AI改变现代商业的25种方式

会员服务 ·

AI改变现代商业的25种方式

2018 年 10 月 29 日 全球创新论坛

“人工智能焦虑症”的一大症状，就是担心人工智能会造成大面积失业。然而实际上，未来会发生什么，没有人知道，也不可能有人知道。全球有千百万企业家和经理人在应用着各种快速革新的技术，他们会创造出怎样的奇迹，我们永远也猜想不到。

来源：财富

现在，是时候真正了解 AI 了。

之所以说这话，是因为坊间对人工智能技术的探讨往往很不靠谱。很多人谈到人工智能，往往会走向两个相反的极端：要么精准地预测人工智能未来几年会催生或摧毁多少个就业机会，要么断言人工智能会将我们的世界变成天堂（或者地狱）。

因此，在本文中，我们决定靠谱地讨论人工智能会怎样改变商业的面貌。在这个过程中，我们会尽量减少戏剧化的猜想。

以下，人工智能正在发挥作用的这 25 个例子是有益的，甚至鼓舞人心——而且，它们是真实的。

人工智能如何改变你的工作方式

让我们都说同一种语言

自《神秘博士》和《星际迷航》的黄金时代以来，科幻小说一直重视能够自动翻译语言的设备，这样人类就可以与外星人交谈而无需学习遥远的方言了。

事实证明，地球上的公司，比如谷歌，正在使用人工智能技术创造一种可以将对话从一种语言翻译成另一种语言的设备。尽管谷歌最近发布的 Pixel Buds 是一个很有前途的开始，它也可以运作的很好，但也得考虑企业使用这项技术的方式。

美国高管可以打电话给他们讲葡萄牙语的同行，实时与全球的合作伙伴进行头脑风暴。拥有国际办事处的企业可以更有效地与员工沟通，员工可以同其他国家说不同语言的同事协同工作。销售人员可以在新区域寻找潜在客户，并进行「冷呼叫」（为了推销给陌生人拨打电话），从而促成下一笔改变游戏规则的交易。

尽管许多公司为了让员工讲同一种语言，制定了只讲英语的政策，但是实时翻译技术可以让非美国员工说他们的母语、保留他们的文化，这是全球化时代的一个好处。——Jonathan Vanian

读心术

语音控制很酷，但是在公共场合咨询 Alexa、Siri 或者 Cortana，可能会很尴尬，也会给他人造成干扰。

麻省理工学院 (MIT) 研究人员发明的一种非侵入式可穿戴设备 AlterEgo（耳机），可以在你开口之前就知道你要说什么。它可以在几秒钟内回答许多查询，发送私人消息，并在内部记录信息流以便日后访问——所有这些都无需任何可见的外部操作。

当然，AlterEgo并非真的有读心术，不过它可以解读人体下颌骨的电脉冲，这个位置正是人体的发声器官，从而使AlterEgo能做到“声未发而先知”。目前，麻省理工学院的研究人员仍在继续收集数据，并对该系统进行训练。以后，该系统可以作为高噪音环境下的一个沟通平台使用，也可以用于患有语言障碍的人士。不过AlterEgo虽然具有大大加速书写、计划和沟通的能力，但人类终究还是要花不少时间阅读这些文字。

招聘更聪明的人

招聘过程充满了挑战。人们可能会在不知不觉的情况下被姓氏、大学甚至是简历上的字体大小所影响。一些公司正在观察人工智能是否能提供帮助。

例如，沃达丰、尼尔森和联合利华的求职者都在玩一款由 AI 初创企业 Pymetrics 设计的智能手机游戏，这款游戏通过一种避免种族、性别或其他偏见的算法来衡量认知和情感特征。然后，联合利华会要求由软件挑选出来的最佳求职者在 HireVue 上录制视频，回答他们如何处理工作中遇到的各种各样的问题。

另一种算法不仅审查他们所说的内容，还审查他们的反应速度，以及从他们面部表情中表现出的情绪线索来筛选最佳候选人。那些通过早期测试的求职者会得到一个合格的、现场面试的机会。

联合利华表示，自建立这个系统以来，它在提供工作时获得了更高的接受率，并且通过多种措施招揽了更多的求职者（包括种族，民族和社会经济地位）——它从一个更多样化的「游泳池」中去招募人才，获得的求职者数量是学院和大学的 3 倍。——Aaron Pressman

