2021 年的人工智能现状：语言模型、医疗保健

[[431547]]

Benaich 指出，在生物学领域中有很多可以适应这种范式的唾手可得的成果。去年是这种使用机器学习解决各种问题的方法超速运转的时候。这种在生物学中使用机器学习的想法的输出之一是在制药行业。

几十年来，我们都知道并且都遭受这样一个事实，即药物需要很长时间才能被发现、测试，然后最终获得批准。也就是说，除非有一些巨大的灾难性压力需要采取其他措施。这就是深度学习取得的进展。因此，新时代制药公司在很大程度上表示，以前已经尝试过旧制药公司的方法。它有点行不通。那是计算化学和物理学。验证新时代制药方法是否有效的唯一方法是，它们是否可以生成实际在临床中的候选药物，并最终使这些药物获得批准，” Benaich 说。

改变是不可避免的。最终的问题是，你能否真正改变成本曲线，在更少的实验上花更少的钱，并获得更高的命中率。Benaich 认为，这仍然需要时间。Hogarth 指出，这并不是机器学习影响制药公司的唯一前沿领域，并指出了机器学习如何用于解析研究文献的例子。

这涉及我们之前与 John Snow Labs 首席技术官 David Talby 的对话，因为医疗保健领域的自然语言处理是 John Snow Labs 的核心专长。反过来，这不可避免地将对话引向了语言模型。

Benaich 和 Hogarth 在他们报告的研究部分指出了语言模型的进展;然而，我们被事物的商业化方面所吸引。我们专注于 OpenAI 的 GPT3，以及他们如何从完整发布模型到通过 API 将其商业化，并与 Microsoft 合作。