פרופ' דפנה קולר, מחלוצות ה־AI: במערכות החינוך ממשיכים ללמד עובדות במקום איך לפתור בעיות

סרטון באתר של חברת אינסיטרו, שהחזון שלה הוא להביא את מהפכת ה־AI לפיתוח תרופות, מציג בהילוך מהיר את המתרחש במעבדת הניסויים שלה. מכונות מתקתקות, זרועות רובוטיות עולות ויורדות. ואז לרגע, מדענים מגיחים, לוחצים על כמה כפתורים, והנה השמש כבר שוקעת, המדענים עוזבים והמעבדה הופכת למרחב פסיכדלי מואר באורות בצבעים שונים. המכונות ממשיכות לתקתק. בני האדם מגיחים לרגעים ונעלמים, אך הזרוע הרובוטית עוד עולה ויורדת, ללא הפסקה.

● קבוצת מדענים הציבה לעצמה מטרה שאפתנית: לגלות איך פועל החוש השישי
● בשורת החלל המותאם אישית של יו"ר סוכנות החלל הישראלית החדשה

כך ייראה אולי עולם העבודה העתידי - מכונות שפעילותן מופרעת רק לפעמים על ידי אינפוט אנושי. ההילוך המהיר גם מתאים מאוד לאופי של המייסדת פרופ' דפנה קולר, מהחוקרות הראשונות ששילבו למידת מכונה וביולוגיה, ולא מפסיקה לרוץ.

קולר, שהחלה ללמוד באוניברסיטה בגיל 13, סיימה דוקטורט בגיל 25 והפכה לחוקרת צעירה בגיל 27, הספיקה מאז לעשות כמה תפניות בקריירה שסימנו אותה כל אחת כחלוצה בתחומה. הראשונה שבהן הייתה ההקמה של פלטפורמת הלימודים המקוונים קורסרה, ב־2012. קולר, שהייתה אז חוקרת בסטנפורד, גילתה שכמו שהשתעממה בשיעורים הפרונטליים בתיכון, כך גם ההוראה באוניברסיטה חזרתית מדי והיא ביקשה לעשות בה מהפכה. ללא ניסיון בהקמת חברות או בעבודה בחברה כלשהי, קולר הקימה פלטפורמה מצליחה, שהיום נסחרת ביותר ממיליארד דולר.

נקודת המפנה הבאה הייתה ב־2016. כשקורסרה הפכה מרעיון שאפתני לשגרה ניהולית, קולר "הרימה את הראש מעל השוחות", כפי שהיא אומרת, וראתה שבאקדמיה ובעולם הטכנולוגיה כבר מתרחשת מהפכה אחרת, של למידת מכונה. היא חלחלה כבר אז לחיינו עם מוצרים כמו וייז ומובילאיי, וקולר הבינה שהרקע שלה מאפשר לה לקחת בה חלק, ואף לתרום באופן ייחודי להטמעתה בעולם התרופות. היא עזבה את קורסרה, תחילה לחברת קליקו מקבוצת גוגל, אך בתוך זמן קצר הקימה את החברה שבראשה היא עומדת היום, אינסיטרו.

את מבינה בבינה מלאכותית, בהשכלה גבוהה, הקמת חברה וגייסת עובדים לחברה שמושתתת על AI ורובוטיקה. מה היית ממליצה לנו לעשות עם העתיד התעסוקתי שלנו?
"לאורך ההיסטוריה, בהחלט היו יכולות שהפכו פחות שימושיות כשטכנולוגיות מסוימות עלו. אפילו בימי חיינו, ירדה קרנן של יכולות כמו זיכרון מצוין או יכולת חישוב נדירה. הבינה המלאכותית הג'נרטיבית מפחיתה את החשיבות של יכולת מסוימת לחפש ולסנתז מידע. אבל מה שנהיה חשוב יותר הוא ההבנה מה לשאול, איך לפרק שאלה לחלקים, ואז לשלוח אלף ספינות בינה מלאכותית להתחרות זו בזו ולקבל מכולן תוצאה, ולהבין מה לעשות עם התוצאה".

