Dalo by se říct, že Filip Doušek už měl splněno. V byznysovém smyslu víc, než se to obvykle podaří: spoluzaložil startup Stories.bi, s kolegy ho vybudovali z malinké firmičky do podstatného byznysu, aby ho pak v roce 2018 podle komunitních odhadů za stovky milionů korun prodali americké softwarové korporaci Workday. A odškrtl si i analytický zájem, v jednom z žebříčků Gartneru se Stories mezitím stihlo objevit jako jedna z nejzajímavějších AI firem svého druhu.
Po takovém exitu se obvykle sluší vydat na jednu ze dvou cest. Buď začít znovu, nebo se stát investorem. Doušek si zvolil tu druhou možnost a roky dával peníze do technologických startupů, pomáhal jim růst a účastnil se jejich rozvoje z boardů. O zajímavém výběru svědčí třeba fakt, že mezi jeho investicemi je i český Oddin.gg, nejrychleji rostoucí firma v regionu.
„Nepřipouštěl jsem, že budu zakládat nový startup,“ říká dnes. Jenže mluvíme spolu právě proto, že nedávno jeden odstartoval. „Všechno, co se děje v AI za poslední tři roky, je natolik zajímavé a natolik to transformuje svět, že už mi nestačí být při té jízdě na zadních sedadlech, kde je člověk jako investor spíš, i když v zajímavém autě. Já mám chuť být vpředu,“ říká.
Tak vznikla Theorema. Startup, který založil se svým bývalým parťákem Hynkem Walnerem, někdejším zakládajícím AI výzkumníkem ve Stories a následně šéfem AI a data science týmů ve Workday. Ambici si nasadili neskromnou. „Chceme nemocem rozumět natolik dobře, abychom uměli předpovědět, jak je zastavit nebo zvrátit,“ říká Doušek.
K tomu staví vlastní typ umělé inteligence, která má zásadně urychlit vědecký výzkum a vývoj. Zatím to ukazuje především na medicíně. Před pár týdny firma zveřejnila výsledky testování svých modelů, kterými chce ukázat, jak si s takovými úkoly dokážou poradit. V jednom z testů zaměřených na rakovinu modely hledaly, na které biologické cíle by mohla působit léčba u nádorů s konkrétními mutacemi. Už známé souvislosti mezi mutacemi a terapeutickými cíli dokázaly najít 13,7krát častěji než náhodný výběr.
V dalším testu model předpovídal, které dvojice genů mohou při současném vyřazení způsobit smrt nádorové buňky. Tady dosáhl skóre 0,86. Hodnota 0,5 by odpovídala náhodnému odhadu, zatímco 1 představuje bezchybné rozlišení. Číslo získává souvislost hlavně s dosavadními výsledky: ten zatím nejlepší publikovaný v Nature Communications byl 0,79, upozorňuje Doušek.
„Myslím si, že opravdu nic nebrání v tom, abychom ten víceméně náhodný proces lidského výzkumu přesunuli k agentům, kteří jsou mimo všechna omezení lidského bádání,“ říká.
Fascinace pokrokem
Doušek odhaduje, že se lidské biologii věnuje přibližně 10 let. Jeho zájem pramení z osobního zaujetí pro biohacking a longevity a práce s Theoremou se pro něj stala jakýmsi logickým vyústěním jeho dlouhodobých zájmů. S Walnerem je k jejímu založení ale nasměrovala spíš fascinace pokrokem a možnostmi, které současné technologie umožňují.
Věděli, že je chtějí využít k posunu sebe i nějakého oboru. Ale ještě spolu hledali, na co přesně se zaměřit. Chtěli řešit to, kam v příští dekádě půjde nejvíc hodnoty.
„Spousta ekonomického světa je naprosto operativní,“ vysvětluje Doušek. „Jestli mi fungují platební karty nebo ne, jestli se mi zobrazí daná reklama nebo ne. To je v pořádku, je to součást našeho světa. Ale v jistých ohledech příliš nezáleží na tom, pokud něco takového bude fungovat o 20 % líp. Zatímco na úrovni vědy je před námi zlatá éra nové vlny objevů, které můžou úplně transformovat různé aspekty lidského života,“ věří.
