創新工場和BCG諮詢合作的「+AI改造者」系列:創新工場投資的Insilico Medicine,看AI新藥研發平臺如何賦能傳統藥企,一起進行“AI+生命科學”的顛覆式創新!
改造者系列:AI醫藥的下一站是長壽 -- 本文来自BCG微信公眾號,經授權轉載。
近期,創新工場聯合BCG波士頓咨詢旗下亨德森智庫,推出「AI融合產業:『改造者』如何促進AI普惠」系列研究。人工智能在中國大陸有著明確的落地應用場景,大量的AI企業活躍於這些垂直場景中,我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC,創新工場長期看好AI領域,深入佈局,至今已經投出了7只AI獨角獸。在系列研究中,我們采訪了數家創新系AI企業,通過這些「改造者」的視角,探究傳統企業擁抱AI的範式與路徑。
創新工場投資的英矽智能(Insilico Medicine)是一家由人工智能驅動的全球領先生物技術公司,通過發明和迭代人工智能藥物研發平臺,變革創新藥物和療法的發現方式。
英矽智能的AI藥物研發平臺已經證明了自己的能力:在今年2月和8月,半年的時間內,先後公佈了兩種臨床前候選藥物,分別用於治療特發性肺纖維化和腎臟纖維化。
在采訪中,英矽智能創始人兼首席執行官Alex Zhavoronkov博士表示,AI醫藥企業的下一個重要問題將是如何更好地理解生物學和跨物種生物學,長壽業或者抗衰老技術將會是未來的方向。以下:
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出,圍繞「AI融合產業:『改造者』1如何促進AI普惠」的課題,我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴,以及傳統企業擁抱AI的範式與路徑。
AI製藥領域於2014年左右興起,在2018—2020年間全面爆發。AI能夠快速識別大量樣本中的客觀規律,加速尋找和測試潛在靶點的過程。「有了AI,我們50個人可以做到的事情,比得上一個典型的製藥公司5000人所做的事情」,英矽智能創始人Alex Zhavoronkov在「未來呼嘯而來」一書中如是分享。2
1 「改造者」 通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸,充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
2「未來呼嘯而來」,彼得·戴曼迪斯(Peter H.Diamandis)和史蒂芬·科特勒(Steven Kotler)著。
■本期受訪嘉賓:Alex Zhavoronkov
英矽智能(Insilico Medicine)是一家由人工智能驅動的全球領先生物技術公司,通過發明和迭代人工智能藥物研發平臺,變革創新藥物和療法的發現方式,加速研發進程,為癌症、纖維化、抗感染、免疫和抗衰老等未被滿足的臨床治療需求提供創新的藥物和療法方案。
Alex Zhavoronkov是英矽智能的創始人兼首席執行官。他擁有皇后大學學士學位,約翰·霍普金斯大學生物技術碩士學位,以及莫斯科國立大學物理和數學博士學位。
■對談實錄
Q1 英矽智能原來在美國創立,後來為什麼選擇遷至中國?
Alex:中國構建了一套完善的體系和土壤,吸引創業企業、大型企業紛紛入駐。中國大陸多樣化的投資者,包括傳統藥企、科技巨頭、PE/VC等各類投資者,能將最優質的AI人才、CRO、藥企融合在一起。投資者能為初創企業提供資質牌照、幫助招聘、企業管理和宣傳等等。英矽還與許多學校開展了合作研究,擁有豐富的內部研發管線。中國完整的生態夥伴體系使得像我們這樣的企業能夠迅速擴大研發規模,甚至與大藥廠競爭。
Q2 英矽智能和輝瑞、安斯泰來、楊森製藥等諸多藥企都有合作,在和大型藥企合作的過程中有什麼心得或者經驗?