מה לומדים כדי לחדד את היכולות הללו?
"אסטרטגיות מסודרות לפתרון בעיות שאין להן תשובה ידועה מראש. מערכות החינוך שלנו לא ממש טובות בהקניית היכולות הללו. הן המשיכו להתרכז לאורך השנים בללמד אותנו עובדות. את היכולות האחרות תלמידים מסוימים למדו 'על הדרך', מההתמודדות עם למידת העובדות, ואחרים לא למדו בכלל. היום הם משתמשים בבינה מלאכותית כדי לדלג על ההתמודדות הזאת, שבעצם הקנתה להם את היכולות האלה. אז לא ברור איך הם יהיו מוכנים לעתיד התעסוקתי, ואני לא חושבת שמישהו יודע היום את התשובה, איך מתמודדים עם זה".

המקום שבו מחלות מתחילות

אבל קולר כבר נמצאת במקום אחר: הפיכת פיתוח התרופות על הראש. "התחלנו במקום שבו מחלות מתחילות - בגנטיקה, וביקשנו להבין איך הגנטיקה מיתרגמת למחלות. בעצם ניסינו לבנות מודל של אדם וירטואלי, שאפשר למדל ולנבא את התהליכים שמתרחשים בגוף שלו על גבי מחשב".

בעבר סיפרה קולר שכאשר נחשפה למחשבים לראשונה בגיל 12, אי אז ב־1974, היא הוקסמה מהרעיון שניתן למדל את העולם בעזרתם. עם השנים, דגדג לה האתגר למדל מערכות יותר ויותר מורכבות, ואין כמעט מערכת בעולם שהיא מורכבת יותר מגוף האדם. עד היום ההבנה שלנו את המערכת הזאת הייתה מוגבלת מאוד, והיכולת לנבא אותה הייתה כמעט בלתי קיימת.

לאחרונה, היא אמרה בפודקאסט של מגזין Fortune שהבינה המלאכותית תעשה לביולוגיה מה שעשה הקלקולוס (החשבון האינפיניטיסימלי) לפיזיקה. כלומר, כפי שהקלקולוס אפשר להגיע לניבויים מדויקים דיים שאפשרו להשתמש בפיזיקה לצורכי בני האדם, כך הבינה המלאכותית אולי תאפשר להגיע למודל מקורב מספיק של הגוף. הניסויים הקליניים הרבים שהסתיימו בכישלון מפתיע הם עדות לקושי הרב לנבא תוצאות בביולוגיה.

החזון של אינסיטרו שאפתני יותר אפילו מכפי שנראה תחילה. החברה רוצה לא רק להבין מחלות, אלא גם להבין איך ישפיעו עליהן תרופות, ואז לתכנן את התרופות כך שישיגו תוצאות ניתנות לניבוי בניסויים קליניים, שוב ושוב. אם זה יצליח, נקבל תרופות חדשות טובות יותר, במהירות רבה יותר ובעלות פיתוח נמוכה יותר. אינסיטרו אינה החברה היחידה שעוסקת בכך, אבל היא כנראה החברה הצעירה היחידה שקיבלה על עצמה למלא את כל המשימה, מקצה לקצה.

השוק מאמין בה. היא גייסה עד היום מעל 700 מיליון דולר מקרנות מובילות כמו ARCH ו־Forsite ומעסיקה קרוב ל־300 עובדים. יש לה שיתופי פעולה עם ענקית התרופות לילי, שמייצרת עבורה מולקולות שאינסיטרו צפויה לקחת לשוק - היפוך של ההסכם הקלאסי בין חברות גדולות לקטנות - וכן שיתוף פעולה עם חברת BMS. אך היא גם מפתחת מוצרים באופן עצמאי. הראשון שבהם הוא למחלת הכבד השומני, והוא אמור להיכנס לניסויים קליניים כבר השנה.

הרעיון של מודל וירטואלי לניבוי הביולוגיה מדובר לפחות 25 שנה, מאז פענוח הגנום, ועד כה הוא לא באמת התמשש. האם עכשיו זה הרגע?
"קודם כול, המודל לעולם לא יהיה מושלם, כמו שהמודל שלנו לעולם הפיזי עדיין לא מושלם. אבל כל צעד שנעשה בכיוון משפר באופן משמעותי את שיעורי ההצלחה של התעשייה שלנו, מה שמביא לנו תרופות טובות יותר בהשקעה נמוכה יותר. אני חושבת שעכשיו אכן הזמן, בגלל מפגש משמח בין כמה מגמות. האחת היא הקמת מאגרי מידע ענקיים שמשלבים בין דגימות מסוגים שונים לבין תוצאות רפואיות (כמו ה־UK Biobank, שהזכרנו לפני כחודש בכתבה "מטופלים במיון יוכלו לתרום דגימות למאגר חדש: הבנק שמצטרף למגמה העולמית במחקר" - ג"ו). מעולם בעבר לא היו לנו מאגרים שמביאים כל כך הרבה מידע ביולוגי מכל כך הרבה נבדקים. זו הדרך היחידה שבה אפשר להבין באמת לאן מובילים אותנו שינויים קטנים בגנום. ומטרות שזוהו מתוך מידע כזה נמצאו מוצלחות פי שלושה בניסויים קליניים. פי שלושה! זה משנה את כל הדינמיקה ואת הכלכלה של הסקטור, שבו אחוזי הכישלון ממטרה ועד השוק הם היום מעל 90%.

