半信半疑を一時停止できるような人たちの集まりだったんです。そしてそれが、OpenAIの成功にもかなり繋がっていた。とにかく非常に大きなことを考える意志です。反対する人が山ほどいる中でも、です。AIの専門家たちは「これは起こらない。別のやり方が必要だ。スケールアップするだけでは無理だ」と言っていました。ところがOpenAIは「とにかくやってみよう」と。それで結果的に動いた。そういう場所でキャリアを始めたことが、今Chaiでやっていることにも大きなインスピレーションをくれています。分子レベルでそういうことをやるには、会社として、最初の2年くらいは「信じるものを一度疑わずに置いとく」必要がありました。で、今実際に見えてきて、技術でできることが現実の成果として結びついていくのを見ていて、それは本当に信じられないほどです。あの頃、

3:56 spk_0

今まさに起きている瞬間を、あなたは見えてましたか？

4:00 spk_1

いや、みんなが思ってたと思う。

4:01 spk_0

そうですね。言うべきでしたね。あの頃は…そこまで時間は経ってないですよね？ほら、

4:04 spk_1

紙に書けばいいような話なんですよ。「起こるはずだ」って。こういうスケーリング則があって「こうなる」と。知的にはそう考える。でも、それを体験するのは別なんです。ずっと長い間取り組んできたものが、ついにここまで大きく動き始めるのを実際に目撃することに対しては、感情的には何も準備できていないんです。

4:24 spk_0

いつ、今やっていることから方針転換するタイミングだって分かったのはどうして？ Opening eye、そしてFacebookへ行って、今はchai。そう、僕は

4:31 spk_1

まあ正直に言うと、いくつも「空振りのような試行」があったと思います。AI創薬分野全体は昔からありました。AI創薬をやっている会社は100社くらい探せば見つかるかもしれません。人々は何度も、これを立ち上げようと試みてきた。そして今回違うのは、技術が本当に大きな形で機能し始めたことです。僕の道筋で見ると、まずOpenAIから始めました。言語モデルです。GPT-1とGPT-2って、正直に言うと会話相手として面白いわけではないですよね。現代なら「AIの友達」とかでめちゃくちゃ楽しめるような存在は、当時はありませんでした。いくつかの飛躍が欠けていた。でも、Facebookで実際にやってみた最初の試みとしては、タンパク質配列向けの言語モデルがありました。そこで「ここでもたぶん同じことが起きる」という土台ができた。スケーリングの発想も同様です。モデルにより多くのデータを入れて、計算資源も増やして、大きなモデルにする。そうすると生物学をもっと面白い形で学び始める。僕自身、Facebookと今の会社Chaiの間で一度、今の会社の前後関係も含めて、今の会社の前の時期として、Absaiという会社に在籍したんですが、そこは実際には細胞株開発の会社でした。小さな細菌を作って薬を製造していました。それに加わって、このAIを使った創薬への方針転換を支援したんです。そこは本当に素晴らしい場所でした。AIを使って、その分子を作り、研究室でテストするところまでを行っていた、最初期の場所の1つでした。そこでは、分子の一部を設計していたんですが、当時は3%くらいの割合で「機能する」ものが出る。次は5%、10%へと上がっていく。これもまた別のスケーリング則ですよね。どんどん大きく、そしてより良くなっていく。で、だいたいそのあたりで僕たちは会社を始めることにしました。技術がこれだけ大きく機能するなら、新しい種類のビジネスモデルを生み得ると分かったからです。共創メンバーを見れば、会社には4人の共同創業者がいて、それぞれ違う経験を持っています。僕は分子生物学×AIの交点で取り組んでいます。JackはStripeで何年も働いていた。つまり、金融決済やセキュリティ、インフラがとても重要なんです。ごめん、分子でした。いや、要点は、テクノロジー横断で共有される課題がたくさんあるってこと。インフラやセキュリティを含めて、製薬向けにきちんと動かすには非常に大きな問題があります。だから「銀行級のセキュリティ」を持ち込もうとしている。JacquesとMattは、AI研究と生物の交点でのリーダーでした。Mattは実際にタンパク質のフォールディングのための最初期のディープラーニングモデルを作っていて、Jacquesは化学向けのAIに多く取り組んでいました。そして製薬企業と一緒に分子を作っていた。だから私たちは集まりました。技術は大きく機能し始める、という賭けをしていた。あなたが前に聞いてくれたポイントに戻ると、知的には「たぶん動くだろう」と思っていた。でも、当時は、今のようにうまくいくとは想定していなかった。さらに、起きた後の第二次的な影響を考えると、もうバカみたいな話になるほどです。だから、野心が時間とともにどんどん膨らんでいく。ひとつがうまくいくと、自分の中で新しいベンチマークを作ってしまうから。これが、過去数年の僕たちのストーリーです。たぶん

