上体现得同样明显。
,希望探索出一条新的发展之路。
01
何谓生命科学产业?
虽然具体又细分为生物信息学、药妆品、食品加工和营养品等业务子项,但生命科学一般可分为四大主体领域:
药品——通过化学研究和合成工艺制造药品。
生物技术——利用微生物和植物等生物体开发产品(例如酿酒)。
医疗设备——通过仪器、设备、植入物、机器甚至是某些软件来治疗疾病。
CRO/CMO——以外包服务的形式为各类生命科学公司提供支持。
02
制药:以更低成本快速发现重要药物
总结来讲,AI及其技术子集在生命科学中的主要应用包括:
搜索并分类数据,以寻求可能的新药(药物发现)。
在对志愿者开展测试之前,通过深度学习确定新药对人体的潜在影响。
为临床试验寻找最佳受试者。
新药研发是一个缓慢且成本极高的过程,而且失败概率巨大。如今,AI已经被用于降低研发成本、提高研发成功率,同时更安全地推进整个探索流程。
03
生物技术:实现风险可控
AI在制药领域的应用也大多适用于生物技术,具体包括大规模数据分析、模拟新产品效果、以及管理临床试验数据。本轮新冠疫情下,已经有一款疫苗的快速研发源自AI技术的有力支持。
例如:
通过转基因细菌制造人工胰岛素。
饲养经过 CRISPR基因编辑的动物,为患有糖尿病和心力衰竭的病人提供移植器官。
培育抗病作物。
通过基因编辑提高奶牛产奶量。
通过改造原料和微生物特性研发新的酒水品类。
从大豆等作物中提取生物燃料。
由于同生物相关,人们更担心技术失控问题。转基因微生物很可能会持续变异并引发负面影响,转基因生物同理。因此,机器智能必须能够对动物的育种记录进行深入分析,并在分子层面设计出虚拟测试以最大限度降低此类风险。
04
医疗设备:数据管理
如今的医疗设备早已脱离了普通人所能想象的范畴。X光机和CAT扫描仪等已经能够拍下清晰详尽的体内图像,以供放射科医师进行诊断。医院的ICU监控系统,能够为危重病人提供24/8全天候监控。现在的可穿戴设备,也让患者能够在家中通过医用平板电脑,监测自己的健康状况,同时将各项指标实时传输至几公里之外的医疗诊所。
医疗设备制造商开始寄希望于AI技术。例如,先进的AI系统,可以帮助医生监测并管理糖尿病患者的胰岛素用量,或者帮助放射科医生从大量X光片中快速发现肿瘤迹象。
制造商们还希望借AI之力加快开发速度、降低开发成本,并以类似于制药和生物技术的应用方式提高产品的审批成功率。美敦力公司数据科学总监Toddy Morley在采访中就强调,“我们预计AI技术将广泛应用于制造业,也包括我们的供应链。几十年以来,产业工程师一直在制造业中运用统计学方法。然而,随着低成本传感器的全面普及和融合,丰富计算资源的出现,深度学习和图形建模等强大功能的面世,以及愈发准确可靠的AI方法,共同给制造业中的AI应用创造了新的商业机遇。”
05
CRO / CMO / CDMO:伸出援手
尽管实力雄厚,但他们在产品的开发和制造层面也面临着各自的难题。
。
则可以把部分业务战略性外包,更有效地利用自有资产。
06
写在最后
。随着海量数据的涌入,他们正在积极拥抱人工智能与机器学习,希望全面简化从数据挖掘到制造流程的整个业务链条。
[编者按] 海外来电是科技行者旗下编译团队,聚焦海外新技术、新观点、新风向。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。