Neil Zhu，简书ID Not_GOD，University AI 创始人 & Chief Scientist，致力于推进世界人工智能化进程。制定并实施 UAI 中长期增长战略和目标，带领团队快速成长为人工智能领域最专业的力量。
作为行业领导者，他和UAI一起在2014年创建了TASA（中国最早的人工智能社团）, DL Center（深度学习知识中心全球价值网络），AI growth（行业智库培训）等，为中国的人工智能人才建设输送了大量的血液和养分。此外，他还参与或者举办过各类国际性的人工智能峰会和活动，产生了巨大的影响力，书写了60万字的人工智能精品技术内容，生产翻译了全球第一本深度学习入门书《神经网络与深度学习》，生产的内容被大量的专业垂直公众号和媒体转载与连载。曾经受邀为国内顶尖大学制定人工智能学习规划和教授人工智能前沿课程，均受学生和老师好评。
创业公司 Berg Health 声称，人工智能已经将抗癌药物进入市场的时间减半。
一家创业公司声称，即将进入市场的抗癌药物通过使用人工智能技术只使用了预计一半的测试时间。
药物创业公司 Berg Health 成立于 2008 年，由硅谷VC支持，宣称他们期望能将药物在 3 年内进入市场，将开发时间从一般的 14 年降低到 7 年。
健康细胞需要体内葡萄糖的供给，然后会消亡，这就是细胞死亡周期，只要细胞本身失去了价值便会死去。但是在某些环境中，线粒体——细胞中提供能量的那部分——发生故障，然后通过新城代谢产生出乳酸，同时会关闭内置的细胞死亡功能。
接着，细胞就会癌变并长出肿瘤。Berg 的药物，BPM31510，将会重新激活线粒体，重启葡萄糖新陈代谢使之正常，能够让细胞死亡功能开启，所以身体可以无碍地将出现问题的细胞清除出体内。
Berg Health 的团队使用了一种特别的人工智能技术来比较来自具有最为激进病株（包括 胰腺癌、膀胱癌和脑癌）的病人的样本和无癌症人群的样本。技术能够区分出对应的生物学 profile，选择出那些预测出来的对药物产生最佳反应的 profile。
“我们在单一的组织样本上就看了 140 亿的数据点。我们使用人工方式无法处理这样的数据” 临床肿瘤学家及 Berg 联合创始人 Niven Narain 说道。 “因为我们正采用数据驱动的视角，所以现在需要超级计算能力。”
“我们在一个大数据分析平台上使用机器进行数学计算，所以可以采集数据到不同的类别：女性、男性的健康数据、疾病候选等等，同样能够将这些按照时间进行划分或者进行整合，让我们能够看到哪里开始出现问题，然后基于这些信息来开发药物。” Narain 说道。
Berg 期望在明年的一月开始药物的第二阶段的试验，也就表示在动物或者细胞培养测试上很有成效，所以在人类身上进行调查也是足够安全的了。
Narain 先生说通常需要 26 亿美元（17亿英镑）和 12 到 14 年来开发出一款可以进入市场的药物，在 4 年半内进行试验说明药物值得开发，说明创造一个新药的时间可以被减少到至少 50%。这同样也能够减少经费开支。
“我不认为我们需要 13 亿美元来制造第一款药物，所以成本至少减少了 50%。” 他又补充道。
“在老的模型中，有很多的试错，所以产生了巨大的成本。我们现在能够有更强的预测能力和更高的效率，……这会降低数十亿美元的成本。”
