AI 能帮助构建更健康的未来吗?——Microsoft Research 播客探讨
Microsoft Research 在《The Shape of Things to Come》播客中邀请医学、生物学与机器学习专家,讨论 AI 如何推动更健康的未来。话题涵盖 AI 辅助诊断、医学影像、全患者模型、虚拟细胞、生物基础模型及药物发现,并指出研究转化至患者仍需更好的生物数据与真实世界验证。
Microsoft Research 在《The Shape of Things to Come》播客中邀请医学、生物学与机器学习专家,讨论 AI 如何推动更健康的未来。话题涵盖 AI 辅助诊断、医学影像、全患者模型、虚拟细胞、生物基础模型及药物发现,并指出研究转化至患者仍需更好的生物数据与真实世界验证。
Lubrizol 正构建数字基础,将业务流程、现代数据平台与云基础设施连接起来,以支持研发团队加快材料创新。其“融合团队”让科学家、数据科学家与 IT 协同开展小型试点,并用数字建模评估配方、淀粉和玉米基替代材料及产品全生命周期权衡。AI 建模还能帮助团队在扩大生产时兼顾性能、法规与财务约束。
Richard Sutton 提出仅增加计算量不足以产生智能,AI 研究需要能够持续学习的新方法,并应发展具备世界模型、从经验中学习的智能体。Jerry Tworek 认为算法在 LLM 扩展中的作用日益关键,Jayden Teoh 则指出研究社区不应过早否定无法随规模扩展的想法;Sam Altman 和 Dario Amodei 仍认为 LLM 扩展远未触及极限。
Helmholtz Munich 的 Fabian Theis 探讨以 AI 建模 Virtual Cell,并聚焦 Biohub 的 $1.8B 数据收集计划。他认为,扰动预测在现有数据集上不够复杂,真正挑战是跨分子、细胞、组织与器官尺度预测细胞状态演化;更校准的评测指标可让深度学习模型胜过均值基线。