Alex:創新型的AI生物技術公司按照創立時間可以分為三大類:2014年之前成立、2014年—2015年左右成立、最近5年成立。2014年之前成立的企業通常不運用深度學習(deep learning),或者不具備向藥企提供解決方案所需的行業知識。2014—2015年間成立的企業則創立的正是時候,生成式對抗網絡(Generative Adversarial Network)出現,AI製藥開始興起。同時,許多藥企缺乏AI的專業知識和AI團隊,如果想要獲取AI方面的知識和技能,就必須與初創企業合作。作為交換,那時候的藥企也通常願意向初創企業提供資料和各類資源。英矽智能很幸運,創立時間(2014)正處於大藥企對外部合作最為開放和寬鬆的時期。而最近幾年成立的企業就沒那麼幸運了,很多藥企已經開始自建AI團隊、自研AI應用,只有具備非常特定細分領域AI技術的初創企業才有可能成功撬動藥企,與之建立合作。
然而據我的觀察,儘管許多大藥企都建有自己的AI部門和數據科學家團隊,但他們並沒有足夠強的AI能力——他們往往缺乏具備足夠AI知識的團隊。以生物醫藥方面的論文發表為例,在2014—2019年間,英矽智能發佈了上百篇AI相關的論文,然而發表AI論文數量最多的藥企阿斯利康則只有65篇,位列其次的諾華有54篇。
藥企往往也不知道從何處開始應用AI,而這正是AI初創公司能夠創造價值的地方。但是,在AI初創公司開始接觸藥企和銷售方案之前,首先要充分理解大型藥企錯綜複雜的組織架構和部門分工,針對不同部門銷售定制化的模塊,而非從一開始就銷售整體性、綜合性的解決方案。這是因為藥企內部通常很難有一個部門能夠處理所有的模塊,部門之間的協同往往沒有那麼強。因此,AI初創公司在提供解決方案的時候也要靈活地劃分模塊,對症下藥,英矽智能通常一次只銷售一個模塊。
儘管銷售是模塊化的,AI初創公司需要具備端到端、全鏈路的解決方案。英矽根據不同的研發週期,設計了三大AI平臺——新藥靶點發現平臺、分子生成和設計平臺、臨床試驗預測平臺。據我們瞭解,中國還沒有任何一家同行,同時擁有生成生物學和生成化學兩大AI平臺,能把靶點發現和小分子化合物生成有機結合在一起的公司很少。此外,英矽智能的AI系統可以用軟件形式呈現,藥企可以自行操作,用自己的數據運算測試。這些都為我們創造了差異化的優勢。
最後,對於藥企而言,如果想要應用綜合的AI解決方案,需要有整體性的戰略為引領。咨詢公司可以充當整合各部門組織、統籌整體戰略的角色,AI企業可以選擇與之合作。
Q3 在您看來,未來AI醫藥領域的發展趨勢是什麼?
Alex:在未來,最重要的不是AI技術,而是如何將AI和行業特定的實驗數據或模型結合。現在市場上已經充滿了各種各樣的技術企業,他們在不斷精進演算法模型和數據。未來的競技不會是關乎演算法或者算力,而是新的商業模式或者應用AI的新方式。
AI初創公司需要積累足夠的行業專識,理解藥企的需求,學習藥企的經驗,並向藥企證明自己提供的模塊能夠在真實的商業環境下應用,並且模塊之間能夠很好地兼容,能融入業務流程,且符合監管要求。比如機器學習加速了藥物識別,但還有很多步驟和流程並不能被加速或跨越:實驗論文不能被跨越,你依然需要向藥物監管部門提供大量實驗數據和模型來證明研究的有效性;實驗中的生物過程不能被加速,你依然需要等待生物體自然的新陳代謝和細胞活動,你也不可能直接從大鼠實驗跨越到人類實驗。而這些都涉及到更細分的新技術問題。
所以,對於AI醫藥企業而言,下一個重要的問題將是如何能夠更好地理解生物學?如何理解跨物種生物學?正因如此,我判斷長壽業或者抗衰老技術將會是未來的方向,即如何運用AI來監督和追蹤生命體在漫長時間裡無數細微的實時變化,來創建數字孿生(digital twin),進行跨物種比較、跨疾病模型比較。我相信AI是説明我們更好地認識生命體的最佳工具。
■要點回顧
1、中國的資本環境天然地聚集了垂直產業領域的優質企業,幫助AI初創公司,即「改造者」,迅速汲取經驗、擴大規模,加速行業創新與賦能。
2、在與垂直行業企業合作時,「改造者」既要有端到端的解決方案,也要有靈活、敏捷的銷售和服務模式。端到端、全鏈路的方案有助於「改造者」更靈活地根據傳統企業的需求組合方案,能夠擴大服務範圍和客群,提升「改造者」的競爭優勢。
3、未來最重要的不是AI技術,而是如何將AI與行業特定的實驗數據或模型結合。限制因素並不是演算法或者算力,而是新的商業模式或者應用AI的方式來實現行業定制化。
同時也有2部Youtube影片,追蹤數超過75萬的網紅志祺七七 X 圖文不符,也在其Youtube影片中提到,#記得打開CC字幕 #DIGI ✔︎ 成為志祺七七會員:http://bit.ly/join_shasha77 ✔︎ 訂閱志祺七七頻道: http://bit.ly/shasha77_subscribe ✔︎ 追蹤志祺 の IG :https://www.instagram.com/shasha7...
