Koller 談機器學習加速藥物發現

Lex 問她是否有一天能治癒所有主要疾病、甚至延長壽命到接近永生；Koller 說「有一天」時間太長，她不喜歡斷言做不到什麼，但也指出目前真正稱得上「治癒」的疾病其實很少。

依疾病而異：她認為阿茲海默症、思覺失調症的理解程度接近 0，第二型糖尿病介於兩者之間：胰島素阻抗等機制已經驗證，但還有很多沒弄懂；這些病幾乎可以確定不是單一疾病，而是臨床表現相似、細胞機制卻各異的一群病，就像乳癌一樣。

老化與疾病的機制有重疊（DNA 損傷累積、蛋白質錯誤折疊），但不完全等同；她認為值得追求的目標是延長「健康壽命」，活到 120 歲仍保持高品質生活，而不是單純追求永生。

過去機器學習對疾病研究貢獻有限，因為缺乏足夠規模與品質的資料集；Insitro 把順序反過來，先用生物工程與細胞生物學的方法設計出機器學習可用的資料，而不是拿現成資料做分析。

她提到早年在機器學習圈用的是 20 newsgroups 這類不太有趣的資料集，轉向生物資料是因為覺得更有意義；也提到父親約 12 年前過世，生前有侵犯肺部的自體免疫疾病，醫師說只能用 prednisone，現在同類疾病已經有更多選擇。

對比傳統動物模型的問題：小鼠不會自然得阿茲海默症、糖尿病、動脈硬化、自閉症或思覺失調症，在動物身上「治好」的病常常無法轉譯到人類。

可以把皮膚細胞逆轉成多能幹細胞，再分化成帶有本人基因的神經元或心肌細胞等，用來觀察「生病的細胞長什麼樣」；這一步現在幾乎工業化，有委託研究機構（CRO）代做，但細胞可能還保留一點過去的「記憶」。

全球現有的 iPS 細胞株她估計約五千到一萬條，規模還不到能為每位病人單獨建模；可以用 CRISPR 在健康細胞裡植入已知致病的突變，做「健康對照 vs 患病」的一對一比較。

不同人的幹細胞差異主要來自基因型不同；她用多基因風險分數（polygenic risk score）解釋：把個人基因組裡所有跟某疾病相關的變異加總，某些疾病上，風險最高與最低的十分位族群之間有時差到 10 或 12 倍。

微陣列（測量整個基因體的表現量）、單細胞 RNA 定序、超解析顯微鏡等技術，讓原本「濕答答」的細胞可以被量化成資料。

用機器學習找出臨床表現相似、但分子層次不同的疾病亞型，再測試哪些介入（藥物或 CRISPR）能讓患病細胞的樣態回復成接近健康細胞。

她不想先開支票，只說遺傳基礎強、細胞模型可重現、侷限在少數細胞類型的疾病較適合；她也提到類器官（organoid），三到五年後，有些現在做不出模型的疾病就做得出來。

話題轉向 Coursera：她與 Andrew Ng 在史丹佛內部各自嘗試線上教學，2011 年秋天課程上線後迅速吸引大量學生，兩人因此決定創辦 Coursera。

她認為推動線上學習熱潮的核心是「對學習的渴望」，因為現在許多工作所需的技能，在人們念大學時根本還不存在。

課程要短（早期 MIT OpenCourseWare 錄整堂課效果不好，Coursera 的短影片後來也從 15 分鐘再縮到 5 到 7 分鐘）、要有即時回饋（如自動評分的小測驗）；也做過讓女性擔任教師角色的 A/B 測試，觀察對理工課程性別比例的影響。

她不認為線上課程會取代面對面教學，因為學習很多時候是社交經驗，學員自組讀書會的學習效果更好；但持續進修這塊會越來越倚賴線上內容。

建議先打好數學、統計與程式基礎，不要跳過就直接學機器學習，否則容易只會套用現成模型、也看不出結果哪裡不對；接著找人一起動手解決實際問題或參加競賽。

被問到最美或最有意思的概念，她舉了兩個：端到端訓練（直接從原始資料訓練到最終目標），以及可以遷移到其他任務的表徵學習（transfer learning）。

讓她意外的是：資料量夠大時，居然能在極高維的空間裡找到有意義的表徵；早年她認為需要更多先驗知識才能學到東西，現在不同任務的架構仍然各自帶著不同的結構假設。

許多機器學習模型給出答案時，對自己的信心程度往往校準得很差；離訓練資料分佈越遠，模型往往錯得更離譜，卻也更有自信，在醫療診斷、自動駕駛這類場景可能致命；Bayesian deep learning、Gaussian processes、用不同資料子集訓練的網路組合都是給出不確定性的方法，但她說這仍是開放的研究。

她認為 AGI 仍是長期以來的夢想，但離實現還很遠：現有機器學習演算法是特定領域裡的模式辨識高手，換一個版本的同個問題就可能完全失靈，離人類幼兒的泛化能力還差得遠。

她不擔心機器接管世界，認為現在就設計防範人類等級智慧的措施還太早；比起這個，更笨的系統已經因為複雜度太高、難以預期的連鎖效應而出過問題：電網、金融市場的軟體都非常複雜，回饋迴路沒料到就引發過金融崩盤；她呼籲加強可解釋性與跨情境的泛化測試。

她認為任何強大的技術都可能被濫用，CRISPR 基因編輯若被拿來做壞事（例如製造病毒），危險程度不亞於機器學習。

她說自己整體樂觀，認為大多數人本意是好的，但不代表大多數人都是利他的好人；但她也提醒，社會需要維持「做好事」與「被同儕肯定」正相關的規範，否則社會容易走向反面。

被問到人生意義，她提到 Coursera 創辦時正好是 Steve Jobs 過世，當時流傳的一句話「在宇宙留下一點痕跡」讓她特別有共鳴；也談到自己身為受良好教育、家境穩定的人，覺得有責任用人生讓世界變得更好。