至顶网软件频道消息:Deep Knowledge Ventures的合伙人Margaretta Colangelo在她最近的一篇文章(https://www.linkedin.com/pulse/ai-forefront-biochemistry-biopharma-must-innovate-die-colangelo/)里提到,尽管制药公司公司每年在研发上的花费超过1720亿美元,但90%以上的使用传统技术发现的分子都在人体临床试验中失败。而且,新批准的药物75%都无法承担开发成本,一些分析师预测药品研发的投资回报率(ROI)到2020年时可能为零。如果我们觉得这种预测有很大机会成为现实,那么我们就应该将人工智能(AI)视为制药研发领域活命的天外救星,人工智能同时也为某些患者提供了宝贵的选择希望。
制药和科技公司的药物发现和药物开发之间的顶级人工智能互连(图:DKA)
在这场生死之赛里,一些公司试图在未知领域测试极限。 Deep Knowledge Analytics(DKA)是专注于DeepTech的投资基金公司Deep Knowledge Ventures的子公司。DKA从全球1000家AI Healthcare(人工智能医疗保健)公司里将专门从事核心科学研发的公司分了出来。根据DKA的说法,人工智能医疗保健行业的入场门槛比人工智能药物发现方面低,这些人工智能医疗保健公司可以利用更少的资金和更少的高度专业化的员工实现真正的成果。药物发现公司的AI则需要更高水平的传统生物制药科学(生物化学、生物学、生物医学等)和核心AI技术。将新的AI鉴定药物推向市场需要“完整堆栈”, 公司要实现完整堆栈需要非常强大、非常专业的团队以及需具有足够多的具个人专业知识的专家坐镇。
而即使是投资者也很难进入这个行业,因为所需的最低专业知识门槛相对较高。投资基金公司很少能真正了解该行业的内容、原因和方式以及在该行业做出合理投资决策所需的各项参数。 260家投资基金公司里可能只有不到20家基金资助了125家活跃的人工智能药物发现公司。
药物发现AI专家100强(图:DKA)
也许在未来几年里,会有一些公司将在制药行业发挥强大的影响力,进而在药物开发方面取得前所未有的突破。从药膏到人工智能花了不到200年,期间的发展从根本上改变了医疗保健和患者的生活质量。然而,在最近几十年里,大家普遍认为我们已经陷入了停滞不前的境地,每个新的一步都需要付出巨大努力。我们希望AI在药物开发方面能将医疗保健推向新的高度。尽管如此,有些星星将黯然消失,新星将会出现,这是物理定律使然。我们知道这一点后在看到新星诞生时也就释然了。
好文章,需要你的鼓励
随着IT成为企业运营的核心支撑,IT服务台的重要性日益凸显。现代ITSM平台已从简单的帮助台发展为复杂的管理系统,集成了工单跟踪、资产管理、性能监控等功能。这些平台的核心是工单门户,确保请求得到及时处理。许多产品强调自助服务功能和AI集成,通过智能路由、预测分析和生成式AI来提高问题解决效率。本文详细介绍了21款主流ITSM工具,帮助企业选择适合的解决方案。
新西兰奥克兰大学研究团队发布了首个专门针对教育领域的情感分析数据集EDURABSA,包含6500条学生真实评价,涵盖课程、教师和大学三个维度。同时开发了ASQE-DPT标注工具,能够精确识别学生反馈中的细微情感和隐含观点。这项研究填补了教育反馈智能分析的空白,为教育机构提供了科学的决策支持工具,让学生声音被更好地听见和理解。
思科与英伟达、VAST Data合作推出安全AI工厂,整合服务器、GPU和存储设备为企业提供一体化AI基础设施。该方案采用融合基础设施形式,以AI POD作为核心组件,搭载英伟达RTX PRO 6000 Blackwell GPU和思科UCS服务器。存储方面支持NetApp、Pure Storage或VAST Data产品。VAST声称其InsightEngine能够加速RAG管道,将响应延迟从分钟级降至秒级,支持企业级智能体AI应用。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。