7:17 spk_0

あなたがやっていることを理解するには、まず普通の一日を理解するところからだと思うんです。朝起きて、何をするの？ そしてあなたの1日はどんな感じ？

7:25 spk_1

この世界に「典型的な1日」なんてありません。技術がものすごい速さで動いているからです。実際、今日僕たちができていることは、2か月前にはChaiでもできていなかったくらい。技術がそれくらいのスピードで進むので、いつも次のボトルネックが出てきて、それを解決しないといけない。ある日には、例えばEli Lillyのようなパートナーと一緒に動いて、あなたたち向けの作業を進めることもあります。そう、発表できるのが本当にワクワクなんです。つまりLilyは僕たちの技術を使っていて、私たちの技術を使った大量のプロジェクトに取り組んでいます。だから今夜は実際にサンディエゴへ飛んでチームと一緒に時間を過ごすかもしれない。あるいは、パートナーと時間を過ごして、研究チームと一緒に、モデルに新しいボトルネックを見つけたので大きな新しいデータセットを構築しに行かないといけない、といった形になるかもしれません。データをある方向へスケールすることでうまくいくと考えているから。そういう会議もありました。忙しすぎて、たしか10時から深夜0時まで、新しいデータセット構築のキックオフ会議をやったと思う。そんな感じのことが起きます。研究チームと座って、デバッグをして、モデルをより安定した形で学習させるために、特定のことを改善しないといけない。そうすれば、より計算資源の大きい、より大きなモデルで、より良い結果を出せる。ほんとうに、いろんなことが同時多発で起きているんです。そして、今のAIの一番ワクワクするところはここだと思います。毎日何か新しいことが起きている感覚がある。学際的なので。データで何かが起きるか、モデルで起きるか、パートナーシップで起きるか、ラボで起きるか。毎日、何か新しいことがあって、新しい課題に直面します。

8:48 spk_0

もし医療で新しいブレークスルーがあるなら、それはAIをこれまでにない形で使っているあなたのような会社から生まれるんですか？

8:58 spk_1

まあ、この分野でたくさんのブレークスルーが起きることを願っています。加えて、第二次的な効果もたくさんあります。例えば研究室で成功率の高い分子を作れるとしても、人に投与されるような大量の分子にたどり着くまでには、まだまだ多くのことが必要です。つまり、潜在的な解決策を問題に対して見つけたとして、次にやるべきことは、それを実際に検証していくこと、たとえば各人が自分たちのパイプラインに取り込み始めること。Lillyとの取り組みもそうです。だけど次に何が解放されるかを考えると、人々がこれまで着手できなかった課題がいくつもあります。例えば「薬にできない標的（undruggable targets）」のようなもの。生物学のある領域では、その標的に対して分子をどう作るのか分からない部分があります。そこにAIを使えるようになれば、その結果、新しい生物学を学べるようになります。つまり「試したかったアイデアが50個あるのに、今まで試せなかった」ものを、今は試せるようになる。そういうことです。AIはAIの外側に広がる機会も開きます。

