NVIDIA在芯片开发过程中引入AI聊天机器人

NVIDIA在芯片开发过程中引入AI聊天机器人而且，英伟达的芯片还是业内最复杂的芯片之一，已成为推动ChatGPT等技术的核心。周一，英伟达展示了一项研究，采用所谓的大型语言模型，基于该公司的悠久历史来回答一些问题。大型语言模型即聊天机器人背后的技术，英伟达利用其在芯片设计史上30年来所积累的数据进行了训练。英伟达首席科学家BillDally向媒体表示：“事实证明，我们的许多资深设计师花费了相当多的时间来回答初级设计师的一些问题。利用聊天机器人来回答初级设计师的问题，可以为高级设计师节省大量时间。”英伟达在研究中还发现，通过添加该公司所积累的大量特定数据，一款中级聊天机器人就可以变得比高级聊天机器人更准确。英伟达表示，这可以帮助控制系统的成本。除了回答初级设计师的问题，英伟达展示的另一项功能是使用人工智能生成代码。Dally说，工程师们通常需要花费大量的时间来寻找芯片中不起作用的部分，并使用测试工具来找出原因。为了进行这项测试，人工智能系统可以快速编写一段脚本代码来操作该工具。Dally最后还强调：“我们的目标不是让流程自动化或取代员工，而是让我们现有的员工拥有超能力，让他们的工作效率更高。”...PC版：https://www.cnbeta.com.tw/articles/soft/1393311.htm手机版：https://m.cnbeta.com.tw/view/1393311.htm

更快、更安全的癌症治疗让人工智能改变药物研发过程

更快、更安全的癌症治疗让人工智能改变药物研发过程利用人工智能改进药物发现和开发是制药科学中一个新的但却日益增长的趋势，而这项技术正是这一趋势的一部分。研究人员利用今天（5月6日）发表在《自然-通讯》（NatureCommunications）上的这一新工具合成了32种候选抗癌新药。图中的资深作者TreyIdeker是加州大学圣地亚哥分校医学、计算机科学和生物工程学教授。图片来源：ErikJepsen/加州大学圣地亚哥分校"几年前，人工智能在制药行业还是一个肮脏的字眼，但现在的趋势绝对是相反的，生物技术初创公司发现，如果不在商业计划中涉及人工智能，就很难筹集到资金，"资深作者、加州大学圣地亚哥分校医学院医学系教授、加州大学圣地亚哥分校雅各布斯工程学院生物工程和计算机科学兼职教授特雷-伊德克（TreyIdeker）说。"人工智能引导的药物发现已经成为工业界一个非常活跃的领域，但与公司正在开发的方法不同，我们正在将我们的技术开源，让任何想使用它的人都能使用。"多靶点药物研发的优势这个名为POLYGON的新平台在用于药物发现的人工智能工具中是独一无二的，因为它可以识别具有多个靶点的分子，而现有的药物发现方案目前优先考虑的是单靶点疗法。多靶点药物之所以备受医生和科学家的关注，是因为它们有可能带来与联合疗法相同的疗效，即同时使用几种不同的药物来治疗癌症，但副作用较小。伊德克说："寻找和开发一种新药需要花费多年时间和数百万美元，尤其是当我们谈论的是一种具有多个靶点的药物时。我们罕见的几种多靶点药物在很大程度上是偶然发现的，但这项新技术可以帮助消除偶然性，启动新一代精准医疗。"POLYGON的工作原理研究人员在一个包含100多万个已知生物活性分子的数据库中对POLYGON进行了训练，该数据库包含这些分子的化学性质和与蛋白质靶点的已知相互作用的详细信息。通过学习数据库中发现的模式，POLYGON能够为可能具有某些特性（如抑制特定蛋白质的能力）的候选新药生成原始化学配方。"就像人工智能现在非常擅长生成原创的图画和图片一样，比如根据所需的年龄或性别等属性生成人脸图片，POLYGON能够根据所需的化学属性生成原创的分子化合物，"伊德克说。"在这种情况下，我们不是告诉人工智能我们希望自己的脸看起来有多老，而是告诉它我们希望未来的药物如何与疾病蛋白相互作用。"这项研究的共同作者凯瑟琳-利孔（KatherineLicon）是加州大学圣迭戈分校艾德克实验室的实验室经理，该实验室将计算技术和传统湿实验室技术相结合，以回答有关疾病生物学的基本问题，并发现加强精准医疗的新方法。图片来源：ErikJepsen/加州大学圣地亚哥分校测试和结果为了对POLYGON进行测试，研究人员用它生成了数百种候选药物，这些药物以各种癌症相关蛋白对为靶标。在这些候选药物中，研究人员合成了32种分子，这些分子与MEK1和mTOR蛋白的相互作用最强。这两种蛋白被科学家称为合成致命蛋白，这意味着同时抑制这两种蛋白就足以杀死癌细胞，即使单独抑制其中一种也无法杀死癌细胞。研究人员发现，他们合成的药物对MEK1和mTOR有显著的活性，但与其他蛋白质的脱靶反应很少。这表明，POLYGON鉴定出的一种或多种药物可以同时针对这两种蛋白质进行癌症治疗，为人类化学家提供了一份微调选择清单。伊德克说："有了候选药物之后仍然需要做所有其他化学工作，才能将这些选择提炼成单一有效的治疗方法。我们不能也不应该试图从药物研发管道中消除人类的专业知识，但我们能做的是缩短流程中的几个步骤。"尽管如此，研究人员仍然乐观地认为，人工智能在药物发现方面的可能性才刚刚被探索出来。伊德克说："在未来十年中，无论是在学术界还是在私营部门，看到这一概念如何发挥作用都将是非常令人兴奋的。可能性几乎是无穷无尽的。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1429832.htm手机版：https://m.cnbeta.com.tw/view/1429832.htm