[先見學堂EP06] 當人類智慧攜手人工智慧 AI怎麼與生技產業結合?

先見學堂 EP. 06｜講者：先見基因生資部經理 林偉盟經理

IT時代和生物科技，這兩個看似毫無相關的主題，如何結合在一起呢?

當我們購買一些3C產品時，常常看到AI(人工智慧)、機器學習、生物學習。『學習』不是讓機器自己去學習，它比較像是找出「過去一整堆資料」的「規律」，再利用這些規律去「預測未來的結果」，我們把這三大面向統稱為『學習』。

今天的IT產業跨足到生物科技時，它比較像是把台南、牛肉湯這幾個關鍵字放到 Google 裡面去做搜尋，搜尋結果就會跳出相關餐廳的評比，若某間餐廳的評比較高，我就去這家；反之，就不去了。你們有沒有想過這些評比是怎麼來的呢? 它其實是一種「統計運算」，它把所有曾經吃過這一家餐廳的人的評比做一個統計，這一個統計數字讓我們對這家餐廳的看法產生重大的影響。

然而，當你去排隊的時候又會遇到另外一個棘手的問題: 你點了相同的牛肉湯也遇到了相同的老闆，但沒有那麼好吃，為什麼呢? 其一就是「表達性的落差」，舉例來說: 在相同的疼痛感中，有一個人認為他的胃非常的疼，但另一個人只覺得胃有點不舒服，這就是表達性的問題。在相同的疼痛感中，每個人對於他所遭遇到的實際情況，在表達上是有落差的。同理，Google上所有的評價就會存在表達性的落差。

另一種落差則是「統計上的落差」。同一家牛肉湯中，若有一位美食專家，他做了非常多的研究也吃遍台南所有的牛肉湯，你覺得他的評價應該佔整個評價的大部分嗎? 我覺得是的。雖然只是一個Sample(樣本)，但我們需要將他的評價權重提高，所以在統計上會有一定的落差，這是另一件需要克服的事。統計學上沒有辦法解決的問題，就是現在生物科技必須去解決的問題。

IT產業現在遇到了另一個問題:「樣本數不足」。舉例來說，現在有乳癌、胃癌的患者，但我們要如何去蒐集足夠的病人以確定我們的Model(模型)，再將Model運用到實際上呢? 我們必須要有足夠的Data(數據)，把所有人的Data盡量蒐集起來，這樣我們的預測才會更精確。

最後，什麼特質的人適合從IT產業跨足到生物科技領域? 第一，他必須對於上帝的創造非常有熱忱，也想將其所學應用在生物科技上；第二，他是不怕困難的。上述所分析的那些問題在生技產業其實是很常見的，即使你試了很多的Model都有可能失敗，能夠克服這些挫折的人才適合投入生技領域。對於你和所有想投入生技產業的IT人才，若對此領域有興趣，那你可以在這裡得到很多的挑戰，而挑戰以外也會有很大的滿足感。由衷期待你們的未來。