生成式人工智能在生物醫(yī)藥自動化領(lǐng)域應(yīng)用展望

文｜劉泊偉

生成式人工智能是一種能夠不斷生成新內(nèi)容和思路的人工智能技術(shù)，它可以通過模仿人類的創(chuàng)造過程，將人工智能從“使能者”提升為“協(xié)作者”。據(jù)估計(jì)，到2032年，生成式人工智能市場規(guī)模將達(dá)到2,000億美元，占據(jù)人工智能支出總額的約20%。該技術(shù)在生物醫(yī)藥自動化領(lǐng)域會有怎樣應(yīng)用呢？本文以作者視角從文字、圖片、代碼、生產(chǎn)預(yù)測等生態(tài)進(jìn)行了展望，為行業(yè)同仁提供一些參考。

一、什么是生成式人工智能

相對于傳統(tǒng)人工智能中的“推理型”和“決策型”，生成式人工智能更注重于從不同的維度和角度去發(fā)掘和創(chuàng)造新的價(jià)值，為社會帶來更多的創(chuàng)新和進(jìn)步。

生成式人工智能可以通過創(chuàng)建類似于其所訓(xùn)練的數(shù)據(jù)的新穎數(shù)據(jù)來模仿人類的創(chuàng)造過程，將人工智能從“使能者”提升為“協(xié)作者”。Gartner估計(jì)，到2025年，超過10%的數(shù)據(jù)將是由人工智能生成的，預(yù)示著一個(gè)新時(shí)代的到來。

很多企業(yè)都意識到了這個(gè)技術(shù)的飛速發(fā)展和技術(shù)、市場前景，已開始布局該技術(shù)領(lǐng)域，相關(guān)機(jī)構(gòu)對企業(yè)的生成式人工智能技術(shù)開發(fā)、應(yīng)用的階段進(jìn)行了調(diào)查：約半數(shù)企業(yè)已經(jīng)開始投資創(chuàng)立相關(guān)公司、建設(shè)團(tuán)隊(duì)，甚至已經(jīng)開始構(gòu)造解決方案，建立運(yùn)行，另一半企業(yè)中也有相當(dāng)比例的企業(yè)在學(xué)習(xí)該技術(shù)。

二、在醫(yī)藥領(lǐng)域的應(yīng)用情況

2010年的一項(xiàng)研究顯示，一種藥物從研發(fā)到上市的平均成本約為18億美元，其中藥物研發(fā)成本約占三分之一，整個(gè)研發(fā)過程需要長達(dá)3至6年。生成式人工智能已被用于將各種用途的藥物設(shè)計(jì)周期縮短到幾個(gè)月，減少制藥行業(yè)的藥物研發(fā)成本和時(shí)間。據(jù)《ChatGPT 背景下的醫(yī)藥行業(yè)數(shù)字化轉(zhuǎn)型新范式研究報(bào)告》顯示，醫(yī)藥行業(yè)目前主要應(yīng)用測試多體現(xiàn)在文獻(xiàn)查詢、匯總和分析能力、按照大模型的生成式預(yù)測、規(guī)范/文獻(xiàn)解讀、競品對比、臨床問詢/咨詢、實(shí)體識別等方面，測試結(jié)果不盡如人意，有待提升和完善。主要在以下方面進(jìn)行了嘗試：藥物研發(fā)；臨床研究；醫(yī)學(xué)學(xué)術(shù)推廣與患者教育；文書撰寫、翻譯與潤色校驗(yàn)；文獻(xiàn)智能閱讀與摘要生成能力；臨床疾病診療應(yīng)用。

三、行業(yè)應(yīng)用展望

醫(yī)藥行業(yè)在做生成式人工智能技術(shù)的嘗試，其他領(lǐng)域同樣也在做這方面的布局和探索，在一些領(lǐng)域稍有成果。

在醫(yī)藥自動化領(lǐng)域會有怎樣的發(fā)展前景呢？我想每個(gè)人都有自己的“哈姆雷特”。結(jié)合生成式人工智能模態(tài)，個(gè)人認(rèn)為將來可能會在以下方面有應(yīng)用前景。

