AI and the COVID-19 Vaccine: Moderna’s Dave Johnson
24:33 Share

今天，我们播出一期由我们的朋友 Modern CTO Podcast 制作的节目，他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式 AI 的兴起，技术成功的意义，以及领导者在指导技术实施工作时需要考虑的一些因素。在 Apple Podcast、Spotify 或您收听播客的任何地方都可以找到 Modern CTO Podcast。人工智能在帮助对抗冠状病毒大流行中扮演了什么角色？

在与一家使用人工智能帮助解决社会去年面临的关键问题的创新公司交谈时，您将找到答案。欢迎收听《我和 AI》，这是一档关于商业中人工智能的播客。在每一集中，我们都会向您介绍一位在人工智能领域进行创新的个人。我是萨姆·兰斯博瑟姆，波士顿学院信息系统教授。我还是麻省理工学院斯隆管理学院人工智能与商业战略大型项目客座编辑。

我是谢尔文·科达班德，BCG 高级合伙人，我与人共同领导 BCG 在北美的 AI 业务。麻省理工学院 SMR 和 BCG 合作研究人工智能已有五年时间，采访了数百名从业人员，并对数千家公司进行了调查，了解如何在整个组织中构建、部署和扩展 AI 能力，并真正改变组织的运作方式。

今天，我们与 Moderna 的首席数据和人工智能官戴夫·约翰逊交谈。戴夫，感谢您加入我们。欢迎。谢谢各位邀请我。您能描述一下您在 Moderna 的当前角色吗？

我是 Moderna 的首席数据和人工智能官。在我的角色中，我负责我们所有企业数据职能，从数据工程到数据科学集成。我还管理软件工程团队，该团队构建独特的定制应用程序来管理和创建新的数据集，但也将创建的 AI 模型构建到流程中。所以它是一种端到端的模式，一切都是为了实际部署 AI 模型，构建、部署并将 AI 模型投入生产。

您是如何最终担任这个职位的？我知道您的背景是物理学。我没有听到您刚才所说的任何物理学内容。是的，这是一个很好的观点。所以我拥有信息物理学的博士学位，这是一个与数据科学密切相关的领域。它与贝叶斯统计和信息论的基础有关，这些都是数据科学中涉及的许多内容。

我的具体研究是将其应用于一个框架，该框架从信息论规则推导出量子力学。所以这部分，你是对的，与我的日常工作没有特别的相关性。但信息论部分和贝叶斯统计完全符合我的工作。

除此之外，我还花了多年时间从事独立咨询和软件工程数据科学方面的工作。当我完成博士学位后，我意识到学术界并不适合我。我想做应用。我最终进入一家咨询公司，为大型制药公司工作。我花了数年时间做这件事。事实证明，这非常适合我的技能组合，即对科学的理解、对数据的理解以及对软件工程的理解。

因此，我为一家制药公司做了一个特别的项目，在临床前领域以结构化、有用的方式捕获数据，以便输入高级数据和高级模型。这与我今天所做的非常相似。大约七年前，我转到 Moderna。当时我们是一家临床前阶段的公司，我们面临的巨大挑战是生产足够的少量 mRNA 来进行我们的实验，对吧？

我们真正想要做的是加快研究速度，以便我们可以尽快将更多药物投入临床。而一个主要的瓶颈是为科学家提供这种 mRNA 来进行测试。因此，我们做了大量机器人自动化工作，实施了许多数字系统和流程自动化以及 AI 算法。从大约

你知道，在一个月内手动生产大约 30 个 mRNA 到一个月内生产大约 1000 个 mRNA 的能力。所以没有，你知道，更多的资源，以及更好的稳定性和质量等等。所以我从那里开始与公司一起成长，并成长为我们现在所担任的角色，在这个角色中，我将同样的想法应用于更广泛的企业。

戴夫，太好了。您能否对 AI 应用的用例范围发表一些评论，这些用例确实正在发挥作用？

对我们来说，我们在研究领域看到了很多，尤其是在 Moderna，这是因为我们在早期就进行了数字化。我们看到，实施数字系统和流程来实际捕获同质良好的数据，这些数据可以输入到其中，显然是一个非常重要的第一步。但它也为随后更容易实现更大程度自动化的流程奠定了基础。这就是我们看到很多价值的地方，你

你知道，在这个临床前生产中，我们有高通量。我们有很多数据。我们能够开始自动化以前由人类完成的步骤和判断。一个例子是我们的 mRNA 序列设计。我们正在编码某种蛋白质，这是一种氨基酸序列，但存在大量可能编码该序列的潜在核苷酸序列。因此，从氨基酸序列开始，您必须弄清楚最佳方法是什么，对吧？

