ایسا ہوتا تھا کہ وجے پانڈے کو علمی حلقوں میں سرمایہ کار حلقوں سے زیادہ جانا جاتا تھا۔ یہ ایک درجن سال پہلے اچانک بدل گیا، جب مارک اینڈریسن اور بین ہورووٹز - جنہوں نے اپنی فرم کے پہلے پانچ سال صحت کی دیکھ بھال اور لائف سائنسز سے گریز کرتے ہوئے صرف کیے تھے - نے فیصلہ کیا کہ زمرہ آخرکار شرط لگانے کے قابل ہے اور چابیاں پانڈے کو سونپ دیں۔ اس وقت، وہ اسٹینفورڈ کیمسٹری کے پروفیسر تھے جو Folding@home، تقسیم شدہ کمپیوٹنگ پروجیکٹ بنانے کے لیے مشہور تھے جس نے لاکھوں گھریلو PCs کو بیماریوں کی تحقیق کے لیے ایک سپر کمپیوٹر میں بدل دیا۔ اگلی دہائی سے زیادہ کے دوران، اس نے a16z کی شرط کو $4 بلین کے قریب انتظام کرنے کی مشق میں بڑھایا۔
اس لیے یہ کچھ غیر متوقع تھا جب پچھلے سال جون میں، پانڈے نے کچھ بہت چھوٹا شروع کرنے کے لیے اس سب کو چھوڑ دیا۔ درحقیقت، اس کی نئی فرم، VZVC، جو دیرینہ سرمایہ کار Zach Werner کے ساتھ مل کر قائم کی گئی ہے، درجنوں کی بجائے ایک سال میں مٹھی بھر توجہ مرکوز کی جاتی ہے، اس کا کوئی ساتھی نہیں ہے، اور یہ اپنے روزمرہ کے کاموں کے لیے AI پر بہت زیادہ انحصار کرتی ہے۔
پانڈے کے سخت محور کے بارے میں مزید جاننے کے لیے، ہم نے اس ہفتے اس کے ساتھ بات کی کہ وہ موجودہ مارکیٹ میں خود کو پتلا کرنے کے بجائے صرف مٹھی بھر توجہ مرکوز کیوں کر رہا ہے - اور AI سے چلنے والی بایوٹیک میں ایک اور دلچسپ مسئلہ کے بارے میں: متن کے برعکس، بائیولوجیکل ڈیٹا کو انٹرنیٹ سے ہٹایا نہیں جا سکتا، اس لیے تقریباً ہر کمپنی کا اپنا ڈیٹا تیار کرنا ختم ہو جاتا ہے۔ اس کا کیا مطلب ہے ان تمام پیشرفتوں کے لیے جن کا AI نے میڈیسن میں وعدہ کیا ہے، اور اصل میں ان تک کون رسائی حاصل کرتا ہے؟
اس گفتگو میں طوالت اور وضاحت کے لیے ترمیم کی گئی ہے۔ آپ مکمل گفتگو (نیچے) بھی سن سکتے ہیں۔
آپ نے کہا ہے کہ حیاتیات "دریافت کی سائنس" سے کسی ایسی چیز کی طرف بڑھ رہی ہے جسے آپ انجینئر کر سکتے ہیں۔ اس کا کیا مطلب ہے؟
جس طرح سے دوائیں تیار کی گئی ہیں، اس کا بہت زیادہ اتفاقی پہلو تھا۔ میرے خیال میں جو چیز تبدیل ہوئی ہے وہ یہ ہے کہ AI اور مشین لرننگ کمپیوٹرز کو اپنی قسم کی سمجھ بوجھ کو بہت، بہت پیچیدہ چیز کے گرد سمیٹنے کی اجازت دیتی ہے… یہ جاننے کی کوشش کرنے کے لیے کہ آپ اپنی دوائیں کن اہداف کو نشانہ بنانا چاہتے ہیں، مخصوص بیماریوں کے لیے، وہ دوائیں بنانے کے قابل ہونے کے لیے، اور اب کلینیکل ٹرائلز میں مدد کرنے کے لیے - جو اس عمل کا سب سے مہنگا حصہ ہیں۔
