Eli Lilly के CEO ने Dario Amodei के चिकित्सकीय दावों पर पलटवार किया

Anthropic के CEO का यह दावा कि AI एक दशक के भीतर कैंसर, Alzheimer’s, हृदय रोग और यहाँ तक कि मानसिक बीमारी को “अतीत की चीज़” बना सकता है, drug development से परिचित तकनीकी लोगों और विशेषज्ञों से तीखी शंका झेलता है। कई लोगों का तर्क है कि biology के data gaps, धीमे experimental feedback loops, clinical trials, और regulatory constraints ऐसी समय-सीमाओं को बेहद अवास्तविक बनाते हैं और यह IBM Watson या Theranos जैसी पुरानी अतिरंजित परियोजनाओं की याद दिलाता है, खासकर संभावित IPO के संदर्भ में। दूसरे लोग जवाब देते हैं कि AI-assisted research में तेज़ प्रगति, जैसे AlphaFold और AI-written code, biomedical progress में नाटकीय acceleration की संभावना को कम-से-कम उचित ठहराती है, हालांकि वे फिर भी व्यापक cure-all वादों का समर्थन नहीं करते.

Anthropic के CEO के चिकित्सकीय दावों पर प्रतिक्रिया

  • कई लोगों को “5–10 साल में कैंसर, Alzheimer’s, हृदय रोग और मानसिक बीमारी का इलाज” बेहद अवास्तविक लगता है, और वे इसकी तुलना Theranos- या Musk-शैली के हाइप से करते हैं, खासकर IPO से पहले के समय को देखते हुए।
  • अन्य लोग जोर देते हैं कि उन्होंने इसे विश्वास/आशा के रूप में पेश किया था, न कि वादा; और उनके biophysics बैकग्राउंड का उल्लेख करते हैं। वे fraud या psychosis के आरोपों को अतिरेक मानते हैं।

AI द्वारा बीमारियाँ ठीक करने की समय-सीमा की व्यावहारिकता

  • संशयवादी:
    • जीवविज्ञान और चिकित्सा में फीडबैक लूप धीमे होते हैं; लैब कार्य, मानव परीक्षण, और नियमन में साल लगते हैं।
    • बड़ी बीमारियों (खासकर Alzheimer’s और मानसिक बीमारी) के लिए हमारे पास अच्छे mechanistic models नहीं हैं; causation data बहुत कम हैं या उपलब्ध ही नहीं हैं।
    • मरीजों की कमी और नैतिक कारणों से clinical trials को हज़ारों parallel arms तक आसानी से नहीं बढ़ाया जा सकता।
  • आशावादी:
    • बीमारियाँ “सिर्फ” engineering problems हैं; जब हमें पर्याप्त समझ और tools मिल जाते हैं, तो वे हल की जा सकती हैं।
    • AI experiments डिज़ाइन कर सकती है, बेहतर models बना सकती है, organoids और भविष्य के lab automation का उपयोग कर सकती है, और hit rates को इतना बढ़ा सकती है कि कहीं अधिक candidate drugs सफल हों।
    • Regulators सचमुच क्रांतिकारी therapies को तेज़ी से मंज़ूरी दे सकते हैं, और देते भी हैं।

Drug discovery में AI: इतिहास बनाम “नया युग”

  • कई लोग नोट करते हैं कि neural nets, QSAR, और computer-aided drug design का उपयोग 1980s–2000s से हो रहा है; उन्होंने efficiency बढ़ाई, लेकिन चमत्कार नहीं दिए, जिससे लगता है कि आसान उपलब्धियाँ खत्म हो चुकी हैं।
  • अन्य लोग तर्क देते हैं कि आज के frontier models गुणात्मक रूप से अलग हैं (AlphaFold, agents, code generation) और वे CS–biology के बीच की खाई पाट सकते हैं, जिससे bioinformatics, tool building, और literature synthesis तेज़ हो सकती है।

Guardrails, पहुँच, और LLMs का biomedical उपयोग

  • कुछ लोग शिकायत करते हैं कि mainstream models विस्तृत biomedical, “biohacking,” या यहाँ तक कि defensive cybersecurity discussions को भी ब्लॉक करते हैं, जिससे उपयोगकर्ता कम-संयमित या “uncensored” models की ओर जाते हैं।
  • अन्य लोग सख्त guardrails का बचाव करते हैं, यह तर्क देते हुए कि defensive और offensive उपयोग के बीच भरोसेमंद भेद करना असंभव है, और providers नहीं चाहते कि उन पर malware या bioweapon सहायता का दोष आए।

Medical advisors के रूप में LLMs

  • कुछ लोग बताते हैं कि chatbots ने उन समस्याओं का सही निदान किया जिन्हें डॉक्टरों ने मिस कर दिया था, और उपयोगी उपचार दिशा दी।
  • अन्य लोग संभावित या वास्तविक नुकसान (जैसे overdoses) का उदाहरण देते हैं, इस बात पर ज़ोर देते हैं कि डॉक्टर भी गलतियाँ करते हैं, और LLMs को अन्वेषण के लिए उपयोगी लेकिन unsupervised prescribing या self-treatment के लिए अनुपयुक्त बताते हैं।

मनोवैज्ञानिक, सांस्कृतिक, और “cult” संबंधी चिंताएँ

  • कई टिप्पणीकार CEO की प्रस्तुति को manic, असंतुलित, या “cult-like” बताते हैं, और Bay Area drug culture, अत्यधिक धन, तथा AI-धार्मिक rhetoric का हवाला देते हैं।
  • इस बात की चिंता है कि accelerationist narratives (“universal high income,” निकट-भविष्य की अमरता) काम, शिक्षा, और वास्तविकता से हानिकारक दूरी पैदा कर सकती हैं।

Hype, भविष्यवाणियाँ, और investor ethics

  • उनकी पहले की “90% code AI द्वारा लिखा जाएगा” वाली भविष्यवाणी पर बहस: कुछ लोगों के लिए यह उनके workflows में लगभग सच है; अन्य लोग संख्याओं से असहमति जताते हैं और नोट करते हैं कि code की मात्रा ≠ मूल्य।
  • आलोचकों का तर्क है कि IPO संदर्भ में बड़े चिकित्सकीय दावे करना नैतिक रूप से संदिग्ध है और निवेशकों को गुमराह कर सकता है; समर्थक कहते हैं कि निवेशक अपना जोखिम स्वयं चुनते हैं और कोई ठोस गारंटी नहीं दी गई थी।
  • कई लोग ज़ोर देते हैं कि अगर AI इलाज खोज भी ले, तो वास्तविक दुनिया के स्वास्थ्य परिणामों में सामाजिक, राजनीतिक, आर्थिक, और वितरण संबंधी कारक फिर भी प्रमुख रहेंगे।