“आम्ही वर्षाला ३० बेट करत नाही आहोत”: विजय पांडे a16z वर $4 अब्ज चालवल्यानंतर लहान बेटिंगवर

विजय पांडे हे गुंतवणूकदार मंडळांपेक्षा शैक्षणिक वर्तुळात जास्त ओळखले जात होते. डझनभर वर्षांपूर्वी ते अचानक बदलले, जेव्हा मार्क अँड्रीसेन आणि बेन होरोविट्झ – ज्यांनी त्यांच्या फर्मची पहिली पाच वर्षे हेल्थकेअर आणि लाइफ सायन्सेस टाळण्यातच घालवली होती – त्यांनी ठरवले की ही श्रेणी सट्टेबाजीसाठी योग्य आहे आणि पांडे यांच्याकडे चाव्या सुपूर्द केल्या. त्या वेळी, ते स्टॅनफोर्ड रसायनशास्त्राचे प्राध्यापक होते जे फोल्डिंग@होम, वितरित-संगणन प्रकल्प तयार करण्यासाठी प्रसिद्ध होते ज्याने लाखो होम पीसी रोग संशोधनासाठी सुपर कॉम्प्युटरमध्ये बदलले. पुढील दशकापेक्षा अधिक कालावधीत, त्याने a16z चा पैज सुमारे $4 अब्ज व्यवस्थापित करण्याच्या सरावात वाढवला.

त्यामुळे गेल्या वर्षीच्या जूनमध्ये जेव्हा पांडे या सर्व गोष्टींपासून दूर गेले तेव्हा ते काहीसे अनपेक्षित होते. खरं तर, त्याची नवीन फर्म, VZVCदीर्घकालीन गुंतवणूकदार Zach Werner सह सह-स्थापित, डझनभर ऐवजी वर्षभरात मूठभर केंद्रित बेट्सच्या आसपास बांधले गेले आहे, त्याचे कोणतेही सहयोगी नाहीत आणि ते त्याच्या दैनंदिन कामकाजासाठी AI वर खूप अवलंबून आहे.

पांडेच्या हार्ड पिव्होटबद्दल अधिक जाणून घेण्यासाठी, आम्ही या आठवड्यात त्याच्याशी बोललो की तो सध्याच्या बाजारपेठेत स्वतःला पातळ करण्याऐवजी मूठभर केंद्रित बेट का करत आहे — आणि AI-चालित बायोटेकमधील अधिक मनोरंजक समस्यांपैकी एक: मजकूराच्या विपरीत, बायोलॉजिकल डेटा इंटरनेटवरून स्क्रॅप केला जाऊ शकत नाही, त्यामुळे जवळजवळ प्रत्येक कंपनीने स्वतःचा डेटा तयार करणे बंद केले. औषधातील AI ने वचन दिलेल्या सर्व प्रगतीचा काय अर्थ होतो आणि प्रत्यक्षात कोणाला प्रवेश मिळतो?

हे संभाषण लांबी आणि स्पष्टतेसाठी संपादित केले गेले आहे. तुम्ही पूर्ण संभाषण (खाली) देखील ऐकू शकता.

तुम्ही म्हटले आहे की जीवशास्त्र “शोधाचे विज्ञान” मधून आपण अभियंता करू शकता अशा गोष्टीकडे जात आहे. याचा अर्थ काय?

औषधांचा विकास ज्या प्रकारे केला गेला आहे, त्यामध्ये बरीच आकस्मिक बाजू होती. मला असे वाटते की काय बदलले आहे ते म्हणजे AI आणि मशीन लर्निंग संगणकांना त्यांचे प्रकार समजून घेण्याचा प्रकार अतिशय क्लिष्ट गोष्टींभोवती गुंडाळण्याची परवानगी देतात… तुमची औषधे कोणती लक्ष्ये गाठू इच्छितात, विशिष्ट रोगांसाठी, ती औषधे बनवण्यास सक्षम होण्यासाठी आणि आता क्लिनिकल चाचण्यांमध्ये मदत करण्यासाठी – जे प्रक्रियेचा सर्वात महाग भाग आहेत.

मला वाटले की क्लिनिकल चाचण्या स्वस्त होत आहेत कारण औषध विकसक अधिक कृत्रिम डेटा वापरत आहेत, त्यामुळे या चाचण्यांसाठी जास्त लोकांची आवश्यकता नाही.

माझ्या मते, ती खूप महत्त्वाकांक्षा आहे.

