在上海举办的2023世界人工智能大会上,AI大模型对医疗、制药行业带来的创新想象,成为一个热点话题,大模型时代后,多模态AI通用化成为医疗领域未来趋势,而医疗与每个人息息相关,AI赋能医疗创新,更是每个人的呼声,在这样的背景下,至顶科技采访了复旦大学复杂体系多尺度研究院院长马剑鹏,马剑鹏提醒,AI赋能了医药创新,但AI不是万能的,不要过分迷信AI。
图:复旦大学复杂体系多尺度研究院院长 马剑鹏
至顶科技:复杂体系多尺度研究究竟是什么样的研究,AI为这一研究起到了什么样的作用?
马剑鹏:我们是做生物计算的研究,复杂体系多尺度研究院致力于发展全新而有效的、贯通微观分子结构直至宏观医学成像的多尺度影像分析技术,为解析生命奥秘提供前所未有的,囊括分子、细胞、组织、器官乃至整个生物体的时空影像数据。面向国际前沿,研究院利用用人工智能、大数据方法结合传统实验手段展开分子生物学、化学、物理学等交叉领域的研究。
我们是做分子层面的研究,AI赋能医药的创新,不管是宏观的医学问题,还是微观的制药问题,都在发挥作用。比如说,制药,AI可以帮助加快医药研发的速度和安全性,这是毋庸置疑的。无论是实验,还是计算,AI都在起赋能作用,比如今天的医学创新,在宏观层面上AI在赋能。说到药物又是一个微观问题,不管是大分子,还是小分子,抑或是中药,也有有效成分问题,在制药这样的微观层面,AI也在赋能。
在今天AI发展的这个拐点时刻,技术的长处和短处都要被看到、被看请。
至顶科技:AI的哪些负面影响需要让我们引起注意?
马剑鹏:AI大模型训练是平均的,在某些应用场景,可以做的比大多数人好,可能在头脑风暴的时候,会需要这样的训练结果,但在大部分场景里,是需要精准答案的。如果正儿八经的胡说八道,在人命关天的时候,还是不是可信,这就是一个很严肃的问题。
针对某个问题时候,在人群里是大平均,但针对某个人的健康问题,又是个性化的。每个人都不一样,每个人又要随着时间变化来看。可能今天你的指标是正常的,但是随着时间的推移,也会发生变化。
更重要的是,以人的个体为单位来看,每个人天生禀赋不同,会有很大差距。有的人经常会喝酒吃肉,这不是一个好的生活习惯,他可能很长寿,有的人过得谨小慎微,却不能长寿。有些人血压高的两百,他工作、生活都很正常,有些人血压一百五,可能就浑身不自在。这些都决定了,每个人都是不一样的个体,是纵向的个体,而大模型是横向思维,每个人是大模型中的平均数。
在医学领域,特别是在今天精准医疗的背景之下,大家去医院,检查完,要么是生病,要么就是健健康康的,但其实在健康和生病之间,还存在一个亚健康的状态。有些提示的指标,显示亚健康问题,会在大模型的人群里被打了平均分,但有些问题是针对一个个个性化的。
类似这样的问题,就是纵向问题,这些纵向问题问题,就需要个性化的解决,就是AI所不能的。
至顶科技:大模型对科研的最大帮助在哪里?
马剑鹏:作为一个AI的用户,用AI来获取知识的速度很快,学一个专业,可以很快掌握。如果把通用模型训练成一个科研助理,那会对科研有很大帮助;抑或是训练成一个竞争对手,寻求去打败这个对手,AI可以发挥很好的作用。
不只是在西医、制药的层面,在中医的范畴里,中医的望、闻、问、切的逐渐智能化也是可及的。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。