因此，我们拥有可以以最佳方式进行这种转换的算法。然后，我们拥有可以进一步优化一个序列的算法，使其更适合生产或避免我们已知对生产中的这种 mRNA 或表达有害的事物。因此，我们可以将这些集成到我们拥有的这些实时系统中，以便科学家只需按一下按钮即可完成工作。他们不知道幕后发生了什么，但是砰的一声，他们就得到了更好的序列。

然后我们也看到了质量控制步骤。我们现在也正在与我们的临床合作伙伴在临床运营领域进行一些工作，例如最佳试验规划。我们现在正在围绕我们的呼叫中心规划进行一些工作，对吧？现在我们正在向全世界推广我们的疫苗。

越来越多的电话打进来。当我们寻求在新的国家/地区推出时，我们必须开始为此规划我们的资源。因此，我们正在研究机器学习模型来帮助预测这些电话的预测，以便我们可以相应地配备人员。因此，我们确实在各种不同领域都看到了它。你提到了按下按钮。科学家按下按钮，然后进行一些试验。那么这些科学家是怎么想的呢？我的意思是，你突然拿走了他们过去做的事情，而让 AI 来做。

他们的反应如何？他们很高兴吗？他们很沮丧吗？介于两者之间？我会说更接近高兴的一面。通常它的工作方式是，我们是一家

相信给予人们很多责任的公司，人们非常努力地工作。而这导致人们做了很多工作，对吧？因此，通常发生的情况是，人们会来找我们说，看，我一遍又一遍地做这项活动。我真的很想得到一些帮助来自动化这个过程。在这种情况下，他们很高兴，对吧？他们不想一遍又一遍地查看一些数据屏幕。他们想做一些有见地和有创意的事情。因此，这就是我们真正与他们合作并取消他们工作中一部分内容的地方。

戴夫，我想在此基础上进行扩展，因为我认为你指出了非常有趣的事情。除了许多人从 AI 中获得的财务影响、生产力、效率等等之外，戴夫，你谈到了其中一些。对整体组织文化和团队效率更高也产生了影响。

协作性更强、士气更高、更快乐、更有信心等等。你们是否也看到了这些情况？

是的，当然。我认为这肯定的迹象之一是，我们获得了许多回头客。你知道，如果我们为某人做一些特定的算法，那个人会带着下一个算法回来，或者他们的团队会一次又一次地回来。我们不会在取代人类的背景下考虑 AI。就像我们总是从人机协作的角度考虑它一样，因为他们在不同方面都很擅长。你知道，人类非常擅长创造力、灵活性和洞察力。

而机器非常擅长精确度，并且每次都能给出完全相同的结果，并且能够大规模快速地进行操作。我们发现最成功的项目是我们将两者结合在一起的地方，让机器完成它擅长的那部分工作，让其他人接管其余部分。有了这种自由，人们做了什么？

你打开了这段时间。什么样的新……我对此有两次拍摄。人们做了什么。是的，实际上，至少有一个产品现在已经上市了，不是吗？我想我在新闻中听说过一些事情。有一个，是的。

是的。你知道，我一直喜欢开玩笑说，工作就像一种气体，总是膨胀到充满容器。因此，如果您从某人的盘子里拿走一些东西，那么他们甚至没有意识到有很多工作根本没有完成。因此，人们总是很乐意继续前进，找到下一个需要攀登的山峰和需要做的事情。但是这些是什么样的东西？例如，人们如何选择如何扩展以填补这个空间？好吧，

好吧，如果您考虑一下示例，例如我们已经自动化的临床前质量控制步骤，

现实情况是，你知道，一个操作员承担了大量工作，这使得他们很难真正对这些样本进行深入检查。因此，通过取消算法完成的大部分工作（80%、90%），他们能够做得更好、更彻底地检查剩下的样本。这也意味着我们不必雇用很多其他人只是为了查看数据屏幕。对于在那里的人来说，这是一个直接的收益，然后是关于我们员工人数计划的长期收益。

有些人谈到制药领域的人工智能，就像，我只想要一个可以根据小分子的结构预测其在人体中的功效的算法，对吧？就像整个药物发现过程一样。这根本不会发生。这完全不现实。因此，你知道，我们只是考虑这样一个事实，即有无数的过程。将产品推向市场是一个非常复杂的过程。在此过程中，有很多机会。

即使在一个特定的用例中，您也很少使用一种 AI 算法。通常情况下，对于问题的这一部分，我需要使用这种算法，而您需要使用另一种算法。戴夫，我想问你一些关于人才库和人员的问题，你评论说