میں نے سوچا کہ کلینیکل ٹرائلز سستے ہو رہے ہیں کیونکہ ڈرگ ڈویلپرز زیادہ مصنوعی ڈیٹا استعمال کر رہے ہیں، اس لیے ان ٹرائلز کے لیے اتنے لوگوں کی ضرورت نہیں ہے۔
یہ، میرے خیال میں، بہت زیادہ خواہش ہے۔
کلینکل ٹرائلز تک پہنچنے کے لیے لاگت اور وقت کم ہوتا جا رہا ہے، خاص طور پر AI کے ساتھ، لیکن پھر بھی ایک ٹرائل چلانے میں کروڑوں ڈالر خرچ ہو سکتے ہیں، یہی وجہ ہے کہ دوائیں بہت مہنگی ہیں۔ پہلی آزمائش سے تیسرے ٹرائل کے اختتام تک کسی دوا کے کامیابی سے چلنے کا امکان صرف 20% ہے۔ اگر 10 میں سے 8 ناکام ہو جاتے ہیں، اور ان چیزوں پر کروڑوں ڈالر کی لاگت آتی ہے، تو معافی کی قیمت واقعی زیادہ ہو جاتی ہے۔ وہ عام طور پر ناکام ہونے کی وجہ یہ نہیں ہے کہ ماہر حیاتیات نے کچھ غلط کیا ہے۔ یہ یہ ہے کہ ان دوائیوں کے تمام تجربات چوہوں جیسے جانوروں کے ماڈلز پر بنائے گئے تھے، اور آخر میں، جانوروں کے ماڈل انسانوں کے بارے میں بہت زیادہ پیش گوئی نہیں کرتے ہیں۔ AI ماڈل کامل نہیں ہو گا، لیکن یہ کسی بھی جانوروں کے ماڈل سے کہیں زیادہ بہتر ہو گا، اور ایک بار جب یہ اس بار کو عبور کر لیتا ہے، تو یہ واقعی پرجوش ہو جاتا ہے۔
[اس کے بعد کا مرحلہ یہ ہے]: کیا دوا میرے لیے صحیح دوا ہے؟
آپ کا مطلب ذاتی دوا ہے۔ . .
یہاں کی جرگن نام نہاد صحت سے متعلق دوا ہے۔ اگر آپ کسی معمولی چیز کے ساتھ ڈاکٹر کے پاس جاتے ہیں، تو انہیں اندازہ لگانا ہوگا کہ کیا ہو رہا ہے، کیونکہ وہ صرف اتنا ہی بتا سکتے ہیں۔ پھر وہ آپ کو ایک دوا دیتے ہیں - اور اگر یہ کام نہیں کرتا ہے، تو وہ آپ کو ایک اور دوائی دیتے ہیں، پھر دوسری دوائی۔ یہ کینسر میں ہوتا ہے، یہ بہت سے مختلف علاقوں میں ہوتا ہے۔ اگر پہلی دوا صحیح ہوتی تو ہم سب بہت بہتر ہوں گے۔ عام طور پر، آپ کے خون کے ٹیسٹ کی اقدار کا موازنہ آبادی کی اوسط سے کیا جاتا ہے۔ لیکن واقعی، ان کا موازنہ کیا جانا چاہئے: کیا یہ [نتیجہ] آپ کے لئے عجیب ہے؟ ہم دوائیوں کی طرف بھی جو کرنا شروع کر رہے ہیں وہ ہے [صلاحیت] صرف یہ سمجھنا کہ فرد کے لیے کیا صحیح ہوگا۔
