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
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。