"אבל אם יש לנו רק את המתאם בין גנטיקה לתוצאה, זה לא מספיק. אנחנו רוצים להבין את כל המסלול שבו הגן מוביל לתוצאה כדי לנסות לראות מהי באמת הדרך הנכונה והיעילה ביותר להתערב".

המגמה השנייה שבזכותה המהפכה מתרחשת עכשיו היא השיפור המרשים בכלים שמאפשרים לראות את התהליכים האלה. "במעבדה של אינסיטרו משנים גנים בתא בטכנולוגיות חדשות כמו קריספר כדי להבין מה בדיוק קורה בתא. ואז, אם נראה לנו שהבנו את המנגנון, אנחנו יכולים שוב לתקף זאת על הנתונים של הקבוצה הגדולה, על הביו בנק. כך סוגרים את המעגל".

כל זה, אומרת קולר, לא אפשרי בלי הבינה המלאכותית. "המידע הוא כל כך רב ומורכב, עד שאין מוח אנושי שיוכל להתמודד איות לבדו. אמנם אנחנו מאוד שאפתנים בכמות העבודה שאנחנו עושים בתוך הבית, אבל אנחנו גם נהנים מהמון כלים שלא אנחנו פיתחנו".

"חיפשנו חברה בכל העולם"

מלבד התרופה הפוטנציאלית לכבד שומני, שאמורה להיכנס לניסויים קליניים השנה, לאינסיטרו יש מוצרים בשלבים מתקדמים יחסית למחלת ניוון השרירים ALS ובתחום ההשמנה. "במנגנון אחר מתרופות ה־GLP1. אנחנו לא מנסים לשלוט בתיאבון אלא בחלוקה בין שומן 'טוב' ו'רע', כי לא כל סוגי השומן נושאים סיכון בריאותי באותה מידה. ויש לנו גם עבודות מעניינות בתחומי העיניים".

קשה לזהות קשר ברור בין המחלות שאליהן אתם פונים. איך אתם מחליטים באילו תחומים לעסוק?
"אנחנו עוסקים במחלות שמצד אחד עולה סיגנל חזק ומעניין לגביהן מהמחקר שלנו, ומצד שני אלה תחומים עם צורך חזק שאין לו היום מענה. עד היום, בכל מקום שבו יישמנו את הגישה שלנו, נראה היה שהיא עובדת, אז קשה מאוד לבחור. וזו בעיה טובה".

אבל עם כל עושר היכולות הללו, לאינסיטרו היה חסר משהו, והיא מצאה אותו ב־CombineAble הישראלית, שנרכשה על ידיה השבוע.

מה היו השיקולים ברכישת CombineAble? עד היום, חברות תרופות נטו להתמחות בפיתוח תרופות מסוג מסוים - מולקולות קטנות או נוגדנים או RNA, וזה הגביל אותן, אומרת קולר ומסבירה שהיא רצתה ליצור חברה שיש לה היכולת לתכנן את ההתערבות האפקטיבית והנכונה ביותר בכל מנגנון מחלה בגוף.

לפני רכישת CombineAble, היו לה יכולות בתחום ה־RNA ושיתוף פעולה עם ענקית התרופות אלי לילי בתכנון מולקולות קטנות. אבל היו חסרות לה המולקולות הגדולות, כלומר, הנוגדנים. "ביצענו חיפוש מאוד מקיף בכל העולם, עד שמצאנו את CombineAble. הם אמנם חברה קטנה וצעירה, אבל הצליחו להשיג כל כך הרבה תוך זמן קצר".

