「一個醉漢搖搖晃晃地走出酒吧，在路燈下蹲著找東西。
他的朋友們看到後走過來問：『你在找什麼？』
醉漢說：『我在找我的車鑰匙。』
朋友問：『你在哪裡丟掉的？』
醉漢指著反方向黑暗的一角說：「應該在那邊吧。』
朋友驚訝地道：『那你怎麼在這裡找？』
醉漢瞇著眼，理直氣壯地回答：『因為這裡有燈，我只看得見這裡，所以當然在這邊找！』」
由人類偏見主導的實驗，將被 AI 顛覆
「這是我很愛跟大家說的一個笑話，」AI 新創 Atinary 共同創辦人暨執行長 Hermann Tribukait 一坐下來，就用生動的比喻，道出許多產業當前在研發新材料時面臨的困境。「這個意思是說，在尋找新材料時，不管是新的催化劑或新藥，人們常常被偏見或是有限的知識主導，只在自己熟悉的地方尋找答案，卻不知道根本找錯了方向，忽略了其他的可能性。」
化學是現代化的根本，也是許多產業的基礎。而在化學反應中，能夠加快反應過程的關鍵為「催化劑」。簡單來說，催化劑扮演的角色就像「月老」，將科學家希望發生反應的成分送作堆，打破原本的化學鍵，形成新的化合物。
「催化作用」(catalysis) 為經濟帶來的助益龐大，貢獻了全球 GDP 的 35％，全世界更有九成工業規模的化學反應，需要催化劑。如果沒有催化劑，許多日用品，包括藥物、化學肥料、塑膠、石油、香料、食品、塑膠等都將無法生產。
而不斷地開發新世代的催化劑，是現代化持續向前的動力，如果沒有新的催化劑推陳出新，產業與科技的發展也將停滯不前。
然而，研發新材料與新催化劑的過程，往往曠日費時，且所費高昂。以新藥研發為例，每項新藥從藥物探索、實驗室研究、臨床試驗、FDA審查到最終上市，需耗時 8～10 年。以成本來看，研發一款新藥基本要砸超過 20 億美元。更令人沮喪的是，成功率非常低，僅不到 5%。
「令我驚訝的是，時日今日，多數新材料的研發 (R&D) 都是人力驅動。」，Tribukait 說明，多數企業研發部門與大學的實驗室都還沒導入 AI，甚至仍以 Excel 、紙本紀錄數據。
然而，研發新的材料是一場極為複雜的排列組合，擁有的變數越多、組合的數量就越大，科學家單憑人力，要在數百萬、甚至數十億種可能的組合中找到最優的解答，過程堪比大海撈針。也難怪耗時、耗錢，又效率極低了。
這正是 Atinary 想要解決的痛點。”Atinary” 取自西班牙文，意思是「命中標的」(hit the target)。Tribukait 說，「我們打造的，是一款機器學習的無代碼（no-code）平台，讓新材料的研發時間大幅縮短、效率更高，幫助科學家省下時間、命中靶心。」
化學家與電腦科學家激盪出的新創，創業第一個月就拿到天使投資
Atinary 是由一群化學家打造的新創公司。Hermann Tribukait 是哈佛大學的經濟學博士，過去在投資銀行、能源產業累積了堅實的人脈；另一名共同創辦人 Loïc Roch，則是瑞士蘇黎世大學、中國天津大學的量子化學博士， 並在哈佛大學進行化學與人工智慧的博士後研究。Loïc Roch 在國際頂尖期刊上發表了 50 多篇學術論文，是量子化學、AI 領域的思想領袖。
2017 年，兩人在一場國際會議上相識後一拍即合，一致認為人工智慧將為新材料研發帶來革命性的翻轉。2019 年，Hermann Tribukait 與 Loïc Roch 攜手創業，並在公司成立的第一個月，就獲得了第一筆天使資金。
隨後，Loïc Roch 自行開發了一套機器學習平台，這是一個在雲端上的無代碼 AI 平台，科學家不需要會編寫程式，只要經過 2 小時的培訓，點擊按鈕就能開始部署機器學習模型，加快尋找新材料的流程。
近兩年來，No-Code / Low-Code 平台越來越流行，使用者就算不懂寫程式也能輕鬆使用。全球技術研究公司 ISG Information Services Group 報告指出，全球 No-Code / Low-Code 開發平台的產業規模已接近 150 億美元，預計未來五年內將翻 4 倍。
