美國風險投資家吉姆·布雷耶（Jim Breyer）通過與蘋果、微軟以及戴爾等公司的首席執行官交流，發現將計算機科學與生物、化學和物理等學科相結合，能夠讓員工擁有AI加上某學科之一“雙技能”，從而在大型科技公司獲得更多的發展機會。

作為一名風險投資家，布雷耶近幾十年來投資了許多突破性的技術想法，比如Meta和Spotify。然而，他認為，AI與醫療相結合將成為下一個最具吸引力的投資機會。

自2017年以來，布雷耶表示，他的首要任務是從領先的醫療機構中找到最佳的疾病和醫療數據，如Memorial Sloan Kettering、MD Anderson和Johns Hopkins等。這些數據高度專有，需要授權給布雷耶資本支持的初創公司。他說：“AI和醫學相結合可能是我見過的最具吸引力的新投資機會。”

布雷耶還稱，他並不是唯一持這種觀點的人。他最近與戴爾公司創始人邁克爾·戴爾（Michael DELL）進行了一次討論，後者也同意這種觀點。布雷耶還與多家科技公司首席執行官進行了私下交談。他說：“在過去的12個月裡，基於與微軟首席執行官納德拉·薩蒂亞（Satya Nadella）和蘋果首席執行官蒂姆·庫克（Tim Cook）等人的直接會面，大型科技公司在醫療保健和醫藥方面的投資不是增加了一倍或三倍，而是10倍或50倍。”

然而，如果傳統科技和醫療領域之間沒有新的結合方式，這種機會也不會轉化為成就。布雷耶說：“將來自亞馬遜、谷歌或微軟的32歲或35歲的優秀機器學習人才聚集在一起，讓他們與獲得諾貝爾獎的醫生、偉大的醫療機構密切合作，這確實是一項具有挑戰性的工作，但這也將是上市公司和私營公司取得突破性投資回報的領域。”

Relay Therapeutics的的總裁兼CEO桑吉夫·帕特爾博士(Sanjiv Patel)致力於將藥物發現和計算科學相結合，他表示，與過去幾十年的“虛假黎明”不同，這次的交叉技術突破是真實的，“這不再是科幻小說，我們已經在三個臨床試驗中測試這種技術。”但他警告說，這種突破將面臨許多障礙，時間表也難以確定。他還承認：“有很多相關炒作。人們說你在元宇宙中按下一個按鈕，就能得到一種改變生命的藥物，但我不認為那是真的。我們正在考慮隨著時間的推移，變化將逐漸增加，還有很多重大挑戰需要克服。”

其中一些挑戰將是具體案例，因為人工智能試圖在整個醫療保健價值鏈上進行轉型；有些問題則涉及高質量、乾淨的數據集問題——“這並不容易獲得，”他說道；第三個挑戰則是將布雷耶提到的各個科學領域中的人才之間建立聯繫。

“雙語科學家的可用性將會是我們的瓶頸，”帕特爾說道，他將雙語科學家定義為精通計算研究和對醫學很重要的核心學科之一（如物理學、生物學或化學）的科學家。他說：“這是一個大問題。”

著名矽谷風投機構Andreessen Horowitz的普通合夥人維尼塔·阿加瓦拉博士（Vineeta Agarwala）表示，所有行業的從業者都應該假設自己需要AI技術的支持，並對使用這種技術持開放態度。她的風投公司正在為那些聲稱想要利用AI來增強自己的能力、這樣他們就能做得更多的創始人“尋找機會”。她稱：“公司、研究人員和企業家都是這樣看待AI的：擁抱AI看起來有點像幾十年前擁抱計算機。而與個人電腦歷時30年的發展不同，AI可能在5到10年內繁榮起來。”

作為醫生，阿加瓦拉表示，她需要了解的醫學信息已經達到了“狂熱的水平”，從醫學文獻到臨床試驗，再到從大量患者數據中了解到的信息。她還指出，微軟已經將ChatGPT與其面向醫生的醫療口述軟件集成起來。這些AI橋樑有助於解決導致醫生職業倦怠的直接工作流程問題。阿加瓦拉表示，在醫生面對患者並與醫保報銷系統打交道的工作流程中，大型語言模型可能有助於減輕壓力，緩解醫生的職業倦怠。

阿加瓦拉稱，AI已經被應用於藥物化學團隊，幫助做出更好的決策，比如更好的分子或提前預測某些分子的特性。預計在未來5到10年內，選擇使用AI來增強其作用的人才將擁有這種“超能力”。她說：“問題不在於AI能否做人類專家正在做的事情，而是在於其能在哪些方面給我們提供人類無法獲得的洞察力。大型科技公司和大型製藥公司有很多令人興奮的機會，同時擁有兩個領域技能的人才機會也更多。”

在未來幾年中，微軟和亞馬遜等大型科技公司運營的雲服務將受益良多，但對於已經在這些公司工作的員工，布雷耶將重點放在職業生涯中期的人才身上，他們可以看到AI和醫學的未來發展方向。

布雷耶說：“對我來說，日復一日、周而復始的最大挑戰就是把跨學科的個人和團隊凝聚在一起，包括來自生物技術、計算機、專業化學等領域的人，並讓他們共同努力。我看到的人才是Meta、微軟和Alphabet等公司30至35歲的員工，不論是因為個人家族背景還是看好市場機會，他們都願意在這個領域奮鬥終身。相比之下，我很少看到10年以上資深員工這樣做。”

當布雷耶與下一代專業人士，包括得克薩斯大學奧斯汀分校、哈佛大學、斯坦福大學和哥倫比亞大學的學生交談時，他傳達的信息很明確：“這是我見過的最大機會。然而，請確保你正在學習線性代數、計算、化學和生物學，因為所有機會都與這些位於計算和科學交叉點的技術有關。”(小小)