9:47 spk_0

この超平均的な人間に聞きます。なぜ分子に注目するの？

9:54 spk_1

まあ、僕たちが取り組むべきこととして、これ以上に良いものはないと思うんですよね。自分の立場に立ってみてください。AIの分野でしばらく働いてきて、周囲の状況を見れば、たくさんのアクションが起きています。この世界で、いま人生をどう使うのが最も重要か。もしこれを、人間の健康や人間の状態を前進させるために使えるなら？ それ以上に切実なものはない。たぶん一番「肌で感じる」価値がある。でも、結局は本当に、日々の最後のところで人を助けること。AIにはたくさんの問いがあります。人々が、つまり僕の友達の多くがいま会社を作っています。どれも本当にワクワクすることをやっている。けれども、多くの人は「じゃあ正しい問題は何か？」を考える。でも僕は子どもの頃からずっと明確だったんです。「何らかの方法で、人の役に立つ道に行けるなら」って。成長するにつれて医者になりたいと思っていました。だから僕にとっては、それはすごく重要な価値なんです。そして、非常にクールな技術であり、同時にビジネスとしてもすごく良い。それに加えて、多くの患者さんの人生を本当に変えられる何かと結びつけられる。だから僕は、これ以上に良い大義はないと思っています。

10:46 spk_0

よし、一旦ここで一緒に待ってください。ジョシュ、すぐ戻ってきます。Opening Bin Unfilteredで。よし、戻ってきました。Opening Bid Unfilteredに再びようこそ。Joshua Meyer、Chai Discoveryの共同創業者と楽しく話してます。もう12分経ってますが、何が可能かについて僕は間違いなく心を揺さぶられました。ええ。僕も、こういうことを考えてました。最近、ファイザーのCEOの話を聞いたんです。Albert Borla博士で、彼は「技術の進歩のせいで、次の大きなブレークスルーはがんで起きる」と言っていました。縦割りで言うなら、技術がどこで病気を取り除くように解放していくのか。どこから来るんでしょう？

11:25 spk_1

ええ、まずはAlbertへの素晴らしい指摘ですね。実は、ファイザーのCSOであるMichael Dolstonが、去年私たちの取締役会に加わってくれました。だから私たちは、価値はどこへ向かうのかという問いについて、かなり時間をかけて考えました。でも正直なところ答えはまだ出ていません。なぜなら、モデルは気にしないからです。AIは免疫学にも、腫瘍学にも、神経科学にも使える。適用できる場所は本当にたくさんあります。モデル側は本当に関心がないように見えるんです。

11:48 spk_0

あなたが発表したEli Lillyとの提携で、Lillyはあなたの取り組みをどう使うんですか？

11:54 spk_1

ええ。僕らの立場にいる多くの会社は製薬会社に行って、「一緒にやろう。2つか3つの商品について。うちが一番難しいものを出すから」と言って、1年か2年取り組んで、分子を持ち帰る。これが「数年前に成立する合理性」のあるやり方でした。技術がまだあまり機能していない頃で、たくさんのハンドホールドが必要で、AIと研究室の間で何度も行ったり来たりしないといけなかったから。だから、Eli Lillyに行って「はい、これがうちのAIです。何か面白いことをやってください」と言っても、うまくいかなかったと思います。ところが今は、能力面で大きな飛躍があったおかげで、こうした新しい種類のコラボが可能になっています。Lillyが2つか3つのプロジェクトだけに取り組むのではなく、ポートフォリオ全体で何十もの案件に取り組んでいる。彼らのチームと直接一緒に働いて、最新のAIの形で彼らを力づけられるのが、すごくワクワクします。さらに製薬業界全体を見れば、これまでAIとの関わり方は「最前線にいないといけない」という類のものが多かった。少し一歩戻って説明すると、製薬会社には「独占権の喪失（loss of exclusivity）」という概念があります。革新を続けないと、いずれジェネリックに押し出されます。そう、まさにその通り。だから常に革新の最前線にいる必要がある。製薬会社はいつも新しいことを試します。何が機能しているかを見る。彼らはこの10年、AI創薬でそれをやってきて、ついに機能するポイントに到達した。だから今度は、そうした能力を社内に取り込む必要がある。チーム自身が使うためのモデルを持つ必要がある。ChatGPTを使う人たちを見れば分かりますよね。AIコンサルに行って「自分の仕事をAIで代わりにやって」もらうだけではない。みんなが日常の道具として使っている。それが創薬でも起き始めている。今まさに、創薬の中で起きている。だからこそLillyとの提携は、能力の実際の大規模展開に焦点を当てています。私たちはさらに、一緒に「フロンティアモデル（frontier model）」を共同開発することにも取り組んでいます。私たちのフロンティアAIモデルと、彼らの過去のデータを組み合わせて。モデルが、去年ですらそうだったよりもずっと良く機能しているからこそ、今開けてきた機会がこういうものです。