「機器學習深度學習論文」的推薦目錄:
- 關於機器學習深度學習論文 在 Facebook 的最讚貼文
- 關於機器學習深度學習論文 在 軟體開發學習資訊分享 Facebook 的最佳解答
- 關於機器學習深度學習論文 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於機器學習深度學習論文 在 志祺七七 X 圖文不符 Youtube 的最佳貼文
- 關於機器學習深度學習論文 在 珊蒂微AI Youtube 的精選貼文
- 關於機器學習深度學習論文 在 深度學習應用於YouTube影片情緒分類__國立中央大學博碩士 ... 的評價
- 關於機器學習深度學習論文 在 第11 章机器学习论文| R2ML 的評價
- 關於機器學習深度學習論文 在 mli/paper-reading: 深度学习经典、新论文逐段精读 - GitHub 的評價
- 關於機器學習深度學習論文 在 【教學重點】機器學習方法與流程入門Machine Learning — Intro 的評價
- 關於機器學習深度學習論文 在 深度学习论文阅读路线图-GitHub 标星24k,127 篇经典论文下载 的評價
- 關於機器學習深度學習論文 在 【機器學習2021】自注意力機制(Self-attention) (下) - YouTube 的評價
- 關於機器學習深度學習論文 在 ADL 15.2: (Hard) Prompt-Tuning, LM-BFF 用自然語言提示模型 的評價
機器學習深度學習論文 在 軟體開發學習資訊分享 Facebook 的最佳解答
NT330 特價中
講師Jon Krohn是機器學習公司 untapt 的首席資料科學家。他撰寫了《深度學習圖解》一書,該書一經出版即成為第一暢銷書,被翻譯成六種語言。
Jon 因其引人注目的講座而聞名,他在哥倫比亞大學和紐約大學親自授課,並透過O’Reilly和SuperDataScience播客進行線上授課。
他擁有牛津大學的博士學位,自2010年以來一直在領先的學術期刊上發表機器學習方面的文章;他的論文已被引用超過一千次。
這門課教你- 基本線性代數和微積分在 NumPy、TensorFlow 和 PyTorch 中的實戰應用
https://softnshare.com/machine-learning-data-science-foundations-masterclass/
機器學習深度學習論文 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
深度科學:人工智能存在於空氣,水,土壤和鋼鐵中
2020年3月4日
由柏拉圖重新發布
研究論文來了 太快了,以至於所有人都無法閱讀它們,特別是在機器學習領域,這現在影響著幾乎每個行業和公司(並在其中產生論文)。 本專欄旨在收集一些最相關的最新發現和論文,尤其是在但不限於人工智能方面,並解釋了它們為何如此重要。
這週帶來了機器學習中一些不尋常的應用或發展,以及對與大流行相關的分析方法的特別不尋常的拒絕。
僅僅因為人們認為聯邦監管機構在這種事情上落後於時代,就很難期望在政府監管領域找到機器學習。 因此,美國環境保護署(US Environmental Protection Agency)與斯坦福大學(Stanford)的研究人員合作, 從算法上消除違反環境規則的行為.