کیا آپ کہیں گے کہ اس لمحے کا راستہ سست اور مستحکم رہا ہے، یا حال ہی میں اس میں اضافہ ہوا ہے؟ میرے خیال میں یہ بہت سی مختلف چیزیں ہیں [ایک ساتھ آنے والی]۔ لہذا مثال کے طور پر، سب سے طویل عرصے تک صحت سے متعلق دوائی جینومکس پر مبنی تھی۔ لیکن حقیقت یہ ہے کہ آپ کا جینوم پہلے دن آپ کے گھر کے بلیو پرنٹ کی طرح ہے، لیکن آپ کا گھر اس وقت کے مقابلے میں بالکل مختلف ہے جب یہ بنایا گیا تھا۔ تو بہت سی دوسری چیزیں ہیں جن کو لوگ اب پروٹومکس میں پیمائش کر سکتے ہیں اور اسی طرح بیماری کو سمجھنے اور آپ کا جسم اب کہاں ہے اس کے لیے بہت زیادہ متعلقہ ہیں۔ روبوٹک پیمائشوں میں [بہت زیادہ] آٹومیشن بھی ہوئی ہے جو قدرتی طور پر AI میں بندھے ہوئے ہیں، اور وہ دونوں ایک دوسرے کے ساتھ بہت اچھے طریقے سے چلتے ہیں۔
پچھلی دہائی کے دوران، حیاتیات کے لیے AI اور کیمسٹری کے لیے AI دونوں میں یہ مستحکم کلپ موجود ہے۔ حیاتیات کا حصہ اس طرح ہے، ہم اس بیماری کا علاج کیسے کر سکتے ہیں؟ اور پھر کیمسٹری کا حصہ یہ ہے کہ ہم اس مخصوص پروٹین کے پیچھے جانے کے لیے ایک دوا کیسے لے سکتے ہیں؟ ان 10 سالوں میں حقیقت میں بہت اہم پیشرفت ہوئی ہے۔
آپ نے بتایا کہ حیاتیات ان چند جگہوں میں سے ایک ہے جو AI صرف انٹرنیٹ سے ڈیٹا کو ختم نہیں کر سکتی۔ اس کا کیا مطلب ہے کہ میدان کیسے ترقی کرتا ہے؟
یہ ایک ایسی جگہ ہے جہاں آپ کے پاس اس ڈیٹا میں سے کوئی بھی نہیں ہے جسے لوگ صرف ایک ہی چیز کی تربیت دے سکتے ہیں، اور آپ کا ڈیٹا ایک ماڈل سے دوسرے ماڈل میں ڈسٹل نہیں کیا جا سکتا ہے۔ یہ صرف خالص AI احساس سے واقعی ایک دلچسپ کھیل ہے۔
کیا یہ طب میں ایک واقف مسئلہ کی بازگشت نہیں ہے، حالانکہ — [علاقائی، اکثر مسابقتی] سائلو میں کام کرنے والے ڈاکٹر؟
آپ یہاں واقعی کسی بڑی چیز پر ہیں۔ آئیے کہتے ہیں کہ [کسی کو] کسی قسم کا کینسر ہے، اور یہ دونوں آنکولوجی اور اینڈو کرائنولوجی میں ایک مسئلہ ہے - وہ دونوں ڈاکٹر واقعی ایک ساتھ بہت اچھی طرح سے مطابقت نہیں رکھتے ہیں۔ AI کے بارے میں جو چیز واقعی دلچسپ ہے وہ یہ ہے کہ یہ اصولی طور پر ہر چیز کا ماہر ہو سکتا ہے، اور یہ ایسی چیزوں کو دیکھنا شروع کر سکتا ہے جو واقعی کوئی بھی انسان نہیں دیکھ سکتا تھا۔ یہ ایک بہترین ڈاکٹروں کی ایک ٹیم رکھنے کے مترادف ہو گا جو اس لمحے میں ایک ساتھ آواز اٹھا رہے ہوں۔
لیکن کیا اس وژن کو حقیقت میں پورا کرنے کے لیے کافی ڈیٹا شیئرنگ ہے؟ میں سمجھتا ہوں کہ بانی اور سرمایہ کار اپنی [متعلقہ نتائج] کی حفاظت کیوں کرنا چاہتے ہیں، لیکن . . .
