你必须给AI的条件是比较具体的，什么时候是不太确定的，比如到了细胞，再到了体内，再到了人体，他这些环境影响的因素越来越不确定，所以为什么我们药物研发阶段越到后面失败率越高，就是因为你前面感觉很确定的问题，到了后面各种因素都不是你可控的，在这些不可控的因素，你又没有数据的情况下，你让GPT去做一个准确的判断是非常困难的，所以在越前端问题越明确，它越有可能给出一个准确的答案。越到后面不确定越多，他越很难给你一个准确合理的回答，我觉得越到后面越困难。

首先数据非常重要，其实GPT在训练的时候，它刚开始从网上获取很多数据的时候，假如不做甄别的情况下，学习了很多各种各样的资料，这个效果不一定好，因为那个数据是没有经过强化学习的，而强化学习的时候实际上是open AI公司花了很多的钱去做了数据非常重要标注的，包括它的数据，什么样的答案比其他答案要好，它有个排序的，然后用这样的数据再去做强化学习，对它的参数进行了微调以后，才让它的模型慢慢地变成跟我们人类的思维更接近，或者它更会考虑我们人的判断，让他的回答更像人，所以我觉得数据肯定需要我们做很关键甄别的。

 

所以当你把GPT这种大模型应用到医学方向上去的时候，其实你的数据是要做这个领域上的强化学习，让它变得更适应于你这个领域风格的回答，或者更适应于你觉得这个领域理解的回答，我觉得这是需要的，因为少不了强化学习，如果GPT不做强化学习，它也达不到我们现在感觉它像人的这种程度。

我从另外的角度来看罕见病这块。

 

第一个，我认为生命是不能简单地给他估值的。所以我相信我们国家在不同的层面上是愿意再提这个口号，就是如何解决少数患者的痛苦问题，我觉得随着社会的发展，迟早都是一个趋势。在美国是罕见病，放到中国来，其实这个人数不一定少，社会在向前发展。

 

另外一方面，从科学的角度上，现在看起来是一个罕见病，你真正如果把罕见病的问题解决了，后面可能就有一定的科学道理，他可以牵涉到其他的疾病，与此同时也能解决疾病的问题，比如我们公司里面碰到一个小分子药，第一个适应症，你看起来是拿来做罕见病的，包括在美国也是这么干的。但是同样的靶点，它市场后面牵涉了很大的适应症，那这个适应症现在完全没有药，因为罕见病快，在美国你可以很快获批，它现在已经推到3期，再回过头来解决大多数人的问题，因为从科学上通过少数人得到的验证是能解决这个问题的。

 

第三层次，国际化可能也是我们不得不走的路。如果你能够真正解决一个很厉害的问题，我觉得你不妨换个环境把它做出来，中国支付不了，可以找美国人支付。科学是共通的，既然疾病是共通的，药品它应该也是共通的。

我之前提过当前我们行业处于婴儿肥的状态，我们需要扶持。其实罕见病这个事情，确实需要我们全行业来发声。

 

我认为在当前中国现有的社会条件下，以企业行为来大规模推进罕见病的开发，我估计仅靠中国市场有可能是不行的，很难实现盈利，就是这个企业很难持续发展，那么这个创业主体我觉得更应该是国有事业单位，因为它是公共投资，那么国有事业单位更多就要从国家层面就要开始立项，国家层面要来做这个事情，一是国家财政投入。

 

二是社会公益性投入，像国外很多罕见病都是公益性投入来做的，我觉得可以通过这两种方式来。

 

当然从支付方，医保是解决基础的公共的、大规模的问题，医保肯定不能解决罕见病这些问题，像这样的应该有特殊的商业保险来解决支付方的问题，同时商业保险辅助于国家的一些政策，从开发的开始，国家政策给它导向，就是公共性的投入，不是盈利性资本投入来做这个事情，后边通过免税或者赠税等等一系列把后边支付端给它平掉，我觉得这样才能运行起来，要不然任何事情仅靠财政投入也是不现实的，也转不起来的，国家的钱也是有限的。

如果这是一个企业，他一定是围绕盈利为目标的。如果我是科学家做企业，就要按照企业的方法来运营企业，不能按照科学的方法来运营企业。那么医院是主体或者科学院是主体，那我就要研究技术的事，就要明白这事到底是为什么，科学院本身我的主要任务并不是把药做出来，这不是我这个创新主体的主要任务，所以不同的创新主体有不同的任务，那么它要聚焦的目标是不同的，而这个目标一定是他的需求所牵引的，所以一定从需求出发倒过来思考这个事情，这是我个人的观点。