當您看到問題的範圍時,這是有道理的。 EPA當局需要處理數百萬份與《清潔水法》合規有關的許可和觀察,諸如各種行業自我報告的污染物排放量以及實驗室和現場團隊的獨立報告之類的事情。 斯坦福大學設計的流程對這些分類進行了分類,以分離出各種模式,例如哪種類型的植物,哪些地區最有可能影響哪些人口統計數據。 例如,城市周邊地區的廢水處理可能傾向於低估污染程度,並使有色人種處於危險之中。
將合規性問題簡化為可以通過計算分析和比較的問題的過程,有助於弄清該機構的優先事項,這表明,儘管該技術可以識別出更多具有輕微違規行為的許可證持有人,但它可能會引起人們的注意,而不再是像無花果葉的多個大型違規者。
浪費和費用的另一大來源是加工廢金屬。 它要經過分類和回收中心,那裡的工作仍然大部分是由人來完成的,而且您可能會想到,這是一項危險而乏味的工作。 Eversteel是東京大學之外的一家初創企業 旨在實現流程自動化,以便可以在工人介入之前完成大部分工作。
帶有AI檢測到的各種物品標籤的廢金屬圖像。
Eversteel使用計算機視覺系統將進入的廢料分類為近兩類,並標記雜質(即不可回收的合金)或 異常物品 清除。 它仍然處於早期階段,但是這個行業並沒有發展,並且缺乏任何大型數據集來訓練他們的模型(在鋼鐵工人和圖像的幫助下,他們必須自己製作模型)表明Eversteel這確實是處女區對於AI。 幸運的是,他們將能夠使他們的系統商業化,並吸引他們進入這個龐大但技術匱乏的行業所需的資金。
計算機視覺的另一個不尋常但可能會有所幫助的應用是在土壤監測中,這是每個農民必須定期執行的一項任務,以監測水和養分含量。 當他們設法實現自動化時,它會以繁重的方式完成。 來自南澳大利亞大學和巴格達中級技術大學的一個團隊表明,現在使用的傳感器,硬件和熱像儀可能會過大。
在各種各樣的光下顯示的土壤桶。
令人驚訝的是,他們的答案是標準的RGB數碼相機,它可以分析土壤的顏色以估算濕度。 創作者之一阿里·納吉說:“我們在不同的距離,時間和照明水平下對其進行了測試,並且該系統非常精確。” 它可以(併計劃)用於製造廉價但有效的智能灌溉系統,從而可以為那些無法負擔行業標準系統的人們提高作物產量。
資料來源:https://zephyrnet.com/zh-TW/%E6%B7%B1%E5%BA%A6%E7%A7%91%E5%AD%B8AI%E6%98%AF%E7%A9%BA%E6%B0%A3%E4%B8%AD%E7%9A%84%E6%B0%B4%E5%9C%9F%E5%A3%A4%E5%92%8C%E9%8B%BC%E9%90%B5/
機器學習深度學習論文 在 志祺七七 X 圖文不符 Youtube 的最佳貼文
#記得打開CC字幕 #DIGI
✔︎ 成為志祺七七會員:http://bit.ly/join_shasha77
✔︎ 訂閱志祺七七頻道: http://bit.ly/shasha77_subscribe
✔︎ 追蹤志祺 の IG :https://www.instagram.com/shasha77.daily
✔︎ 志祺七七 の 粉專 :http://bit.ly/shasha77_fb
各節重點:
01:12 AI 取代醫生了嗎?
02:00 AI 怎麼做到的?
03:06 AI 發展的核心要素
03:46 產業出題X人才解題
05:30 台灣 AI 技術的未來
06:31 我們的觀點
07:31 提問
07:49 掰比~別忘了訂閱!
00:00 掰比~別忘了訂閱!