میرے خیال میں ایک بڑا رجحان یہ ہے کہ ہم حیاتیاتی معلومات کے ان اٹلسز کی تعمیر کی طرف ایک تبدیلی دیکھنا شروع کر رہے ہیں - جو کہ ٹیکنالوجی کے نقطہ نظر سے، عام طور پر فاؤنڈیشن ماڈل ہیں۔ اور جیسے جیسے وہ زیادہ عام ہو رہے ہیں، میرے خیال میں ہم وہی چیز دیکھیں گے جو اوپن سورس LLMs کے ساتھ ہوا ہے، جو کارپوریٹ والوں کے خلاف بہت اچھا کام کرتے ہیں: حیاتیات میں اوپن سورس فاؤنڈیشن ماڈلز کا بہت وسیع اثر ہوتا ہے۔
آپ Genesis Therapeutics کے ساتھ شامل ہیں، جو Stanford میں آپ کی لیب سے نکلی ہے، اور Insitro، اسٹینفورڈ میں ایک سابق ساتھی Daphne Koller کی طرف سے شروع کی گئی ڈرگ ڈسکوری کمپنی۔ آپ کہتے ہیں کہ آپ ایک بانی کے ساتھ ایک کمپنی بھی بنا رہے ہیں جسے آپ 20 سالوں سے جانتے ہیں۔ آپ بانیوں میں کیا تلاش کر رہے ہیں، اور کن شعبوں میں؟
دو ایسے شعبے ہیں جن پر میں اپنا زیادہ تر وقت گزار رہا ہوں۔ ایک ہیلتھ کیئر ڈیلیوری کے لیے AI ہے، جسے میں نے a16z پر بھی ایک ٹن کیا، اور پھر کلینیکل ٹرائلز کے لیے AI۔
ایک چیز جو میرے لیے [بانیوں کے بارے میں] سب سے اہم ہے وہ یہ ہے کہ ہم واقعی ایک دوسرے پر بھروسہ کر سکتے ہیں — بانی جو اعلیٰ دیانت رکھتے ہیں، وہ وہی کرتے ہیں جو وہ کہتے ہیں کہ وہ کرنے والے ہیں… میں توقع کر رہا ہوں کہ یہ رشتہ 5، 10 سال سے زیادہ ہو جائے گا، مثالی طور پر، ان کی اگلی کمپنی میں۔ میں ان لوگوں کے ساتھ کام کرنا چاہتا ہوں جو اس طرح طویل مدتی سوچ رہے ہیں۔ مثالی طور پر، یہ وہ لوگ ہیں جو صرف دوسرے لوگوں کو جیتنے اور ہرانے کی کوشش نہیں کر رہے ہیں، بلکہ اس سوال کے بارے میں سوچ رہے ہیں: ہم ایک ساتھ کیسے جیت سکتے ہیں؟
آپ نے اپنے سرمایہ کاری کے کیریئر میں اب تک کیا صحیح اور غلط کیا ہے؟
جب میں نے AI اور مشین لرننگ اور ٹکنالوجی اور میڈیسن اور بائیو کے بارے میں 10 سال پہلے بات کرنا شروع کی تھی، تو بہت زیادہ مزاحمت تھی اور بہت سارے لوگ کہتے تھے، 'اوہ، ایسا کبھی نہیں ہونے والا ہے۔ یہ کبھی بھی کارآمد نہیں ہوگا،' وغیرہ۔ وہ مزاحمت بڑی حد تک ختم ہو چکی ہے اور اس قوس کو دیکھ کر بہت اطمینان ہوتا ہے۔
مجھے لگتا ہے کہ مجھے واقعی اس کی تعریف کرنے میں کچھ وقت لگا کہ بہترین ٹیکنالوجیز جتنی دلکش ہیں، یہ واقعی ہمیشہ مارکیٹ میں واپس آتی ہے۔ میں اپنے بانیوں سے، خاص طور پر جو سائنس یا پروڈکٹ کی طرف سے آرہے ہیں، کہتا ہوں کہ وہ اپنی تمام تر صلاحیتوں اور تخلیقی صلاحیتوں کو بروئے کار لائیں۔