13:41 spk_0

この会話を12か月後にしていたら、あなたのモデルは今日と比べてどこがどう変わっていると思う？

13:47 spk_1

ええ、今年の間に私たちはたくさんのことを解明していきます。例えば、成功率の高いモデルを作ること。文脈をつけるために言うと、1年前、つまり文字通り1年前には、AIで作ったこれらの分子が研究室で機能する成功率が0.1%でした。つまり、AIが設計した分子のうち1,000個に1個、あるいは10,000個に1個が機能する、という水準です。今は1/5です。物理学的に考えて、1/1に行けない理由は、僕は特に見当たらない。だから私たちは今まさに、そのためのデータ構築に大きく取り組んでいるんです。もう本当に役立つところまで来たとしても、この技術は減速する兆しがまったくない。だから予測可能性がもっと良くなると思います。つまり、より良い分子が出るだけでなく、研究室での影響がどうなるかを予測するAIモデルを作れるかもしれない。研究室で行う実験のシミュレーションを作れるかもしれない。今、かなりクレイジーなアイデアに近づいています。もし1年前にあなたのポッドキャストでそれを言ったら、誰も「何を言ってるの？」って感じで、相手にされなかったと思います。そう、たぶん誰も真面目に取り合わない。「ありえない」となる。でも、実際に私たちが顧客発見のために会社の状況を聞いていた時も、「この能力が役に立つと思う？」と聞くと、「役に立たないと思う」と言われた。理由を聞くと、「モデルがそんなにうまく機能するはずがないから」と。「いや、いったん信じてみよう。もし動くとしたらどうなる？」と。すると「そうだとしても、結局うまくいくはずがない」ってなる。買わないという流れになる。それでも今、実際に動いているのを見ると、本当にクレイジーです。だから僕が社内のホリデーパーティーでチームに言ったことの1つとして、「今年はもっと大きく考える必要がある」と。投資家にはシリーズAで、ボディデザイン（body design）で成功率1%に到達すると言っていた。前年度は0.1%だったので、10倍改善すると言っていた。2年以内に10倍というのはかなりクレイジーだと多くの投資家が思っていた。それでも、数か月で10〜20%まで到達した。狙っていた10倍改善よりもさらに高くなって、しかも2〜3倍速で実現した。だからもしこの過去1年の傾きがそうだったなら、この1年で何が起きるか想像できるはずです。

15:38 spk_0

あなたの仕事の大きな部分には、より多くの資金を集めて、達成したいことを実現することが含まれてますよね。すでに資金も集めて、ユニコーンとしての成功も収めている。できるだけ早くこの事業をスケールするには、もっと資金が必要なんじゃないですか？