【 製作團隊 】
|企劃:羊羊
|腳本:羊羊
|剪輯後製:Pookie
|剪輯助理:絲繡 & 范范
|演出:志祺
——
【 本集參考資料 】
→ 榮總將推出全台首家「AI 門診」!600 倍高速診斷,準確率高達 80%:http://bit.ly/33yFQ5e
→ 台北榮總月底開辦AI門診:http://bit.ly/31p7xMq
→ 台北榮總月底開辦AI門診 各大醫院投入發展精準醫療:http://bit.ly/2pptjT4
→ 臺大AI-SWAS–智慧術後傷口追蹤系統成果發表:http://bit.ly/2MnqdIg
→ 台灣AI行動計畫—掌握契機,全面啟動產業AI化:https://2030.tw/2kinhBC
→ 科技部AI TAIWAN全球資訊網:http://bit.ly/2oEDPpF
→ 一文看完詳細的 AI 產業鏈!:http://bit.ly/33EZRr3
→ 機器是如何學習與進步?人工智慧的核心技術與未來:http://bit.ly/32oZQar
→ 2017 AI應用大爆發!直擊50個AI現場新應用:http://bit.ly/35HTHID
→ 學測成績今公佈 全球AI熱該選那些科系領域?:http://bit.ly/35GBHhw
→ 健保利用AI揪異常 頭部電腦斷層竟4成與疾病無關:http://bit.ly/2OVBWzm
→ 【醫療影像AI實例:臺北榮總】AI只花30秒就能自動從數百張MRI影像找出腫瘤!準確率達95%:http://bit.ly/33GJo5Q
→ 「 AI妝容拆解 」完美複製雜誌模特兒彩妝,提升7億用戶顧客體驗與購買率:http://bit.ly/2oNB1Xa
→ 「玩美移動」要靠AR打造美妝界的臉書:http://bit.ly/35JHwL9
→ 台灣微軟、Google 與經濟部產官學合作,讓高中職生能扎根 AI,展現卓越學習力 | T客邦:http://bit.ly/2OXzgRR
→ 高中職生AI扎根活動 經部聯手Google微軟:http://bit.ly/2IZkSVr
→ 〈分析〉AI未來走向何處?由16625篇論文發現 深度學習正走向盡頭:http://bit.ly/2nTRgl9
→ 東ロボ君的啟示—人工智慧現況與人類教育反思:http://bit.ly/2nQBN5a
\每週7天,每天7點,每次7分鐘,和我們一起了解更多有趣的生活議題吧!/
🥁七七仔們如果想寄東西關懷七七團隊與志祺,傳送門如下:
106台北市大安區羅斯福路二段111號8樓
如有業務需求,請洽:hi@simpleinfo.cc
![post-title](https://i.ytimg.com/vi/02-XIoyD3hY/hqdefault.jpg)
機器學習深度學習論文 在 珊蒂微AI Youtube 的精選貼文
(下集)
🍿在下集當中,李老師跟大家聊的內容有:
1. 老師的宅男風格教學之力
2. 老師在2020年春季將會開一門全新課程!
3. 老師「請公子吃電信餅」🍪🍪🍪
4. 老師的「台大語音實驗室」都在做什麼?
🤖五個研究方向
🤖GAN來GAN去
🤖神奇模型「Multi-BERT」
5. 台大傅鐘的老梗笑話
6. 最後有李宏毅老師秘辛大爆料
🍿影片中提到的五個研究主題,李老師都精選了一篇論文,連結如下,請各位大大笑納:
非督導式語音辨識: https://arxiv.org/abs/1904.04100
非督導式語音轉換: https://arxiv.org/abs/1804.02812
非督導式文件摘要: https://arxiv.org/abs/1810.02851
問答系統: https://ieeexplore.ieee.org/document/8700217
個人化聊天機器人: https://arxiv.org/abs/1901.09672
#GAN來GAN去
#台大電機李宏毅專訪
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI
![post-title](https://i.ytimg.com/vi/5u77h9nzRfc/hqdefault.jpg)
機器學習深度學習論文 在 第11 章机器学习论文| R2ML 的推薦與評價
汇总这一步中查找出的论文和第二步中的高引论文,基本上就能构成你文献综述的初版内容啦。 最后,三步法可以迭代进行。 11.2 机器学习、AI必读论文. 人工智能必看的 ... ... <看更多>
機器學習深度學習論文 在 mli/paper-reading: 深度学习经典、新论文逐段精读 - GitHub 的推薦與評價
日期 标题 时长
3/30/23 GPT‑4 1:20:38
3/23/23 大模型时代下做科研的四个思路 1:06:29
3/10/23 Anthropic LLM 1:01:51 ... <看更多>
機器學習深度學習論文 在 深度學習應用於YouTube影片情緒分類__國立中央大學博碩士 ... 的推薦與評價
論文 基本資料; 摘要 ... 論文名稱: 深度學習應用於YouTube影片情緒分類 ... 應用文字探勘技術於股價預測: 探討傳統機器學習及深度學習技術與不同財經新聞來源之關係. ... <看更多>