Před rokem začali systematicky prozkoumávat, jak vlastně vznikají vědecké objevy a který druh AI s nimi může reálně pomoct. „Potřeboval jsem hlouběji pochopit, jak vůbec funguje proces objevování,“ vysvětluje Doušek.
Složili dohromady tisíce vědeckých průlomů, včetně objevů vedoucích k Nobelově ceně a Fieldsově medaili v matematice (které se ostatně přezdívá Nobelova cena za matematiku), a jejich vlastní AI je analyzovala. Co bylo to, co vědec nebo tým reálně přinesli nového? Odkud ten vhled přišel? Co v té době už existovalo? A co se z toho dá naučit?
Lidé na výzkum a vývoj nahlížejí v rámci vlastní předpojatosti, v určité omezené kapacitě kontextu i toho, kde hledat paralely. „Najednou ale není problém dát pracovat sto agentů paralelně a nechat je vzájemně si kontrolovat výsledky,“ ujasňuje Doušek.
Jenže čím dál do problému vstupovali, tím zřetelněji se ukazovalo, že na opravdu komplexní problémy – a třeba biologie lidské buňky patří mezi ty nejsložitější, které věda zná – velké jazykové modely jako Claude nebo GPT nestačí. Takže si začali trénovat vlastní.
Říkají jim kauzální pravděpodobnostní modely a jejich architektura se liší od velkých jazykových modelů. Nestaví je dotrénováním existujícího modelu, začínají od nuly a krmí je rozsáhlými experimentálními daty: terabajty informací ze více než stovky milionů lidských buněk, statisíců klinických studií, genetiky a prostorové transkriptomiky, tedy oboru, který sleduje, jaké geny jsou v konkrétních částech buněk aktivní.
„Používáme experimentální data v obrovském množství,“ popisuje Doušek. „Vezmeme si danou nemoc, různé typy buněk, které s ní souvisí, a stavíme velmi komplexní obraz toho, co se v té nemoci děje, na základě terabajtů experimentálních dat,“ říká. A popisuje, že do tohoto obrazu vstupují data o buňkách, genetice, genomu, metabolická data a nespočet dalších. „Až doteď bylo těžké je takto kombinovat,“ vysvětluje.
Theorema tak modeluje dynamiku nemoci: jak se rozvíjí, které biologické procesy ji udržují a také jak se navzájem ovlivňují. Pak předpovídá, jak by zásah do těchto procesů mohl změnit průběh nemoci. Pomáhá tak hledat, na co by mělo léčivo působit, aby nemoc zpomalilo, zastavilo nebo přímo zvrátilo. Celkově má vývoj takového léčiva zásadně zrychlit a zlevnit.
Do jediného modelu nemoci totiž Theorema podle Douška dokáže dostat data z desítek milionů lidských buněk a několika experimentů současně. Výsledkem má být model, který nejen popíše, co se v dané nemoci děje, ale dokáže předpovědět, co se stane po zásahu do systému. Třeba po zapojení určitých mechanismů, při působení jiné molekuly nebo když se několik věcí stane naráz v určitém pořadí a za konkrétních podmínek.
Minus 550 milionů dolarů denně
Právě takových kombinací mohou být v biologii miliony. Vědci je můžou zkoušet metodou pokus–omyl celé roky, než zjistí, že konkrétní cesta nikam nevede. A to se stane třeba až po pěti letech. „Klinické zkoušky léků, které nakonec nefungují, stojí 550 milionů dolarů každý den,“ vypočítává Doušek.
Podle něj má typická farmaceutická firma má při výběru takzvaného targetu, na kterém chce vývoj léčivé látky stavět, zhruba pětiprocentní šanci na to, že lék projde všemi klinickými zkouškami. „A z 50 % skončí klinická zkouška právě na špatném výběru targetu,“ rozvádí Doušek. Theorema chce tento poměr několikanásobně zlepšit. Model může targety procházet mnohem rychleji a zároveň testovat varianty, které by člověka nemusely vůbec napadnout.