Moderna 是一家喜欢给予人们很多自由的公司，你知道，一支非常积极、聪明、有抱负的团队努力做到最好。您如何培养和培养这种人才？在如何建立高绩效团队方面，您发现了哪些经验教训？

这是一个很好的问题。我不知道，如果我们纵观整个公司，有一个特定的地方我们可以雇用员工。我们从生物技术公司获得员工，从 5 人到 10 万人的制药公司，以及行业内外各个公司。我认为对我们来说，始终是为工作找到合适的人，无论他们来自哪里以及他们的背景如何。

我认为对我们来说，重要的是确保我们在引进他们时适当地设定期望，我们说，看，这是一家数字公司。我们非常大胆。我们雄心勃勃。我们有非常高的质量标准。如果我们把这些期望设定得很高，你知道，它确实开始自动选择许多想要通过这个过程的人。所以我想翻转一下，谈谈你提到的基础设施，我会称之为基础设施，对吧？

几个月前，世界受益于此。人们最初是如何知道要建立这些东西的呢？你提到能够从我认为的 30 个扩展到 1000 个不同的。您是如何知道这是方向或实现这些目标的愿景的呢？

是的，这是一个很好的观点。整个 COVID 疫苗的开发，你知道，我们为我们所做的工作感到非常自豪。我们为我们的人民为如此迅速地将疫苗推向市场所付出的超人努力感到非常自豪。但其中很多都是基于你所说的，我们已经建立的基础设施，我们没有专门为 COVID 构建算法。我们只是将它们通过我们一直在进行的相同活动流程。我们只是尽可能快地将其转换。当我们考虑

Moderna 的所有工作时，我们都会考虑这种平台能力。你知道，我们永远不会只生产一种药物。那从来都不是计划。计划始终是围绕 mRNA 建立一个完整的平台。因为由于它是一种基于信息的产品，您所做的只是更改分子中编码的信息，您就会得到一种完全不同的药物。

我们知道，如果您能将一种药物推向市场，那么您就可以将任意数量的药物推向市场。因此，我们围绕公司设计和数字基础设施设计所做的所有决定都是围绕这个平台概念进行的，即我们不会为一件事构建它。我们将构建一个为整个平台服务的解决方案。这就是为什么我们构建了早期临床前的东西，我们在

我们可以快速完成其中相当一部分。这就是我们构建这些算法来自动化活动的原因。每当我们看到一些我们知道规模和并行化会改善事物的地方时，我们都会实施此流程。事实证明是正确的。我发现一件让我着迷的事情是这一切是多么正常。我想我只是对这似乎是你……的一部分感到惊讶。

我可以在此处使用 DNA 这个词吗？RNA。这是我们 RNA 的一部分。是的，没错。你知道，我们成立之初是一家数字生物技术公司，就像许多公司说一些事情并在某些东西上添加标语一样，但我们确实是这样做的。多年来，我们一直在努力推进这项工作，并且多年来我们一直在构建它。这是我们构建的平台，现在它正在运行。是的，这是我们对数据科学和 AI 项目采取的平台方法。

我从很多人那里听到很多关于这样的斗争，太好了，我在 Jupyter 笔记本中构建了一个模型。我现在该怎么办？对吧。因为即使要使其处于可用状态，也需要进行所有这些数据清理和数据管理。然后他们不知道从哪里开始部署它。对吧。我们对数据科学活动也采取了相同的平台方法，对吧？我们花了很多时间进行数据管理、数据摄取，以确保数据可以立即使用。

然后我们实施了许多工具和基础设施来将这些模型投入生产并集成。这种平台思维方式已经深深融入到我们的思维方式中。

让我们回到 COVID 疫苗竞赛的早期。你知道，成为那个团队和那个过程的一部分是什么感觉？我的意思是，当算法或当人们发现似乎有效或有希望的东西时，感觉如何？这是否会导致对更多人工智能和更多算法的巨大需求？我想，告诉我们一些关于这个故事的内容。

我认为，如果您看看当时人们普遍的感受，我的意思是，这是一种真正的荣誉感和自豪感，对吧？我们感到自己处于非常独特的地位。我们已经花了十年时间才达到这一点，并建立了所有这些基础设施，并在之前将一些东西投入临床，以达到这一刻。因此，我们只是感到非常荣幸能处于那个位置。

对于我们这些在数字方面做出贡献并构建它的人来说，你知道，这就是我们这样做的原因。这就是我们来到这里的原因，是为了帮助尽可能快、尽可能安全地将尽可能多的患者带到世界各地。但始终存在一个问题，即这东西是否会在现实世界中发挥作用？你知道，这就是证据来自临床数据的地方。我们都像其他人一样焦急地等待着看到结果。AI 是否始终是 Moderna 的核心？