「人的一生日子很短，只有相當有限的時間去學科學、化學，若要研發出好的產品，可能還要再學電腦科學。」，但是透過無代碼平台，科學家不需要會編碼，只要連接網路、定義實驗，就可以解鎖傳統方法無法處理的複雜實驗，找到最優解答。
「人類大腦無法處理實驗中極龐大又複雜的變數，需要靠 AI 的力量，這也是為什麼無代碼平台對於科學創新至關重要」，Tribukait 說。
（圖片來源：心元資本）
Atinary 的「自駕實驗室」是什麼？想像你在烤蛋糕…
想像一下，如果你是個烘焙新手，從來沒烤過蛋糕：不知道哪種配方最好、該用什麼溫度、先放哪些材料。你決定直接開始，希望能誤打誤撞做出美味蛋糕。但你很快發現這樣做既浪費食材又耗時間。
這時，來了一個聰明的助手，給你新的建議。你按照助手的新食譜做了第二個蛋糕，比第一個好吃，但還不是最滿意的。於是助手根據第二個蛋糕再提出改進建議。
每次的調整，助手變得更聰明，你也省下猜測的時間，最終合作做出了完美的蛋糕。
「Atinary 的 SDLabs 也是這樣運作的」，Tribukait 進一步解釋，SDLabs 使用的是「貝葉斯主動學習」（Bayesian Active Learning），這是一種結合貝葉斯統計和主動學習的框架，可以適應多種不同的算法。科學家經過 2 小時的入門培訓後，即可在現有的工作程序中部署機器學習。
SDLabs 會帶領實驗方向，並根據多個目標進行優化、分析數據並做出實驗決策。更重要的是，SDLabs 能夠探索非常規和未開發的研究方向，除了提高生產力以外，也加速了新材料和分子的發現，同時大幅減少原材料的使用和成本，最終發現新的知識和技術，優化實驗過程，加快產品上市速度。
從疫情期間起步，Atinary 從 0 開始開發出 SDLabs 平台與專屬的演算法，使 AI 能夠在任何研發實驗室中無縫部署。Atinary 的堅強團隊是其優勢之一，從疫情期間出發，5 年時間內，Atinary已擴展至 16 名員工，涵蓋 AI&ML 工程師、化學家、生物化學家、分子生物學家、物理學家、軟體工程師、DevOps 工程師和數據科學家等多個領域的專業人才。此外，Atinary 背後也有強大的諮詢委員會，成員的背景則來自超級運算、AI & ML、電腦科學、化學領域的頂尖專家，以及連續創業家與產業領袖。
SDLabs 採用 SaaS 模式銷售，首先瞄準製藥、生物科技、材料科學等產業，且已經優化了 10 萬個實驗；Atinary 已與不少知名夥伴攜手，包括日本最大的製藥公司武田製藥 (Takeda）、麻省理工學院 (MIT)、IBM Research 等。一名 MIT 軟材料實驗室的教授則表示，在 SDLabs 的幫助下，原本要 2 年時間完成的任務，竟然在一星期內即完成。
加快研發進程，SDLabs 要做科學家的時光機
SDLabs 就像是自駕車上的AI，幫助駕駛找路、看路、判斷方向。不過 Tribukait 強調，「我們並沒有要取代駕駛，科學家仍然掌控方向盤，只是將原本需要人力執行的數據處理交由算法與機器人完成。」
除了加速材料研發的腳步以外，驅動兩位創辦人的更大動力，是他們對大自然的熱愛。Tribukait感性說道，「我與 Roch 都是自然的愛好者，我喜歡大海、他喜歡山林。」，然而在研發新材料與新催化劑的過程，有害化學物質、廢棄物的釋放都將帶來極大危害，Atinary 希望，SDLabs 能像「時光機」一樣，不只加快研發進程，同時也減輕對地球帶來的負擔。
「回到前面找鑰匙的笑話，透過 Atinary 的無代碼機器學習平台，科學家將不再需要在漆黑的地方摸索，讓 AI 來帶領實驗方向，而是發現從沒想過的新可能。」，Tribukait說，「我們相信，人工智慧將為各行各業的研發帶來革命性的顛覆與改變。」