15:52 spk_1

ええ、GPUは高いんです。だから僕は……たぶん世界で価値の高いビデオが、みたいな話じゃない、あれですよね。そう、データセットも高い。いま起きているクールなこととして、AIモデルを使ってデータセットを作ることができるようになってきました。だからAIに「どんなデータが必要？」と聞いて、その必要なものをモデルで生成して、より高い効率でデータを作る。とはいえ、全部それなりにお金がかかる。だからここで多くの資金を調達した理由の1つでもあります。もう一つの側面としては、パートナーと一緒に、もっとこうしたことを進められるようになればいいということ。なので私たちはLilyのような会社と組むのが好きなんです。こういうことを一緒にパイオニアできるから。大手製薬会社の専門知識とデータを、急速に動くAIやGPUといった、自社にあるものと組み合わせると、できることがたくさんある。Jiみたいな話になりますけど、つまりそういうことです。

16:39 spk_0

ここまでの全体がどこへ向かっているのか、あなたには全体像としての見通しがあるはずです。AIはどこへ向かうのか。終わりはあるのか？ みんなは最終的にどこに着地するのか。

16:48 spk_1

終わりを置く理由が僕には分からないんです。技術はこれからも良くなっていくし、前に言った通り、あるブロッカーやあるフロンティアに到達するたびに、次のベンチマークが生まれて前へ進む。例えば分子設計の話で言うと、私たちは「抗体設計（antibody design）で成功率1%を達成したい」と思ったんです。それができると、高スループットスクリーニングをやめられる。1.3億分子をスクリーニングしなくてよくなる。100分子なら手作業でもできる。だから当初はそう考えていた。ところが動いてみると、これまで着手できなかった本当に難しい問題が見えてきた。つまり、この標的に対して1000分子をスクリーニングする手段がそもそもないので、1度にできるのは10個ずつ。だからAIがそれを可能にしてくれる。すると、これまで不可能だった新しい「生物学の課題」を考え始められる。たとえば、そもそもどう取り組むべきか分からないある疾患領域があるかもしれない。分子を見つける話すらできていない。アイデアすらない。じゃあ大量のことをAIで“総当たり”して、アイデアを作れるのか？ さらにAIを外側のループ、つまり「外側から回すループ」に組み込んで、どんな実験やアイデアをやるべきかまで提示させられるのか？ それがこの技術の物語だと思うんです。人類の歴史のどこを見てもそう。何かを見つけたら、その上に積み重ねて次の問題を解決しに行く。だからこれが止まるとは思いません。すぐに止まることはないと思います。

18:01 spk_0

そしてこの国には感謝すべきこともたくさんありますが、創薬開発で何が壊れているの？

18:08 spk_1

創薬開発は本当に難しい。私たちが今ある技術を使って、そもそも薬を発見できているという事実自体が、正直、これまでで最もインスピレーションを与えてくれることの1つです。例えば取締役会のMichael Dolsonのような人に話を聞くと、彼は承認された薬を何十個も見つけてきているんですよね。Michaelの話を聞くと、こうやって分子を作るための直感がとてつもなくすごい。だから彼と過ごす時間は大好きですし、たぶん彼も同じで、彼が持っているアイデアがあって、AIモデルが「それに対して面白い別のアイデア」を出すこともできる。で、創薬開発で壊れているのは何かと言えば、結局のところ「難しすぎる」ということだと思います。難しいことがあると、その過程には非効率がたくさん出てくる。例えば分子をより速く発見できるかどうか。分子の発見に2年かかるのか、それとも2週間か。これで、追いかけたいアイデアの種類が変わります。前はあまりに難しすぎて無理だったことが、実際には「じゃあお金の観点で置き換えると…」となる。NPVの話になりますよね。新しい創薬プログラムの多くはNPVがマイナスになりがちです。多くの創薬プログラムは、言ってしまえばA C F（ACF）に乗せると投資すべきじゃない、という感じです。

19:07 spk_0

割引キャッシュフロー（DCF）ですね。金融アナリストの皆さんへ。

19:10 spk_1

そう、まさにそう。だから多くの創薬プログラムに取り組むのは合理的じゃない。でも、AIを使って成功確率が上がり、期間が短くなると、以前は資金を入れるに値しなかったものが、今は値するようになる。アイデアの時点だけでもNPVがプラスになる可能性がある。つまりこの領域にはさまざまなダイナミクスがあって、AIによってそれらが大きく変わり始めると思います。

