人工智能赋能行业创新的要素及趋势
挑战与机遇
人工智能在生物医药产业中的应用面临快速发展带来的挑战，但同时也提供了机遇。会议强调加快AI技术在产业中的应用速度，并通过实例展示其在不同方向上的核心价值。AI大模型在决策过程中的作用，以及如何通过技术弥补认知偏差，避免不良影响，是讨论的重点。回顾AI发展历程，特别是从2017年transformer模型到GPT等技术的快速发展，强调了把握未来技术趋势并应用于实际行业的重要性。
大模型在生物医药研发中的挑战与机遇
生物医药研发领域利用大模型进行决策和分析面临挑战，特别是药物研发的复杂性和高失败率。GPT模型在处理数值比较问题时的推理过程，强调了模型推理透明度的重要性。生物医药行业具有抗周期波动性、稳定增长特性，但药物研发成本高昂、成功率低，AI和大模型的应用潜力巨大。
药物研发中的全局优化与AI应用
药物研发过程中的全局优化问题被比作17世纪数学家解决的最短时间路径问题。AI技术预见和提供线索，提高研发效率和临床开发成功率，增加药企投资回报。通过全面整合知识和引入专家决策，显著提升药物临床开发成功率。大模型在药物研发和临床诊断治疗中将发挥重要作用。
大模型在生物医药研发中的应用与未来展望
大模型在生物医药研发中实现显著效率提升，半小时内完成以往需要1到2周的科学市场分析。大模型收集过去数十年的文献和实验数据，建立知识图谱，辅助研发决策。在疫苗设计、抗体多效性、MRA和小核酸药物设计等领域取得显著成果。未来，AI大模型与生物医药行业的结合将更加紧密，数据价值、人机交互方式改变以及AI大模型作为基础设施的角色将是关键发展方向。
利用大数据和AI技术推动科研与产业创新
国家层面充分利用丰富的基础数据资源，包括庞大的人口基数、众多医院和科研院校，放大数据基础优势。新的人机协同方式，如多智能体系统在科研领域的应用，以及通过AI大模型解决复杂科学问题的潜力。构建开放性平台，以更低成本和更低壁垒赋能各行业，促进AI技术在深科技、农业、材料、能源及销售等领域的广泛应用。
推动科技自信与新技术的产业应用
新技术在制药、石化、新材料、合成生物学等领域得到深入应用，强调中国发展世界领先技术的重要性。需要在技术自信和产业市场之间建立更紧密的合作，加速新技术向产业应用的转化。反思如何在快速变化的科技环境中提出正确的问题，充分利用大模型等新技术优势，超越传统知识体系框架的限制。
要点回顾
- 最核心的问题是更好地将AI技术应用到生物医药等产业中，并探讨不同方向上的发展速度。
- 认知偏差问题：大模型通过其强大的记忆力和分析总结能力，帮助揭示决策过程中的“黑盒子”，指出可能误解的事情。
- AI发展历史脉络：从上世纪50年代提出概念到2017年transformer模型的发表，再到GPT等模型的出现，AI行业迅速变化。
- AI未来发展趋势：算力平权与模型平权的应用，把握下一个浪潮的核心技术要素。
- 大模型展示推理过程：能够带来很大启发和帮助，解释答案来源，更好地利用AI辅助决策。
- AI在生物医药领域的应用案例：市场分析、文献收集、知识图谱构建、生物药研发、疫苗设计等。
- 药物研发的困难与AI作用：药物研发涉及科学上高度复杂的跨尺度调控，过程漫长，AI帮助面对多变量、科学不确定性及复杂因素，提高研发效率和成功率。
- 实证案例：辉瑞公司通过更全面的生物学研究和引入不同专家进行全方位决策，显著提高临床开发成功率。
- 药物研发过程的挑战：类似于解决一个看似简单的数学问题，需要在充满不确定性的环境中寻求整体效率的最大化。
- 大模型在生物医药领域的具体应用：市场分析、文献收集、知识图谱构建、生物药研发、疫苗设计、抗体多效、工业设计等。
- 未来AI在生物医药行业的关键方向：数据价值、新型人机交互方式、AI大模型作为基础设施。
- 化学合成方向的数据收集效率：通过自动化技术和AI结合，提高四十多个数据点的收集效率，AI模型表现能与甚至超越人类专家。
- 新的人机协同方式在科研领域的应用：斯坦福小镇项目、MIT的35 agent论文展示了AI大模型帮助科学家完成科学假设提出到结果评审的完整闭环。
- AI模型在失败案例上的准确率：显著高于人类判断，节省企业研发成本。
- 自动防控站协同下的数据产生：每月可以产生超过3万条化学反应的产品数据和过程数据。
- 利用通用大模型技术和专业数据对行业产生更大影响力：结合通用大模型技术和专业领域数据，提升数据分析能力，实现数据与分析能力的协同发展。
- 利用国家层面丰富的基础数据资源：在保护数据安全的前提下，利用中国庞大的人口基数、众多医院和科研院校的数据资源，放大基础优势。
- 开放性平台在赋能各行各业中的角色：借鉴云计算、互联网发展中的开源社区模式，构建行业技术生态平台，赋能各行业。
- AI在各行业应用中的关键要素：数据、人机协同、开放性。
- 中国在科技自信方面的进展和期待：在制药、石化、新材料、合成生物学等领域深入应用，并拥有巨大的内部产业市场推动新技术发展和转化。
