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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。