或者随着时间的推移，它是否已成为增长和创新的重要支柱？我认为它一直都在那里，我们可能在早期没有这样称呼它。它显然已经成为比过去更热门的营销术语。但是算法接管决策和数据科学能力的概念绝对一直都在那里。

我们对如何构建这个数字环境非常谨慎，以便我们可以在所有这些步骤中收集结构化数据，充分了解我们想要做的是将它们转化为算法来完成事情。所以这是非常有目的的。但我认为它也得到了更大的关注，对吧？因为我们已经看到了它的力量。最近，很明显，我们已经看到了这种数字基础设施和这些算法如何真正帮助推动事物向前发展。因此，它在公司中获得了新的关注和重要性。

我们倾向于不采取半途而废的做法。因此，当我们决定要做某事时，我们就会去做。因此，来自我们高级领导层的强烈信息是，公司的未来是将数字和 AI 注入到我们所做的一切中。在不确定的情况下，这种情况正在发生，以至于，你知道，当我们考虑到我们作为一家公司正在快速发展时，你知道，我们刚刚翻了一番，我们可能会再次翻一番。

我们正在从公司外部引进许多不熟悉我们所拥有的这种数字文化的新员工来发展壮大。因此，我们现在正在努力开发我们所谓的 AI 学院，我们打算将其作为对我们公司的非常彻底、深入的培训。因此，从那些会在日常工作中使用和与 AI 模型交互的人到那些负责在其领域中承担潜在项目组合的高级领导者。这仅仅表明了我们对这件事的认真承诺。

我们是在这个拥有更小、更灵活、行动更迅速的公司概念的基础上建立起来的。因此，我们将数字视为实现这一目标的关键推动因素，并将 AI 视为实现这一目标的关键推动因素。因此，希望这能帮助我们在其他公司无法做到的事情上与之竞争。这当然也是这里的意图。

戴夫，非常感谢您今天与我们交谈。我们真的很喜欢。我的意思是，你提到了 Moderna，多么聪明的人，我们从一个样本量为 1 的样本中知道这一点。这显然是正确的。感谢您今天抽出时间与我们交谈。非常感谢。绝对的，各位。我真的很感激。萨姆，与戴夫的谈话真棒。你怎么认为？是的。令人印象深刻。我很高兴他在这里。

很高兴 Moderna 在这里。没错。他并没有对流行语和这个、那个、其他东西敷衍了事。他只是说，是的，我们就是这样开始的。这就是我们正在做的事情。如果没有数字、AI 和数据分析，我们就不会存在。

当然是真的。就像，这就是我们。我的意思是，他说 Moderna 是一家数字公司，这就是他所说的。这只是他们流程的一部分。我的意思是，他甚至没有想到其中一些问题是人工智能，而这只是他们做事的方式。我想知道这是否像一个行业接一个行业。我们是否会看到 Moderna 式的方法进入各个行业并成为主导地位？你知道，历史悠久的“我们已经存在了 100 年”的残余物几乎是负债而不是优势。

我认为这种对比，你知道，萨姆，你试图要表达的是，为什么对你们来说这么容易？那么前置和转型呢？我的意思是，这些人，你知道，他就像，好吧，我们实际上就是这样开始的。你知道，我们说我们想成为一家小公司。他们从后开始。是的，我们从后开始。我们想变得灵活。我们想变得渺小。我们想用我们所拥有的一切做更多的事情。因此，这必须以平台为中心、以数据为中心、以 AI 为中心，这就是我们构建的方式。因此，AI 无处不在。是的。萨姆，你为什么对 AI 无处不在感到惊讶？当然无处不在。我们将其用于规划、试验和排序，并且它非常令人振奋和有趣，因为它就像一种对 AI 完全不同的思维方式。

对。我知道我们不想把所有事情都变成 AI。那里还有很多事情不是人工智能。你知道，我不想把它描绘成完全的。但这当然是大规模加速故事中的一大部分。这非常吸引人。感谢您收听本期《我和 AI》的特别节目。我们将于秋季回归，推出第三季的新剧集。

在此期间，请通过 LinkedIn 与我们保持联系。我们创建了一个名为“AI for Leaders”的群组，专门面向像您这样的观众成员。您可以赶上节目的往期节目，结识节目创作者和主持人，告诉我们您想在第三季听到的内容，并与其他志同道合的人讨论有关 AI 实施的关键问题。

在 mitsmr.com/AI for Leaders 处查找该群组，这将引导您进入 LinkedIn，您可以在其中请求加入。我们也会将该链接放在节目说明中。我们希望在那里见到您。