从去年12 月到现在，3个多月过去了，关于ChatGPT、AIGC的话题依然在全球范围内持续火爆，这种现象明显和前几年的元宇宙、AR、VR、区块链等技术火爆程度是不一样的。这种区别可以用地震级别来描述：元宇宙、AR、VR、区块链大概率是3-4 级地震，而以 ChatGPT为代表的AI和 AIGC 技术则是 7- 8 级，这种差异性最主要的原因则是有没有能够立即使用技术的杀手级应用和场景。

技术的突破创新固然重要，但是产业和生态的快速发展才是关键，我们发现学术界和产业界也都形成了共识: AIGC 其底层技术和产业生态已经逐渐形成了新的格局。基于此，小瑞学苑邀请到了决策易技术总监、生命科学行业2B应用技术架构专家Chad老师来分享下对数字化转型的关键架构“智能化”的见解，以及 Al 技术如何在生命科学行业中应用和实践。为了便于理解，Chad老师按照Al技术架构要解决的问题和服务方式，将AI技术架构分为4个层次，分别是底层核心、服务层、应用层和系统层，每一个层次要解决的问题和提供服务的方式都是不一样的。

图片来源：生命科学行业2B应用技术架构专家Chad老师课件

核心层

最底层的，是AI的核心，也是AI技术的基础，主要解决的问题是向计算机输入大量的数据后，使其学习后能够理解、解释和生成人类语言，继而能够预测结果。主要包含自然语言处理(Natural Language Processing，NLP)、机器学习(Machine Learning)、计算机视觉(Computer Vision，CV) 、机器人技术等，以及我们熟知的深度学习，它也是机器学习的一种非常重要实现方式。

服务层 

再上一层，是服务层，这一层主要解决的问题就是硅基生命的听说读写问题。这些服务通常是由一些有基础设施能力或者算力的供应商，比如 OpenAl、Stability.ai、微软、百度、科大讯飞等智能服务提供商，对底层核心技术或模型进行封装,并提供服务。他们主要提供的是预训练好的一些通用模型服务，比如语言识别、人脸识别、视频分析、情感分析等等。一般这些服务都是以受控 API或开源的方式提供，比如GPT提供的接口服务。这一层服务目前还不能够直接面向企业或用户，做不到开箱即用，也面临着服务使用门槛高、训练成本高等挑战。

应用层

为了解决上述挑战，行业方案供应商会在此基础上推出更高级别封装的模型或工具，甚至有可能会出现专门做面向行业的 AI 模型方案的供应商，他们可以在预训练基础上，通过专门的调试和训练，快速抽取形成垂直化、场景化、定制化的模型或工具。

系统层

除此之外，我们要解决终端用户的问题，可能还需要一些更直接的行业方案或系统，他们可以直接基于下面的一些技术和服务进行整合，提供更加完备的业务问题解决方案，比如带上微软 Copilot的 Office 套件。总之人工智能技术是一个非常广泛和多元化的领域，涉及了许多不同的领域和技术，它们相互交叉、相互依赖，共同构成了人工智能技术体系。AI人工智能体系在生命科学行业许多方面有着广阔的应用空间和场景，Chad老师对此也做了较多梳理。

 图片来源：生命科学行业2B应用技术架构专家Chad老师课件

生命科学知识管理

利用AI总结性能力强的特点，从大量的文献和数据中提取有用的知识，建立知识图谱，帮助科学家和研究人员更好地理解生命科学。药品研发的论文库和资料也可以基于 Embedding 模型来做训练。

药物研发

人工智能可以帮助药物研发公司更快速、准确地发现新的药物，从而减少研发时间和成本。例如，人工智能可以通过分析分子结构和化学性质来预测药物的效果，从而帮助研究人员更好地设计和优化药物分子。

智能医疗设备研发

人工智能可以帮助设计和开发智能医疗设备，例如智能糖尿病监测器和智能心脏监测器，从而帮助患者更好地管理自己的健康状况。

数字化虚拟代表

帮助医药代表做辅助工作，且不会对代表构成威胁。

帮助医生和患者诊断疾病

人工智能可以通过对患者的医疗记录和图像的分析，提供辅助诊断和预测疾病的可能性，以及提供治疗建议和解释医学术语。

帮助医疗机构管理大量医疗数据

人工智能可以帮助医疗机构更好地处理和管理大量的医疗数据，例如人工智能可以通过自动化诊断报告、电子病历和药物处方等流程，减少医疗机构的工作负担和减少错误的发生。

患者教育

AI为患者提供有关疾病、治疗和预防的信息，并回答他们的问题，帮助他们更好地了解和管理自己的健康状况。

保险服务

AI帮助识别和评估患者的健康风险，提供有关保险产品和健康计划的建议，并帮助处理申请和理赔事宜。决策易对于AI的认知是从前几年就开始了，因此前几年就着手搭建了R 平台，蓄势待发中，决策易R 平台可以为生命科学企业提供以下服务：1、首先是认知服务，R平台会提供一些标准的图片识别类服务，比如：a.营业执照识别/票据识别，主要用于识别药店、诊所、医院等机构的证件信息和药品发票等。b.用于核验活动的真实性。c.门店陈列拍照识别，用于识别药店、诊所、医院等机构的陈列情况，帮助制定相应的促销策略。d.还有会议照片对比、查重和渠道数据拍照采集等。2.其次是数据处理和分析：a. 我们会利用 AI 技术，将医生的历史拜访记录、处方信息、病人病历等数据进行整合和分析，帮助营销人员制定更加精准的营销策略。b.同时通过 AI 模型训练，将公司内部的数据、经验和知识整合起来，帮助医药营销人员更好地了解产品和市场，优化销售策略。3.在决策建议方面，我们会基于医生的历史拜访记录和当前工作量，提供拜访计划和会议建议，帮助医生优化工作流程和提高效率。4.在开发能力方面，R平台借助类似Codex 的大模型搭建一个智能的 aPaaS 平台，根据医药企业的需求，开发定制化的AI应用，帮助企业提升竞争力。或者能够利用 AI 模型生成爬虫任务，快速动态获取行业资讯。5.同时我们将提供一个智能助手，支持语音输入，快速搜索。邮件助手和会议助手将作为智能助手的一部分，帮助用户提升营销效率。比如根据医生的邮件信息结合CRM客户最新动向自动撰写邮件。6. 还可以基于医生或病人的浏览历史和兴趣爱好，推荐相应的医学文章。随着技术的不断发展，决策易 R 平台规划着更多有力的生产力工具，以帮助企业和用户提升效率。

想要了解更多“Al 技术如何在生命科学行业中应用与实践”，扫码查看回放～