（一）文字方面

專業(yè)信息收集、搜索、解讀：可以替代現(xiàn)有常用搜索引擎，如百度、google等，同時(shí)，可以更精準(zhǔn)檢索到相應(yīng)的專業(yè)技術(shù)資料，并且隨著生成式LLM的數(shù)據(jù)逐步完善，可以讓檢索結(jié)果越來越準(zhǔn)確；遇到不了解、不熟悉的設(shè)備選型，可以通過生成式人工智能進(jìn)行學(xué)習(xí)了解，快速獲取該設(shè)備選型應(yīng)用的關(guān)鍵關(guān)注點(diǎn)，以提高選型準(zhǔn)確度；行業(yè)里對于一些標(biāo)準(zhǔn)規(guī)范有不同的解讀和理解，對于不是很專業(yè)的人會有不同的理解，往往會造成一定的偏見，生成式人工智能可以幫助進(jìn)行規(guī)范解讀，獲取精準(zhǔn)的理解。

文件編輯：可以結(jié)合具體需求，提供針對性的解決方案，甚至能夠提供相關(guān)圖片，同時(shí)，可以提供一些個(gè)性化、有創(chuàng)意的方案、建議供參考。醫(yī)藥企業(yè)通過大模型平臺，可以將文字進(jìn)行邏輯梳理和文字充實(shí)，將問題說明清晰且符合邏輯；在大模型基礎(chǔ)上，可以開發(fā)驗(yàn)證小模型，實(shí)現(xiàn)輸入需求后，系統(tǒng)自動編輯一份合規(guī)的驗(yàn)證文件模板。

聊天機(jī)器人：各搜索引擎均上線了聊天機(jī)器人，公司官網(wǎng)可以考慮提供人工智能機(jī)器人解答常見問題，或者設(shè)置行業(yè)專業(yè)問題技術(shù)機(jī)器人，解答工程現(xiàn)場/生產(chǎn)現(xiàn)場常見問題，同時(shí)也提升企業(yè)知名度、企業(yè)形象。

（二）圖片形成方面

自動生成效果圖：輸入需求，系統(tǒng)自動生成效果圖，供客戶快速、直接了解方案落地效果，提升用戶體驗(yàn)。

三維模型：隨著大模型逐步完善，開發(fā)專業(yè)小模型，實(shí)現(xiàn)輸入P&ID和平面布置圖及必要文件后，系統(tǒng)自動生成三維模型，管道工程師僅需要在此基礎(chǔ)上修改完善即可，縮短三維建模周期，提升工作效率，且在售前端快速提供客戶三維效果，顯示生成的控制室三維效果圖，方便在客戶面前快速展示方案效果。

智能設(shè)計(jì)：通過學(xué)習(xí)歷史數(shù)據(jù)和規(guī)范，自動化地生成設(shè)計(jì)方案，提高設(shè)計(jì)效率和準(zhǔn)確性。

竣工文件：類似于驗(yàn)證文件模式，快速生成竣工文本、圖紙等文件。

（三）代碼編寫方面

組態(tài)軟件腳本編寫：可以嘗試、實(shí)現(xiàn)組態(tài)軟件的不同形式功能，如多樣的報(bào)表、復(fù)合操作習(xí)慣的個(gè)性化功能等；

新技術(shù)想法驗(yàn)證：可以嘗試嵌入視頻監(jiān)控、新型報(bào)表、能源分析等功能。通過輸入需求，平臺自動生成報(bào)表腳本，可以直接復(fù)制到程序中測試應(yīng)用，大大提高了工作效率。

事故預(yù)測：建立模型（黑模型、白模型），通過分析工廠的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，預(yù)測可能發(fā)生的事故，并提供相應(yīng)的預(yù)防措施。

智能維護(hù)：通過分析設(shè)備的使用情況和維護(hù)記錄，預(yù)測設(shè)備的故障和維護(hù)需求，提高設(shè)備的可靠性和使用壽命。

（四）生產(chǎn)預(yù)測方面

建立生物數(shù)據(jù)特征/合成反應(yīng)機(jī)理算法模型：通過歷史數(shù)據(jù)驗(yàn)證、馴化模型，再結(jié)合實(shí)際生產(chǎn)批次數(shù)據(jù)，提供生產(chǎn)優(yōu)化建議，實(shí)現(xiàn)自感知、自適應(yīng)、自調(diào)節(jié)。

生成式人工智能+專家經(jīng)驗(yàn)：構(gòu)建智能數(shù)字專家，提高項(xiàng)目、生產(chǎn)專業(yè)問題快速、準(zhǔn)確解決能力。

