数字化转型网人工智能专题
“耗时五年，这个心血管RWE研究项目终于发表了。”
“读博的时候参与的项目，现在毕业2年了，项目终于发表了！”……
这些对于医学研究人员及相关从业者，是最熟悉不过的场景。从临床问题的确定、到数据情况评估、研究设计选择，以及统计方法确定、数据管理、开始研究、结果解读和评价、事后分析等等一系列环节，为了提升项目结果价值，传统做法上每个环节都需要耗费大量人力物力。而在最新的一场医药行业相关发布会中，记者了解到行业前沿的研究团队，已开始用“人工智能+”的大模型方式，“革新”了医药行业的研究全链路。
近日，一场属于医药人的AI盛会在上海隆重举行，该会议由CphMRA主办，健交科技承办，以”人工智能+医药，新质生产力”为主题，会上同时宣布”CphMRA医药大模型专业组”正式成立，开启医药研究AI时代。专业组组长单位健交科技，在此次会议上重磅发布由其自主研发的GPT Hybrid专利技术驱动的【PDS®人工智能医药研究平台】。健交科技首席科学家汤子欧博士向记者介绍到：PDS®平台可提供针对医药研究全流程的”数据治理-信息提取-知识发现-建模预测-扩展应用”一站式应用，将一改过往耗时耗力的医药项目研究状态，”让真理更快被发现，让医药人工作更高效”。
一、一个“灵感”，造就比GPTs（Agent）早4个月诞生的领先技术
采访过程中，记者了解到，健交科技的GPT Hybrid专利算法架构比GPTs(Agent)宣布时间还要早4个月申请专利，可以说是首个基于GPT Hybrid架构并融汇LLM、神经网络、精算模型、矢量建模等联合决策训练的人工智能自适应、自学习算法体系(GPT-H)。而这一切都源自于健交科技首席科学家汤子欧博士的一个“灵感”——大语言模型(LLM)的“两个天生BUG”，相关研究成果已刊登于科学中国。
汤子欧博士介绍到，科学层面上，LLM的工作原理是基于注意力机制进行文本预测的算法模型，对于数值型预测工作，LLM仍然是把数字当成文本进行处理并运用文本注意力机制进行文本型数字的选取和产生，对于数值型预测工作结果的精度和可重复性不具备技术上的优势，其结果也就较差，甚至对于数值型预测工作无法回答问题；哲学层面上，“LLM威胁论”认为LLM可能很快会通过学习全部人类语料后超越人类，然而，这个认知存在逻辑悖论。
总结来看，大语言模型(LLM)的“两个天生BUG”其一，LLM还不能很好的胜任数值型预测工作；其二，LLM难以超越人类语料，因此“LLM威胁论”的认知目前无法成立。认识到LLM的这“两个天生BUG”，也为我们进一步提升AI的能力找到了可行的路径，健交科技的(GPT Hybrid)专利技术集群应时而生。
然而，从灵感到技术群实现，再到应用落地，以及最终实现商业化，这条路并不好走。尤其是在如此火热的市场环境下，各类新兴的大模型正以肉眼可见的速度“席卷”大健康行业。但应用过于分散、不成体系、深度不够则是整个行业都在努力突破的痛点。“噱头很多，变现很难”是一位行业资深专家对如今大模型产品的形容。针对这个现状，汤子欧博士也早已进行布局。
二、走出“无人区”，要让医药场景化应用价值“遥遥领先”
“我对自己的定位是一个研究人员，带着研究团队经常就是没日没夜在无人区进行探索。”汤子欧博士说到。作为最早一批EDA拓荒者，从20世纪90年代起，汤子欧博士便已开始大数据挖掘与研究工作。“也许是因为从业经历、又或者是巧合，在无人区默默耕耘十余载以后，我们研究团队的成果竟与医疗医药行业场景化应用需求不谋而合。”
技术上实现多元融合，没有天花板：从【PDS®人工智能医药研究平台】发布这一时刻开始，宣告大语言模型和相关的AI技术正式形成合力，帮助医药人高效探究客观世界的真理。场景上实现多维全覆盖，【PDS®人工智能医药研究平台】，一站式解决”数据治理-信息提取-知识发现-建模预测-扩展应用”医药研究全流程。