לא קשה להגיע לאיזשהו נוגדן ראשוני, אומרת קולר, הבעיה עד היום הייתה בתהליך הטיוב שלו. "משיגים את הנוגדן מחיה שחלתה במחלה ופיתחה נוגדנים, נניח עכבר או ארנב או למה. כן, באמת משתמשים בלמה. היא מאוד מתאימה למשימה. אבל את הנוגדנים הללו צריך לשפר כך שיתאימו לשימוש בבני אדם ולתעשיית התרופות. הנוגדנים צריכים להיות בעלי כל מיני תכונות כמו מסיסות או עמידות בתנאי מזג אוויר ושינוע. אז אנחנו נכנסים לתהליך שאנחנו קוראים לו Whack the Mole, כמו המשחקים האלה שבהם כל פעם כשדופקים על ראשו של חולד צעצוע עם פטיש, צץ אחר במקומו. טייבנו תכונה אחת, ואחרת השתבשה לנו. שיפרנו את האחרת, ושלישית נדפקה. ממשיכים עד שמגיעים למשהו שנראה סביר".

CombineAble פיתחה מערכת חישובית שמביאה בחשבון את כל התכונות ומציעה את המוצר האופטימלי בהתחשב בכולן גם יחד. זוהי בדיוק בעיה שבינה מלאכותית יודעת לפתור והמוח האנושי לא. "אנחנו מקבלים כך את המולקולה הכי טובה שאפשר ולא את הכי טובה שהשגנו לפני שהתייאשנו ואמרנו 'טוב יותר מזה כבר לא יהיה", אומרת קולר.

 ''בעצם ניסינו לבנות מודל של אדם וירטואלי, שאפשר למדל ולנבא את התהליכים שמתרחשים בגוף שלו על גבי מחשב'' / אילוסטרציה: Shutterstock

היו גם סיבות לא להקים אתר בישראל?
"אני מבקרת בישראל כל הזמן. הסיכון לא באמת כל כך גדול לעומת מקומות אחרים. נקווה שמה שקרה לא יקרה שוב".

המשקיעים שלכם הסכימו בקלות להקמת אתר בישראל?
"הם מאוד שמחו! אחרי שהסברנו להם את היכולות הקיימות, ואיך CombineAble יכולה לחסוך לנו זמן, ששווה כסף. וגם בריאות של אנשים, אם התרופה מגיעה לשוק מהר יותר".

לנצח את הסקפטים עם תוצאות

איך את מתרשמת מתעשיית הביוטק הישראלית?
"אני לא מכירה את כולה, אלא רק את התחום שבו אנחנו עוסקים. בעלי דן אבידע (בעבר מנכ"ל חברת אפי והיום משקיע), תמיד אומר שכולם בישראל רוצים לעשות רק סייבר, אבל מה שכן הבנתי סביב העסקה הנוכחית הוא שאנשים שעשו בעבר סייבר, חלקם אומרים היום 'אני יכול לעשות משהו שמשפיע לטובה על האנושות'. ואני יודעת שיש בישראל אנשים מוכשרים מאוד בתחום של למידת מכונה מתקדמת יחד עם ביולוגיה חישובית".

האם את יכולה לראות חיים אחרים שבהם את חוזרת לישראל?
"אני מתגעגעת לדברים מסוימים בישראל. משפחה. אוכל. אלמנטים מסוימים בתרבות ואחרים פחות. בישראל, העניינים שלך הם העניינים של כולם, זה טוב כי אכפת לאנשים ולפעמים זה מוגזם. אני לא מתגעגעת לנהיגה בישראל. לא סביר שאחזור. החיים שלי לא מתאימים לזה כרגע בשום צורה".

האם היית יכולה להשיג מה שהשגת גם בישראל?
"את המחקר שעשיתי בסטנפורד כנראה אפשר היה לעשות באוניברסיטה ישראלית, אבל את קורסרה בהחלט לא. היא נסקה רק כי היא התחילה מסטנפורד והאזור. וההצלחה שלי בקורסרה הייתה מאוד חשובה להקמה של אינסיטרו".

גם בארה"ב יש אתגרים לתחום שלך עכשיו. למשל, סקפטיות לגבי המדע.
"זה מאוד מצער. אני מאוד מקווה שזה טרנד חולף. המדע נתן לנו כל כך הרבה. העלייה בתוחלת החיים היא רק בגלל המדע. אני מקווה שהעולם ירים את הראש מעל הרעש. אבל את יודעת מה? כשיש תוצאות טובות, אף אחד לא מתלונן, כי מחלות הן נוראיות. אפילו עם כל אופנת הסקפטיות, רוב האנשים, כשהם מסתכלים על תוצאות טובות מניסויים קליניים, הדבר היחיד שהם אומרים הוא - עוד מזה".