在本周于费城举行的路透社制药美国大会上,AI 讨论的显著特点是其具体性——而往年和类似活动上充斥着关于 AI 整体概念的讨论,今年则充满了 AI 实际应用的具体案例。
AI 正在前来解救各种问题。提出的最有趣的例子之一是支持制药命名的 AI。
根据再生元 (Regeneron) 命名发展与战略总监 Dorothy Linvill-Neal 的说法,为药物命名是最危险和复杂的品牌推广活动之一。
制药公司不仅要应对任何产品开发者都面临的艺术和设计挑战——想出一个令人难忘、吸引人且富有启发性的名称——而且还必须找到一个不仅能被他们打算销售药物的每个国家的商标局批准,还要获得各国监管机构认可的名称。
"通过专利和商标局进行的商标分析与卫生部门的分析有所不同……后者主要关注意外替代的可能性,"Linvill-Neal 在路透社的演讲中解释道。"这指的是患者去药房或在医院,被给予错误的药物,从而可能导致患者伤害或死亡。"
FDA 和 EMA 的参与并非任意而为——研究发现,33% 的用药错误是由药物名称混淆导致的。但它们确实使这个过程变得更加复杂。
"EMA 特别具有挑战性,因为我们有 27 个成员国必须就单一名称的可接受性达成统一共识,这个名称将在集中程序中使用并在所有这些不同市场销售,"Linvill-Neal 说。"他们还可能基于负面联想或内涵提出异议,这可能是唯一的理由,也可能是因为与另一种药物的发音或外观相似。"
所有这些导致了 Addison Whitney 总裁 Joe Daley 所描述的"接收信息、创建名称、审核,然后是损耗、创建和损耗的过程。"Addison Whitney 是为 Ozempic 和 Wegovy 命名的全球品牌代理机构。
"这是一个妥协的过程,"他继续说道。"这是一个品牌战略稀释的过程。而且……损耗压力正在增加。随着越来越多的名称获得批准,不与其他名称发音相似或外观相似的名称空间越来越少。"
Addison Whitney 旨在通过一个名为 Ari 的 AI 解决这个问题,该 AI 已经开发了约两年,并在过去六个月处于测试阶段。它参考现有名称的数据库来筛选和风险分层名称,同时人类设计师对这些名称进行头脑风暴和迭代,并使用生成式 AI 功能基于战略参数生成名称创意。
"我们可以在 Ari 的前端加载大量的战略信息和见解,Ari 帮助我们挖掘这些数据,提出符合战略的名称,同时对风险、法规和法律风险进行分层,"Daley 说。"这帮助我们的品牌设计或语言设计人员非常迅速地选择高概率名称,进行迭代,然后再次运行流程。完成我描述的相同周期所需的时间literally只有过去的四分之一。"
Linvill-Neal 表示,这是一个不仅减轻产品命名团队负担,还减轻他们通常需要大量咨询的法律和监管团队负担的工具。
"我们知道监管至关重要,为患者安全进行预筛选是北极星,"她说。"因此,能够快速提供预筛选名称带来了巨大的不同。"
好文章,需要你的鼓励
Atlassian、Intuit和AWS三大企业巨头正在为智能代理时代做准备,重新思考软件构建方式。当前企业API为人类使用而设计,未来API将成为多模型原生接口。Intuit在QuickBooks中应用自动发票生成,使企业平均提前5天收款;AWS通过AI辅助迁移服务显著提升效率;Atlassian推出内部员工入职代理和客户代理,节省大量时间成本。专家强调需要建立强大的数据架构和信任机制。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
MIT研究发现,使用生成式AI完成任务时,大脑运作方式与单纯依靠自身思考存在显著差异。研究显示,使用ChatGPT等工具的用户记忆力更差,神经连接活动减少,对所写内容的回忆能力明显下降。虽然AI工具能提高效率,但可能导致用户缺乏对知识的深度理解和掌控感。研究强调需要更多科学数据来了解AI使用对人类认知的长期影响。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。