the wave 是windows的內建桌面之一,大家一定都看過,只是知道它叫the wave的大概不多,又知道它在那裡的,應該又更少。
我記不得那時候知道the wave這地方的,好像是在六七年前的P組了一團人去,我就知道了。之後,它的名聲就在身邊漸漸傳開了,因為每個人幾乎都看過它的照片,慢慢也變成一個身邊的朋友必去的點。去團也一團兩團三團…n團的出現,身邊的朋友一個個都去過了,我一直都沒有特別想去,就放著,一放就是六七年。幾年間也偶有人向我提起要不要去,也一直提不起勁去。我想我對這種岩石類的景點,可能興趣不高。
要去the wave說難不難,說簡單也不簡單。簡單的是走路路程來回只有5mile,高低起伏也很小,一般人都可以輕鬆走完;難的是要進去要有permit。而拿到permit就是難事,因為每天限制20人進入,卻可能有上千人想去,就是說permit是要抽簽的,中簽的機率非常低。那可以偷爬嗎? 據說路上常有ranger在查,沒有permit被捉到,據說一個人是400美金的罰金。我記得當年有人就是為了它限量的permit而去。我倒是從來不為什麼限量不限量而決定要不要去,想去才去,不想去,就算每天只限一個人,也沒必要去。因為我一直沒想去,它的難抽也不曾是個問題,反正我又不抽。年初,M夫婦兩人對我提了一下他們在抽,問我有沒有興趣同行,我聽完也忘了,因為沒特別想去。
沒想到到了年底,又聽說M夫妻兩個人還在抽,已經抽了8次(每個月只能抽一次),兩個人就抽了16次,還是沒中。聽到這消息突然讓我意識到,它還真很難抽,如果我這輩子真有打算去親眼看一下,那明年離開美國前,應該是我最後可能去抽permit的日子。之後,如果想去,應該是沒有機會了。意識這一點,就決定加入抽permit的行列,也湊了六個人,看有沒有辦法一人抽中,雞犬升天。當然,會有這一篇廢文,就是我真成了那一個跟著升天的雞犬。
2018年12月26日 星期三
2018年12月14日 星期五
AI和 精準醫療
昨天在線上聽了一場AI在精準醫療應用的演講。
聽了近兩小時,講者是一個AI 公司的台灣分公司CEO。講後有台大腫瘤科主任醫師、創投代表與談。聽完心得就是這兩個當紅的領域想結合,還有一段很長的路要走。原因是我發現,與談的醫生和AI公司的ceo在想/講的東西跟本沒有太多交集。那位ceo講的還是deep learning的那一套,說可以用在新藥開發,45天完成。我聽完也覺得是在xx,45天大概只是猜出一個分子吧,45天連動物實驗或細胞實驗都做不完,怎麼可能完成?! 整場下來,我覺得ai領域的人和醫療實驗室的第一線人員太脫節,根本不知道他們要的是什麼,問題在那,就自顧自的發表一堆東西。我聽那位ceo講的東西,我就覺得他可能沒在第一線的wetlab待過一天。演講後,與談的台大主任醫師就明確指出了問題的關鍵,工程師應該和醫生或第一線的人員配合,才可以知道問題所在。我在n公司裡看了兩年,才大概知道一個精準化的藥物有太多小細節,每一個環節也都還有很多問題/未知。ai領域的人工作環境明確/已知的東西多,數學的演算變數/未知都有定義,概念明確,認為有資料就可以解決問題。但是,第一線的資料可能很不全,很可連解續都還沒有辦法,可能很難收集。動物/細胞實驗上還有很多的不確定,解讀可能也很不明確。 醫療領域還沒有走到像ai一樣有個系統化的東西,不是做個模型就可以開始試了。像那位CEO就在說假設一堆細胞用某種化學藥物可以變另外兩種細胞(對藥物有效或無效),數學模型上明確簡單1分為2,但是,現實上,要判斷一個細胞是變成那一種,就非常困難;一開始是不是1也很難確定,分為2之後,誰是那一種也有判斷上的困難,這些都是第一線實驗日常的問題。工程師如果不了解醫療領域,自以為ai就是救世主,那在醫學領域裡的人看來,真是笑話/災難了。
聽了近兩小時,講者是一個AI 公司的台灣分公司CEO。講後有台大腫瘤科主任醫師、創投代表與談。聽完心得就是這兩個當紅的領域想結合,還有一段很長的路要走。原因是我發現,與談的醫生和AI公司的ceo在想/講的東西跟本沒有太多交集。那位ceo講的還是deep learning的那一套,說可以用在新藥開發,45天完成。我聽完也覺得是在xx,45天大概只是猜出一個分子吧,45天連動物實驗或細胞實驗都做不完,怎麼可能完成?! 整場下來,我覺得ai領域的人和醫療實驗室的第一線人員太脫節,根本不知道他們要的是什麼,問題在那,就自顧自的發表一堆東西。我聽那位ceo講的東西,我就覺得他可能沒在第一線的wetlab待過一天。演講後,與談的台大主任醫師就明確指出了問題的關鍵,工程師應該和醫生或第一線的人員配合,才可以知道問題所在。我在n公司裡看了兩年,才大概知道一個精準化的藥物有太多小細節,每一個環節也都還有很多問題/未知。ai領域的人工作環境明確/已知的東西多,數學的演算變數/未知都有定義,概念明確,認為有資料就可以解決問題。但是,第一線的資料可能很不全,很可連解續都還沒有辦法,可能很難收集。動物/細胞實驗上還有很多的不確定,解讀可能也很不明確。 醫療領域還沒有走到像ai一樣有個系統化的東西,不是做個模型就可以開始試了。像那位CEO就在說假設一堆細胞用某種化學藥物可以變另外兩種細胞(對藥物有效或無效),數學模型上明確簡單1分為2,但是,現實上,要判斷一個細胞是變成那一種,就非常困難;一開始是不是1也很難確定,分為2之後,誰是那一種也有判斷上的困難,這些都是第一線實驗日常的問題。工程師如果不了解醫療領域,自以為ai就是救世主,那在醫學領域裡的人看來,真是笑話/災難了。
2018年12月1日 星期六
價值
兩年前在v公司時,寫了一篇短文「影響力」,那時候還搞不清楚影響力的內容是什麼,要如何擴大個人或公司的影響力。又兩年的經驗讓腦袋裡的想法漸成形。其實,一間公司該追求的影響力是價值,提供的產品或服務對人類社會有什麼價值。
而從學術界出來的新創公司常常搞不清這一點,學術界追求high impact factor的paper,因為學術界裡它就代表產品的影響力和價值。而公司不應該用paper做為目標,或者用學界的方式來思考,否則很容易價值定位錯誤,造成新創公司發展上的最大問題。(我的經驗都是b2b的新創,以下也以b2b為主)
而從學術界出來的新創公司常常搞不清這一點,學術界追求high impact factor的paper,因為學術界裡它就代表產品的影響力和價值。而公司不應該用paper做為目標,或者用學界的方式來思考,否則很容易價值定位錯誤,造成新創公司發展上的最大問題。(我的經驗都是b2b的新創,以下也以b2b為主)
訂閱:
文章 (Atom)
