这些年AI发生了哪些进化？

第一个层面，精准度角度的进化：

第一阶段还有很多没有考虑得非常完善的方面，结果不是特别准确。第二阶段AI的早期是机器学习，有很多人的辅助在里面；第三个阶段是深度学习，深度学习像是一个黑盒，虽然过程不是非常清晰，但是它通过一些成功的湿实验的结果去训练模型，使得通过这个黑盒可以掌握非常多规律，结果准确率也得到了提升。

第二个层面：过去AI技术的发展相对独立，现在AI进化成了无行业的AI，AI渗透进了各个行业的具体应用中，就像刚刚各位老师提到的“AI想要和制药行业进行很好的融合，必定是要服务于制药的。”

第一个层面：最早的时候，药物设计就和AI是相关的，那时候靶点还不是很清楚，用的是QSAR；第二个阶段是后来靶点比较清楚以后，毒理研究也应用比较广泛了，药物发现发展到需要做一些分子对接的工作，这也帮助药物学家发现了很多药物；第三个阶段AI出现了，从九十年代初的神经网络到多层神经网络到现在的深度学习，可以解决一些以前解决不了的更加定量、精确的问题。

第二个层面：以前AI是专家型的，应用比较少，未来会发展到更多领域、让更多人可以应用。而且，工业界可以对各种算法进行很好且快速的验证，这也可以促使AI能够进行更好的应用和发展。

关于高质量数据，数据的重要性现在大家都很清晰，数据不仅是做模型、做training，同时还有管理问题，大家是怎样做数据处理及管理的？

行业人员每天都在采集数据——采集实验数据，采集计算的数据，怎样去管理数据是很重要的事情。实验数据的管理，根据我们国家监管的要求，数据要真实、完整、可追溯。在计算的数据方面，后续监管部门可能也会有这方面的要求，比如数据是由谁计算的，什么时候计算的，用什么样的模型算的等等，这样系统才能逐渐完善起来。

从我们的角度说，数据的清洗、甄别是非常重要的。数据有不少，虽说是数据驱动，但是不能被它完全驱动。数据的提供者一定要对数据把关，数据的使用者要理解数据的意义。都说AI是个黑箱，如果对数据不理解，将数据投入黑箱后，出来的东西自己可能也不知道是什么。

AI作为工具赋能制药行业，过去非常火热，现在回归理性、健康的状态，大家对AI的期待是什么？

我对“赋能”的理解是，原来没有能量，现在AI给了它能量，但是在我们来说，更合适的说法是AI助力制药行业，具体怎样助力可以听听曹总的意见。

我记得最开始推CADD的软件时，一个老师问我“你们这个软件能做出药来吗？”，我的回答“我们的软件做不出药来，要是能做出药，我们就不卖软件了”。其实，不管是AI、做实验或者是非常好的实验设备，最终做药不是我们做AI的人做的，是做药的人做的。我们能做的是给他们提供更多的信息，给这些信息做好分类，便于他们决策往哪儿走，具体怎么走，是做药的人决定的，我们的姿态就是：我们做的事情是来帮助他们做药的。

在AI制药行业以外的人们经常会问 “现在AI有把药做成功上市的吗？”，这个问题确实非常有挑战性，即不懂AI，又不懂制药，如果说上一代CADD也是AI的话，实际上现在已经上市的药物，尤其是靶向药物发现的过程中，AI发挥了非常重要的作用，从这个角度讲，AI早已把药物送上临床治病救人了。现在的AI在算法、算力及数据驱动方面已经有了很大的迭代和进步，我们这个行业中的人已经看到AI作为非常重要的工具伴随着我们在新药研发的方方面面，相信未来AI会像水一样伴随新药发现的过程。