19:31 spk_0

最後に2つ、楽しい質問。1つ目。今振り返ると、あなたのキャリアの流れを変えた瞬間は何か。会話なのか、会議なのか、ある1日なのか。何か。

19:45 spk_1

いい質問です。たくさんありすぎる。僕は、素晴らしい場所でたくさん働けてきたのは本当に幸運だと思っています。だから、たとえば

19:52 spk_0

難しいよね。1つに絞ると、何が「きっかけ」だったのか。

19:53 spk_1

1つの案として特定するのは難しい。

19:54 spk_0

アイデアは何？ じゃあ私たちへの一番のアドバイスは？ Sam Open Eyesに戻ります。あなたの会社に戻って、Sam Altmanから、毎日守っているような素晴らしいアドバイスをもらったことはありますか？ ええと、

20:02 spk_1

たぶん、そこで一つ話せる。OpenAIにいた頃、僕がFacebookに行くために離れるときに、Samとこういう会話をしていたんです。「プロテオミクスのようなことをやりに行くべきか？」とか、「AIでタンパク質設計をやるべきか？」とか。あの当時は。で、その当時は技術がまだ準備できていないと判断しました。だから学びとしては、たぶんこういうことですね。AGIでも同じで、「とにかく大きく考える」必要がある。ただし「熱が冷める前に（iron when it’s hot）」当てる必要もある。3年前にAIモデルを人々の手に渡すのは意味がなかった。まだ動かなかったから。で、僕たちが「今年はAI創薬における配備（deployment）の年になる」と考えている理由の一つが、技術がようやく動き始めているからです。

21:13 spk_0

もう1つ行きます。あなたはかなり強烈でエネルギッシュなタイプに見えますし、そこは評価できます。僕も同じです。じゃあリラックスするときは何をするの？

21:19 spk_1

ええと、

21:19 spk_0

無理ですよね。

21:21 spk_1

ええ、僕はランニングするのが好きです。正直、これを言うのは申し訳ないんですが、共同創業者のJacquesは文字通りマラソンランナーなんです。たぶん彼のマラソンタイムは2時間40分くらいで、それより今はさらに速いかもしれない。

21:34 spk_0

でも高負荷（high rocks）をやらないと。最近ハイキングにハマってて。今夏にニューヨーク市で最初のレースをやるんです。バチバチにやれてます。

21:39 spk_1

いいね、

21:39 spk_0

おもしろい、

21:40 spk_1

ええ、ええ。

21:40 spk_0

ええ。チームの中にもランナーがかなりいますね。そういう強いエネルギーを別のものに流し込むと、もう仕事のことは考えられなくなる。仕事以外のことに集中できる。で、

21:49 spk_0

データも取れる。僕がブッピ…の仕事をしたときみたいに。自分のデータを集めて、何をしているかを見られる。

21:53 spk_1

僕たちAI研究者はデータが大好きなんですが、今はとにかく何かと大変で、落ち着いてリラックスするのは難しい。いまはリラックスする時期じゃない。むしろ本当にハードに行くべき。この「物事が動く年」だから。

22:03 spk_0

もし僕が…インタビューでそれを聞いたら、それが正しい答えだ。あなたのことが楽しみです。これからもずっと、あなたのストーリーを追い続けられるのが待ち遠しい。あなたは本当に素晴らしい、変革的で、重要なことをやっていると思う。Joshua、会えてうれしい。ありがとう。僕は

22:14 spk_1

呼んでくれてありがとう。

22:15 spk_0

以上で、最新のOpening Bit Unfilteredは終わりです。YouTubeやポッドキャスト・プラットフォームで、これからもたくさんの愛を送ってください。僕はそれが全部好きです。そうすると、こういうインタビューをもっと上手くできるようになります。ではまた近いうちに。

利用規約 および プライバシーポリシー

プライバシー・ダッシュボード

その他の情報