（五）數(shù)字人

數(shù)字人在生物醫(yī)藥自動化中的應(yīng)用是指利用數(shù)字人技術(shù)，將人工智能與生物醫(yī)藥自動化相結(jié)合，實(shí)現(xiàn)自動化生產(chǎn)、智能化管理。目前，數(shù)字人技術(shù)在生物醫(yī)藥自動化中的應(yīng)用主要集中在以下幾個(gè)方面：數(shù)字人技術(shù)可以實(shí)現(xiàn)生產(chǎn)過程中的自動化控制，提高生產(chǎn)效率和質(zhì)量；數(shù)字人技術(shù)可以對大量的數(shù)據(jù)進(jìn)行分析和處理，提取有用信息，為生產(chǎn)決策提供支持；數(shù)字人技術(shù)可以實(shí)現(xiàn)設(shè)備的自動維護(hù)和管理，降低維護(hù)成本，延長設(shè)備使用壽命；數(shù)字人技術(shù)可以實(shí)現(xiàn)客戶服務(wù)的自動化，提高客戶滿意度。

四、面臨的挑戰(zhàn)和機(jī)會

（一）風(fēng)險(xiǎn)

生成式人工智能為醫(yī)藥企業(yè)帶來的不只有機(jī)會，還有風(fēng)險(xiǎn)，包括深度偽造、版權(quán)問題以及其他惡意使用生成式人工智能技術(shù)攻擊企業(yè)機(jī)構(gòu)的風(fēng)險(xiǎn)。風(fēng)險(xiǎn)是一直存在的，合理評估風(fēng)險(xiǎn)和風(fēng)險(xiǎn)成本預(yù)估，是解決問題的合理方法。

（二）大模型-小模型

ChatGPT 的訓(xùn)練和開發(fā)成本非常高，一般的醫(yī)藥企業(yè)是承受不起像 ChatGPT 這樣巨額的初始訓(xùn)練成本，此外還需要考慮系統(tǒng)可運(yùn)維和持續(xù)運(yùn)維的成本可控。因此需要醫(yī)藥行業(yè)級的小模型類ChatGPT平臺，這樣醫(yī)藥企業(yè)在挖掘業(yè)務(wù)價(jià)值的同時(shí)，可有效控制初始成本和持續(xù)運(yùn)維成本。而行業(yè)級的小模型類“ChatGPT”平臺要建立在大模型LLM基礎(chǔ)上，才能夠有足夠扎實(shí)的基礎(chǔ)支撐。

（三）橫向易實(shí)現(xiàn)、垂直需戰(zhàn)略布局

醫(yī)藥企業(yè)應(yīng)制定清晰的技術(shù)戰(zhàn)略，制定垂直化解決方案的路線圖，因?yàn)檫@些解決方案將幫助企業(yè)從虧損領(lǐng)頭的模式轉(zhuǎn)變?yōu)橛Ｊ健?/p>

（四）提前布局

醫(yī)藥企業(yè)應(yīng)積極參與合作伙伴生態(tài)系統(tǒng)，盡早投資跨模態(tài)和多模態(tài)解決方案，以建立先行的優(yōu)勢，獲得有利價(jià)格并嘗試新解決方案。確定競爭優(yōu)勢的來源，特別是專有數(shù)據(jù)，并開始為即將到來的生成式人工智能使用案例策劃這些數(shù)據(jù)。

（五）人機(jī)結(jié)合才是智能制造的未來

企業(yè)追求黑燈工廠，一方面是因?yàn)槿丝诩t利的不復(fù)存在，另一方面是自動化設(shè)備的發(fā)展，同時(shí)相應(yīng)的工業(yè)軟件的突破，智能裝備、自動化、信息化、網(wǎng)絡(luò)化、數(shù)字化、智能化等各層級有機(jī)集成，才可能實(shí)現(xiàn)黑燈工廠的目的。雖然機(jī)械化可以換人，自動化可以減人，數(shù)字化可以提高管控效率，精益管控，但是仍然有很多技術(shù)有待提高與突破，在此之前，有些操作根本無法實(shí)現(xiàn)無人化，尤其是間歇式生產(chǎn)的原料藥行業(yè)。

再加之短時(shí)間內(nèi)的大模型算法無法規(guī)避所有風(fēng)險(xiǎn)，所以，人機(jī)結(jié)合才是智能制造的未來，而非機(jī)器完全取代人的工作，正如相關(guān)調(diào)查數(shù)據(jù)一樣。