OpenAI 前高管：相信 AI 能治癒所有疾病，但光靠大模型遠遠不夠

曾任 OpenAI 高階主管、如今轉戰生物醫藥領域的 Fidji Simo，近日在一場公開座談中對人工智慧的醫療前景表達了高度樂觀。她認為，隨著技術持續演進，AI 終有一天能治癒所有人類的疾病，但她也鄭重提醒，這項願景能否實現，並不能只靠把語言模型做得更大、更聰明。身為生醫新創公司 ChronicleBio 的聯合創辦人，Simo 從第一線的研發經驗出發，指出當前各界對大語言模型的追逐，往往忽略了真正讓 AI 在醫療領域發揮作用的關鍵要素。

Simo 強調，若要運用人工智慧從根本解決人類疾病的問題，除了持續提升模型本身的推理與學習能力之外，還必須搭配完善且高品質的數據基礎、跨領域的專業知識，以及實際應用場景的嚴格驗證。她直言，當前備受追捧的「大語言模型」只是整體解決方案中的一個工具，遠遠稱不上是終極答案。換句話說，光會生成流暢文字的模型，並不能自動破解複雜的病理機制。疾病的成因往往錯綜複雜，涉及基因、環境、生活方式、微生物群等多重因子，Simo 指出，沒有任何單一數據集或單一模型能夠完整捕捉這些交織的變數。

AI 若要真正發揮影響力，必須能夠整合不同來源與型態的資料，包括基因定序、醫學影像、臨床記錄、即時穿戴裝置數據等，並且在真實世界的醫療環境中反覆測試與修正。她認為，目前許多 AI 在醫療領域的應用仍停留在實驗室或理論階段，距離真正落地還有很長的路。「我們不能只是把模型越練越大，然後期待它自動解決所有問題，」Simo 在座談中明確表示，「真正的突破會來自於系統性的整合：從數據的收集與標註，到跨學科團隊的合作，再到臨床試驗的設計與執行。」她呼籲業界與學術界應該投入更多資源建立標準化的醫療數據平台，並培養同時懂 AI 與生物醫學的複合型人才。Simo 本人正是從科技巨頭轉向生醫創新的代表人物。

她在 OpenAI 任職期間累積了深厚的人工智慧經驗，如今創辦 ChronicleBio，目標正是利用 AI 技術加速慢性疾病與老化相關疾病的治療開發。她認為，AI 在醫療領域的應用不能只靠模型迭代，更需要與臨床專家、遺傳學家、公共衛生學者共同合作，才能設計出真正有意義的實驗與治療方案。她進一步舉例說明，許多罕見疾病的數據量極少，傳統的深度學習模型容易過擬合或無法學習到有效特徵。在這種情況下，單純增加參數量並無助益，反而需要設計能從有限樣本中萃取關鍵資訊的演算法，並結合外部知識庫來補足數據缺口。

同樣的道理也適用於常見的慢性病，如糖尿病、心血管疾病，這些疾病受生活型態影響極大，需要整合穿戴裝置的連續監測數據、飲食紀錄、運動習慣等，才能建立個人化的風險預測模型。Simo 的觀點也在生物醫藥投資圈引起討論。她指出，目前許多 AI 醫療新創公司過度強調模型本身的表現，卻忽略了數據品質與臨床驗證的嚴謹性。她認為，投資人應該更關注團隊是否具備跨領域整合能力，而不僅是看模型在公開數據集上的分數。她相信，只有當數據基礎設施、跨學科協作、臨床試驗設計三者同步進步，AI 才能從「輔助工具」變成「治癒疾病的引擎」。

至於對未來最樂觀的想像，Simo 仍然堅信，AI 最終能夠治癒所有人類的疾病，但她也坦言，這條路可能比許多人預期的更長，也需要更多系統性的努力。她期望 ChronicleBio 能夠在這個過程扮演關鍵角色，從慢性病與老化領域切入，逐步建立從數據到治療的完整閉環。她最後總結，人工智慧在醫療領域的潛力無窮，但唯有務實地解決數據、知識與驗證的問題，才能真正把這份潛力轉化為人類健康福祉的實際進展。