क्लिनिकल चाचण्यांमध्ये जाण्यासाठी लागणारा खर्च आणि वेळ कमी होत आहे, विशेषत: AI सह, परंतु तरीही चाचणी चालवण्यासाठी लाखो डॉलर्स खर्च होऊ शकतात, म्हणूनच औषधे खूप महाग आहेत. पहिल्या चाचणीपासून तिसऱ्या चाचणीच्या शेवटपर्यंत औषध यशस्वीपणे जाण्याची शक्यता फक्त 20% आहे. जर 10 पैकी 8 अयशस्वी झाले आणि या गोष्टींवर लाखो डॉलर्स खर्च झाले, तर कर्जमाफीची किंमत खरोखरच जास्त होते. ते अयशस्वी होण्याचे कारण म्हणजे जीवशास्त्रज्ञाने काही चूक केली असे नाही; हे असे आहे की या औषधांचे सर्व प्रयोग हे उंदरांसारख्या प्राण्यांच्या मॉडेल्सवर होते आणि शेवटी, प्राण्यांचे मॉडेल मानवांसाठी फारसे भविष्य सांगणारे नसतात. एआय मॉडेल परिपूर्ण होणार नाही, परंतु कोणत्याही प्राण्यांच्या मॉडेलपेक्षा ते अधिक चांगले होणार आहे आणि एकदा तो बार ओलांडला की ते खरोखरच रोमांचक बनते.

(त्यानंतरचा टप्पा आहे): औषध हे योग्य औषध आहे का? मी?

तुमचा अर्थ वैयक्तिकृत औषध. . .

येथे शब्दजाल तथाकथित अचूक औषध आहे. तुम्ही क्षुल्लक नसलेल्या गोष्टी घेऊन डॉक्टरांकडे गेल्यास, त्यांना काय चालले आहे याचा अंदाज लावावा लागेल, कारण ते सांगू शकतील इतकेच आहे. मग ते तुम्हाला एक औषध देतात – आणि जर ते काम करत नसेल, तर ते तुम्हाला दुसरे औषध देतात, नंतर दुसरे औषध. हे कॅन्सरमध्ये घडते, हे बऱ्याच वेगवेगळ्या भागात घडते. जर पहिले औषध योग्य असेल तर आम्ही सर्वजण बरेच चांगले होऊ. सामान्यतः, तुमच्या रक्त चाचणी मूल्यांची तुलना लोकसंख्येच्या सरासरीशी केली जाते. पण खरोखर, त्यांची तुलना याच्याशी केली पाहिजे: तुमच्यासाठी हा (परिणाम) विचित्र आहे का? औषधाच्या बाजूनेही आपण काय करू लागलो आहोत ते म्हणजे व्यक्तीसाठी काय योग्य आहे हे समजून घेणे (क्षमता).

तुम्ही म्हणाल की या क्षणापर्यंतचा मार्ग मंद आणि स्थिर होता, किंवा तो अधिक अलीकडे वाढला होता?

मला वाटते की यात बऱ्याच वेगवेगळ्या गोष्टी आहेत (एकत्र येत आहेत). म्हणून उदाहरणार्थ, प्रदीर्घ काळासाठी अचूक औषध जीनोमिक्सवर आधारित होते. परंतु वास्तविकता अशी आहे की तुमचा जीनोम हा एक प्रकारचा तुमच्या घराच्या पहिल्या दिवशीच्या ब्ल्यूप्रिंटसारखा आहे, परंतु तुमचे घर बांधले गेलेल्या क्षणाच्या तुलनेत आता बरेच वेगळे आहे. त्यामुळे इतरही अनेक गोष्टी आहेत ज्या लोकांना आता प्रोटिओमिक्समध्ये मोजता येतात आणि त्या आजार समजून घेण्यासाठी आणि तुमचे शरीर आता कुठे आहे हे समजून घेण्यासाठी अधिक उपयुक्त आहेत. रोबोटिक मोजमापांमध्ये (बरेच) ऑटोमेशन देखील झाले आहे जे नैसर्गिकरित्या AI मध्ये बांधले गेले आहे आणि ते दोघे खरोखरच चांगले आहेत.

गेल्या दशकभरात, जीवशास्त्रासाठी AI आणि रसायनशास्त्रासाठी AI दोन्हीसाठी ही स्थिर क्लिप आहे. जीवशास्त्र भाग असा आहे की, आपण या आजारावर कसा उपचार करू शकतो? आणि मग रसायनशास्त्राचा भाग म्हणजे, त्या विशिष्ट प्रथिनांच्या मागे जाण्यासाठी आपण औषध कसे आणू शकतो? त्या 10 वर्षांत खरोखरच खूप लक्षणीय प्रगती झाली आहे.

तुम्ही नमूद केले आहे की जीवशास्त्र अशा काही ठिकाणांपैकी एक आहे जे एआय फक्त इंटरनेटवरून डेटा काढून टाकू शकत नाही. फील्डचा विकास कसा होतो याचा काय अर्थ होतो?

