Microsoft Research 专家探讨 AI 如何塑造医疗健康的未来
Microsoft Research 邀请 Ava Amini、Eric Horvitz 与 Eric Topol,探讨 AI 如何改变医学、生物学和医疗服务。讨论涵盖 AI 辅助诊断、医学影像、全患者模型、虚拟细胞及生物学基础模型,并指出临床实施缓慢、功能性生物数据不足和真实世界验证是主要障碍。专家还分析了 AI 指导实验与药物发现、降低研发成本及推动疾病预防的潜力。
Microsoft Research 邀请 Ava Amini、Eric Horvitz 与 Eric Topol,探讨 AI 如何改变医学、生物学和医疗服务。讨论涵盖 AI 辅助诊断、医学影像、全患者模型、虚拟细胞及生物学基础模型,并指出临床实施缓慢、功能性生物数据不足和真实世界验证是主要障碍。专家还分析了 AI 指导实验与药物发现、降低研发成本及推动疾病预防的潜力。
NVIDIA 运营负责人 Deb Shoquist 介绍,公司如何把 AI 平台设计转化为可靠、高性能且可规模化的全球供应链。NVIDIA 按工厂良率等表现每周分配 TSMC 芯片,并追踪每颗芯片直至客户发票,在供需需要时将芯片从 TSMC 出厂到系统从 Foxconn 和 Wistron 出厂的周期由 5 周缩短至 2 周。
Anthropic Research 介绍 AI 参与科学建模的三个步骤:构建模型、用数据约束参数,以及解释模型对真实系统的含义。文章重点讨论 simulation-based inference 和基于 LLM 的智能体如何生成并筛选一组候选模型,而非只给出单一拟合结果。作者认为,保留模型分布、失败的替代方案和数据未约束部分,才有助于形成可解释的科学理解。
推荐理由:文章以 Hodgkin-Huxley 模型为例,拆解 AI 科学建模的构建、参数约束与解释过程,并说明为何保留候选模型分布有助于区分数据支持与未知部分。
Berkeley AI Research 发表一篇观点文章,讨论推理成本快速下降后,数据系统如何为 Agent 服务、支撑多 Agent 协作并由 Agent 构建。
推荐理由:文章把近乎零成本推理带来的变化拆成三类数据系统问题,为理解 Agent 工作负载、共享记忆与系统验证的协同设计提供了具体框架。