Dnes má Theorema v různém stavu vývoje kolem třiceti modelů. Patnáct z nich pokrývá konkrétní nemoci, včetně Parkinsonovy choroby, kardiovaskulárních onemocnění nebo zánětlivých střevních nemocí. Další se zaměřují na konkrétní problémy v onkologii.
Podobný přístup firma začíná zkoušet i mimo medicínu, například na modelech, které mají zpomalit vymírání korálových útesů. „Je to vlastně personalizované AI pro korálové útesy,“ usmívá se Doušek. „Každý útes je jiný,“ vysvětluje.
Nový AI model: nová verze produktu
Theorema je oficiálně americká společnost s výzkumným týmem v Praze. Za zády má řadu investorů, kteří už dokázali, že si umí vsadit na zajímavé společnosti. Z těch českých jsou to Credo Ventures, kteří investovali do evropského AI jednorožce ElevenLabs. Nebo Kaya VC, jeden z brzkých investorů do Rohlíku, či i&i Biotech Fund, jemuž se daří propojovat AI a biotechnologie hned v několika projektech
Startup pracuje s Ústavem organické chemie a biochemie (ÚOCHB) a další pilotní spolupráce s přibližně deseti firmami aktuálně rozjíždí. Jména zatím Doušek neříká. Od zveřejnění technologie a slibných čísel uplynul teprve měsíc a validace z pohledu farmaceutických korporací zabere možná další měsíce. Ale možná taky rok.
„V té oblasti neexistují jednoduché benchmarky,“ přiznává. „Žádná firma na světě dnes nedokáže říct ‚naše modely jsou schopny navrhnout léky, které fungují‘, protože to se prokáže až v klinických zkouškách za roky. Musíme prokazovat funkčnost tak dobře, jak je teď možné – jak dílčími benchmarky, tak laboratorními validacemi,“ vysvětluje. Ty mají právě přijít na řadu.
„Teď pro nás existuje okno příležitosti, které tu za dva roky nebude. To je potřeba využít,“ říká Doušek. Hovoří i o tom, jak moc mění umělá inteligence možnosti nových projektů.
Tým Theoremy tvoří osm lidí a Doušek vysvětluje, že je to výrazně méně, než na kolik bylo pro tuto velikost obvyklé ještě před pár lety. „Stavěl jsem startup v letech 2015 až 2018, kdy lidé opravdu psali kód. Dnes si neumím představit, že bychom takovým způsobem fungovali. Každý u nás denně pracuje s pěti až deseti agenty paralelně a další agenti běží na pozadí,“ přibližuje. Výsledkem je údajně 30násobná rychlost proti tomu, než kdyby projekt stavěli ručně.
„Dřív bylo normální, že potřebuju něco přidat do produktu, jdu za CTO, pak za designérem, který to tři čtyři týdny designuje, pak za vývojáři, dostává se to z backlogu do priorit, za tři měsíce mám první prototyp. Dnes to všechno trvá den. Jsme schopni za jeden den změnit celé UX produktu, za pár pak natrénovat nové modely,“ vysvětluje. Produkt Theoremy se prý mění s každým novým modelem, který na trh pošle Anthropic nebo OpenAI, a to běžně týden po vydání.
„Startup, kterému nové modely – třeba poslední Claude nebo nejnovější generace OpenAI – neotevřely nové možnosti toho, co může dělat, se nepohybuje dostatečně na hraně,“ věří Doušek.
- Chcete mít Lupu bez bannerů?
- Chcete dostávat speciální týdenní newsletter o zákulisí českého internetu?
- Chcete mít k dispozici strojové přepisy podcastů?
- Chcete získat slevu 1 000 Kč na jednu z našich konferencí?
Staňte se naším podporovatelem
ČLÁNKY DO MAILU