ही अशी जागा आहे जिथे तुमच्याकडे यापैकी कोणताही डेटा नाही की लोक फक्त एकाच गोष्टीचे प्रशिक्षण देऊ शकतात आणि तुमचा डेटा एका मॉडेलमधून दुसऱ्या मॉडेलमध्ये डिस्टिल केला जाऊ शकत नाही. हे फक्त शुद्ध एआय सेन्सचे खरोखर मनोरंजक नाटक आहे.

हे वैद्यकशास्त्रातील एक परिचित समस्या प्रतिध्वनी करत नाही का — डॉक्टर (प्रादेशिक, अनेकदा स्पर्धात्मक) सायलोमध्ये कार्यरत आहेत?

आपण येथे खरोखर काहीतरी मोठे आहात. समजा (एखाद्याला) कर्करोगाचा काही प्रकार आहे, आणि हा ऑन्कोलॉजी आणि एंडोक्राइनोलॉजी या दोन्ही समस्या आहे – ते दोन डॉक्टर खरोखरच एकत्र फारसे समक्रमित होत नाहीत. AI बद्दल खरोखरच मनोरंजक गोष्ट म्हणजे ती, तत्त्वतः, प्रत्येक गोष्टीत तज्ञ असू शकते आणि ते अशा गोष्टी पाहण्यास सुरवात करू शकते जे खरोखरच एक माणूस पाहू शकत नाही. सर्वोत्कृष्ट डॉक्टरांची टीम त्या क्षणी एकत्र येण्यासारखेच असेल.

पण ती दृष्टी प्रत्यक्षात येण्यासाठी पुरेसे डेटा शेअरिंग आहे का? मला समजते की संस्थापक आणि गुंतवणूकदार त्यांचे (संबंधित निष्कर्ष) संरक्षण का करू इच्छितात, परंतु . . .

मला वाटते की एक मोठा ट्रेंड म्हणजे आम्ही जैविक माहितीच्या या ऍटलसेस तयार करण्याच्या दिशेने एक शिफ्ट पाहू लागलो आहोत – जे तंत्रज्ञानाच्या दृष्टिकोनातून, सामान्यत: पायाभूत मॉडेल आहेत. आणि जसजसे ते अधिक सामान्य होत जातात, मला वाटते की आपण ओपन-सोर्स LLMs सोबत घडलेले तेच पाहू, जे कॉर्पोरेट लोकांच्या विरोधात खूप चांगले कार्य करतात: जीवशास्त्रातील मुक्त-स्रोत पाया मॉडेल्सचा खूप व्यापक प्रभाव आहे.

तुमचा स्टॅनफोर्ड येथील प्रयोगशाळेतून बाहेर पडलेल्या जेनेसिस थेरप्युटिक्स आणि स्टॅनफोर्ड येथील माजी सहकारी डॅफनी कोलर यांनी सुरू केलेली औषध-शोध कंपनी, इन्सिट्रो यांच्याशी तुमचा सहभाग आहे. तुम्ही असे म्हणता की तुम्ही 20 वर्षांपासून ओळखत असलेल्या एका संस्थापकासह कंपनी उबवणी करत आहात. आपण संस्थापकांमध्ये काय शोधत आहात आणि कोणत्या क्षेत्रात?

दोन क्षेत्रे आहेत ज्यावर मी माझा बहुतेक वेळ घालवत आहे. एक म्हणजे हेल्थकेअर डिलिव्हरीसाठी AI, जे मी a16z वर टन केले आणि नंतर क्लिनिकल चाचण्यांसाठी AI.

माझ्यासाठी (संस्थापकांबद्दल) सर्वात महत्त्वाची गोष्ट म्हणजे आपण एकमेकांवर खरोखर विश्वास ठेवू शकतो — ज्यांचे संस्थापक उच्च सचोटीचे आहेत, ते जे करायचे ते करतात ते करतात… मी हे नाते 5, 10 वर्षांपेक्षा अधिक, आदर्शपणे, त्यांच्या पुढच्या कंपनीसाठी अपेक्षित आहे. मला अशा लोकांसोबत काम करायचे आहे जे दीर्घकालीन विचार करतात. तद्वतच, हे असे लोक आहेत जे फक्त इतर लोकांना जिंकण्याचा आणि पराभूत करण्याचा प्रयत्न करत नाहीत, परंतु खरोखर या प्रश्नाचा विचार करतात: आपण एकत्र कसे जिंकू?

तुमच्या गुंतवणुकीच्या कारकिर्दीत तुम्ही आतापर्यंत काय बरोबर आणि चुकीचे मिळवले आहे?

मी एआय आणि मशीन लर्निंग आणि टेक्नॉलॉजी आणि मेडिसिन आणि बायो बद्दल 10 पेक्षा जास्त वर्षांपूर्वी बोलायला सुरुवात केली, तेव्हा खूप विरोध झाला आणि बरेच लोक म्हणाले, 'अरे, हे कधीच होणार नाही. ते कधीही उपयोगी होणार नाही,' वगैरे. तो प्रतिकार मोठ्या प्रमाणावर नाहीसा झाला आहे आणि हे चाप पाहून खूप समाधान मिळते.