یہ سمجھنے میں ہماری مدد کریں کہ آپ اس نئی فرم کو کس طرح مختلف طریقے سے ڈیزائن کر رہے ہیں، اس کے مقابلے جو آپ a16z پر چلا رہے تھے۔ اس وقت، ہم واقعی بالکل مختلف کام کر رہے ہیں… VZ کا نام میرے، وجے، اور میرے شریک بانی، Zach Werner کے نام پر رکھا گیا ہے — وہ Z ہے۔ ہم جان بوجھ کر واقعی بہت چھوٹے ہیں… سرمایہ کاری کی طرف، یہ واقعی صرف ہم دونوں ہیں۔ ہم درحقیقت ساتھیوں کی خدمات حاصل کرنے کا ارادہ کر رہے تھے، لیکن یہ پتہ چلا، ان ایجنٹوں کے ساتھ جو ہم نے بنائے ہیں، ایسا کچھ نہیں جو ہمیں کرنے کی ضرورت ہے۔
"مرتکز" کتنا مرتکز ہے؟
ہم ہر سال 30 شرطیں لگا رہے ہیں… ہم شاید پانچ کے بارے میں بات کر رہے ہیں، بہت زیادہ سرمایہ کاری نہیں — بہت مرکوز۔ ایک عام فنڈ میں کمپنی کو شامل کرنا ایک Facebook دوست کو شامل کرنے کے مترادف ہے - یہ وہ کام ہے جو آپ بہت جلد کرتے ہیں۔ Zach اور میں کے لیے، یہ زیادہ پسند ہے۔ . . دوسرا بچہ پیدا کرنا چاہتے ہیں؟ یہ ہمارے لیے بہت بڑی بات ہے۔
اس ڈھانچے کے ساتھ، آپ سودوں کے لیے کس سے مقابلہ کر رہے ہیں؟
اس ماڈل کے بارے میں مضحکہ خیز بات یہ ہے کہ عام طور پر ہم کسی گرم راؤنڈ کے لیے مقابلہ کرنے کی کوشش نہیں کر رہے ہیں — لوگ ہمارے لیے جگہ بناتے ہیں۔ یہ گرما گرم سیریز A یا سیریز B حاصل کرنے کی کوشش کرنے سے بہت مختلف چیز ہے۔ بڑے پیمانے پر، لوگ ہمیں سرمایہ کاروں کے طور پر چاہتے ہیں کیونکہ Zach اور میں کیا کر سکتے ہیں، اور ہم کس طرح سے کام کر سکتے ہیں۔ جب میں ان لوگوں کو دیکھتا ہوں جو انسپائریشن ہیں، تو میں انتونیو گریسیاس جیسے کسی کو Valor میں دیکھتا ہوں — وہ SpaceX معاہدے کی وجہ سے اب مشہور ہے، لیکن وہ وہی کر رہا ہے جو وہ 20 سالوں سے کر رہا ہے۔ زیادہ مرتکز پورٹ فولیو کے ساتھ Thrive نے جو کچھ کیا ہے، وہ بھی ایک حقیقی الہام ہے۔ ظاہر ہے، میرے ڈی این اے میں بھی a16z کی طرح ہے، لیکن مجھے لگتا ہے کہ وہ دیگر چیزیں اس میں نئے اضافہ ہیں کہ ہم چیزوں کے بارے میں کیسے سوچتے ہیں۔
AI اور بائیوٹیک میں ابھی کیا چیز زیادہ ہے؟
حقیقت یہ ہے کہ AI ایسی بصیرت تلاش کر سکتا ہے جو ہم صرف انسانوں سے حاصل نہیں کر سکتے۔ وہ چیز جو ہمیشہ مشکل ہوجاتی ہے وہ ہے جب یہ کال آتی ہے کہ AI ہر چیز کو ٹھیک کرنے والا ہے۔ ہچکچاہٹ کی وجہ AI کے بارے میں کسی شک کی وجہ سے نہیں ہے - یہ ڈیٹا کے شک کے بارے میں ہے۔ LLM کام کرتے ہیں کیونکہ سیکھنے کے لیے بہت زیادہ ڈیٹا موجود ہے۔ جب ڈیٹا صرف وہاں نہیں ہوتا ہے، تو AI جادوئی طور پر اس مسئلے کو حل نہیں کرسکتا۔
