讨论会上,李开复博士分享了自己对于 AI + Science (AI+科学交叉),尤其是在医疗科技领域的一些展望。以下内容整理自演讲内容:首先谈一下 AI 。AI的三大基石是算法、算力和数据,AI以此为养料迭代发展。三者之中,数据尤为重要。因为要有海量数据才能把AI的“大脑”训练好。这一点,从计算机视觉、NLP等领域都能看到类似的进化过程。特别是近年来,NLP领域的预训练大模型在落地应用层面取得了突破性的进展,让感知智能跃迁到认知智能的通道畅通了。换言之,哪个领域有海量的数据,哪个领域就会有巨大的机会。那么医疗科技,便是一个很好的例子。第一,传统的医疗行业现在正全方位数字化,包含医疗流程信息化、可穿戴设备记录全程健康数据等,正在成为AI的“养料”,产生有价值的算法。在疾病预警、诊断、治疗、监测、长期管理等方面辅助医生进行诊断和治疗,更有利于执行针对患者的“千人千面”的精准治疗方案。海量的数据也会在新药研发方面。如今科研界在寻找小分子、大分子药物解决病痛上进行大量实验,无论试验是否成功,都带来了海量数据。第二,从AI发展的角度来看。最初,AI产业就是一个新技术在寻找落地场景。第一批AI创业公司大约集中在十多年前,比如专注于计算机视觉的旷视科技、用语音来探索落地场景的科大讯飞。第二批的AI创业,则是针对AI在某一个商业应用来创造价值。比如说创新奇智、第四范式、以及很多无人驾驶汽车公司,都是很好的例子。针对制造业、企业转型、交通等领域把AI应用起来,这些公司目前发展地都很好,成为了独角兽,希望不久的将来能够上市,或者其中一些已经上市了。我认为,第三批AI的巨大浪潮就是AI+科学交叉。比如在国外一些顶级医院中,他们每种癌症的数据只有十几个例子,但AI需要的是几十万几百万甚至几千万个例子,而且是越多越好。我们可以想象,一个医生他的诊断能力主要就是凭借经验。但他一辈子能看到多少病人?一万个算很多了。而换做AI的话,可以看1亿个病人,甚至10亿个。那么它积累的经验、因人而异的诊疗方法,可以做出更好的总结,而且还能找到一些长尾的、罕见的现象,同时也会避免用药方面带来的一些问题。所以海量的数据对于这个医疗科技的帮助会是非常大的。新冠更是催化医疗数字化、智能化,助推包括AI、自动化、计算、通信、物联网、移动等“数字基建”交叉渗透各行各业的速度。在海量结构化、金标准标注的闭环数据的助推下,生命科学赛道将不断寻找符合行业规律且有商业价值的落地场景。另一方面,AI对科研上也大有裨益。可以说,“医疗+X”时代下,一个科学家可以把自己从半夜要起床去看实验结果的重复又辛苦的工作中解放出来。所以我们可以想象,以后科学家的工作可能更像是一个AI 科学家,他可以用一套软件来写一些代码,这个代码是控制机器人的。实验的大量测试都交由机器来做,科学家负责花时间创新,这样一来研发速度也会大幅提升。以上,是我关于AI、科学、医疗的一些初步想法。我相信,很多新科技都是不同领域交叉碰撞出结果的,我们认为 “AI +科学交叉”就会碰撞出这样的火花。