मला वाटते की मला खरोखरच कौतुक करण्यास थोडा वेळ लागला आहे की सर्वोत्कृष्ट तंत्रज्ञान जितके मोहक आहेत, ते खरोखरच नेहमी बाजारात परत येतात. मी माझ्या संस्थापकांना, विशेषत: जे विज्ञान किंवा उत्पादनाच्या बाजूने येत आहेत, त्यांना सांगतो की त्यांनी त्यांची सर्व प्रतिभा आणि सर्जनशीलता घ्या आणि खरोखरच बाजारात जाण्यासाठी ते लागू करा, की बाजारात जाण्याचा भाग किमान तंत्रज्ञानाच्या बाजूपेक्षा कठीण किंवा कठीण आहे.

तुम्ही a16z वर जे चालवत होता त्या तुलनेत तुम्ही ही नवीन फर्म कशी वेगळ्या पद्धतीने डिझाइन करत आहात हे समजून घेण्यात आम्हाला मदत करा.

सध्या, आम्ही खरोखर काहीतरी वेगळे करत आहोत… VZ चे नाव माझ्या, विजय आणि माझे सह-संस्थापक, झॅक वर्नर यांच्या नावावर आहे — तो Z आहे. आम्ही जाणूनबुजून खूपच लहान आहोत… गुंतवणुकीच्या बाबतीत, ते खरोखर फक्त आम्ही दोघे आहोत. आम्ही खरेतर सहयोगी नियुक्त करण्याचा विचार करत होतो, परंतु असे दिसून आले की, आम्ही तयार केलेल्या एजंट्ससह, आम्हाला काही करण्याची गरज नाही.

“केंद्रित” किती केंद्रित आहे?

आम्ही (नाही) दर वर्षी 30 बेट्स चालवत आहोत… आम्ही बहुधा पाच बद्दल बोलत आहोत, जास्त गुंतवणूक नाही — खूप केंद्रित. ठराविक फंडात कंपनी जोडणे म्हणजे फेसबुक मित्र जोडण्यासारखे आहे — हे असे काहीतरी आहे जे तुम्ही पटकन करता. Zach आणि मी साठी, ते अधिक सारखे आहे. . . दुसरे मूल हवे आहे. ही आमच्यासाठी मोठी गोष्ट आहे.

त्या संरचनेसह, सौद्यांसाठी तुम्ही कोणाशी स्पर्धा करत आहात?

या मॉडेलबद्दल मजेदार गोष्ट अशी आहे की सामान्यत: आम्ही हॉट फेरीसाठी स्पर्धा करण्याचा प्रयत्न करत नाही – लोक आमच्यासाठी जागा तयार करतात. लोकप्रिय मालिका A किंवा मालिका B मिळवण्याचा प्रयत्न करण्यापेक्षा ही खूप वेगळी गोष्ट आहे. मुख्यत्वे, Zach आणि मी काय करू शकतो आणि आम्ही किती हाताशी असू शकतो यामुळे लोकांना आम्हाला गुंतवणूकदार म्हणून हवे आहे. जेव्हा मी प्रेरणा देणाऱ्या लोकांकडे पाहतो, तेव्हा मी व्हॅलोरमधील अँटोनियो ग्रेसियास सारख्या व्यक्तीकडे पाहतो — तो आता SpaceX करारामुळे प्रसिद्ध आहे, परंतु तो 20 वर्षांपासून जे करत आहे तेच करत आहे. अधिक केंद्रित पोर्टफोलिओसह, Thrive ने जे केले आहे, ते देखील एक वास्तविक प्रेरणा आहे. साहजिकच, a16z माझ्या DNA मध्ये देखील आहे, परंतु मला वाटते की इतर गोष्टी आपण गोष्टींबद्दल कसा विचार करतो याला नवीन जोडलेले आहेत.

एआय आणि बायोटेकमध्ये सध्या काय जास्त आहे?

वस्तुस्थिती अशी आहे की एआय अंतर्दृष्टी शोधू शकते जी आपल्याला केवळ मानवांकडून मिळू शकत नाही. एआय सर्व काही बरे करणार आहे असा हा कॉल आल्यावर नेहमीच अवघड जाते. संकोचाचे कारण AI बद्दल कोणतीही शंका नाही – ते डेटाबद्दल शंका आहे. LLMs कार्य करतात कारण शिकण्यासाठी खूप डेटा आहे. जेव्हा डेटा फक्त तिथे नसतो, तेव्हा AI जादूने त्या समस्येचे निराकरण करू शकत नाही.