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
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。