打造终极经理人

对人类行为做出判断的机会曾经是留给人类的。但是，算法越来越多地评估我们的行为甚至是意图，并从中得出结论。

在工作场所尤其如此，为了对可能的人员流失的风险、高绩效员工的特质、以及团队运作的动力有可扩展性的见解（希望是可靠的），人力资源部门正向 AI 寻求帮助。

总部位于波士顿的 Humanyze 公司正在尝试使用一种智能身份证，用于跟踪员工们一天中的互动情况，以使雇主能够找到模式来确定工作实际上是如何完成的。西雅图的一家初创公司 Textio 利用人工智能帮公司制作合适的招聘广告。

大公司也加入了 H-less HR 的队列：英特尔正在考虑利用人工智能来推动一种新的内部工具，将员工与公司内部的其他机会相匹配，而这一切都是以留住人才的名义进行的。

这些新功能可以帮助公司吸引和留住他们所需的人才（并通过自动化这些流程来减少员工入职和招聘成本）。一个可能的缺点是？他们还冒着疏远他们称为服务对象的风险——员工可能不喜欢这个侵入性越来越高的工作场所。——Michal Lev-Ram

人工智能正如何对银行业和华尔街造成冲击

你的按揭贷款经理是机器人

次贷危机爆发以来，近十年间有一种理论甚嚣尘上：机器可能可以比人更加明智地发放住房贷款。——Fannie Mae

发布的一项对抵押贷款机构的最新调查发现：40% 的抵押贷款银行已经部署了人工智能系统，使用该系统自动处理涉及到繁重的文档处理的申请流程、欺诈检测、并预测借款人违约的可能性。

例如，总部位于旧金山的「Blend」公司为包括贷款巨头 Wells Fargo 在内的 114 家贷款银行提供在线抵押贷款申请的软件，这使审批流程至少缩短了一周。那么问题来了，这样的人工智能系统能够阻挡抵押贷款行业的崩溃吗？

也许它并不能完全起到这样的作用，但是由于机器能够更快地发出警告的信号，它已经可以降低一部分严重程度。「Blend」的联合创始人兼首席执行官 Nima Ghamsari 说：「与数据相关的错误决策可以立刻被发现并且得以改正」。尽管银行还没有依靠人工智能来做出审批决策，但是贷款的主管们已经察觉到了这样的人工智能化的处理流程的另一个好处：让更多的美国人能够获得住房贷款。「Blend」所定义的收入最低的消费人群（历史上一直不愿申请个人用户的群体）填写该公司移动应用程序的可能性是其他群体的三倍。

Wells Fargo 的消费者银行主管 Mary Mack 表示：「这消除了人们的恐惧心理」。——Jen Wieczner

专业投资人的新挑战

在金融领域，过去 10 年收集的数据数量激增，以至于那些 20 多岁、日以继夜工作的分析师都没无力处理所有数据。但机器可以做到。彭博社、FactSet 研究系统和 Thomson Reuters 都开发了一系列数据科学工具和技术——包括机器学习、深度学习和自然语言处理（NLP）——迅速为数以千计的金融专业人士挖掘出有价值的知识。

彭博社是情感分析领域的先驱，该公司该公司大约 10 年前就开始开发该项技术。在情感分析技术中，机器学习技术被用来标注与股票相关新闻故事或推特，并给出一个情感分数。人工智能也在向财富管理领域扩展。在过去 5 年里，投资集团的后备数据分析师的数量增加了逾 3 倍。

而理财公司正竞相发掘包含在网站剪贴、语言分析、信用卡购买和卫星数据中的交易信号的潜力。据报道，将人工智能用于投资研究的公司包括 BlackRock、Fidelity、nvesco、Schroders 和 T. Rowe Price。全球最大的理财公司 BlackRock 是采用人工智能技术的先行者，它正在建立一个 BlackRock 人工智能实验室。——Scott DeCarlo

业余投资者也能受益

像 Betterment 和 Chaeles Schwab 这样的传统折扣经纪公司提供的「机器人顾问」服务，已经开始利用人工智能技术服务于广大的投资群体。他们的低收费投资工具依赖于人工智能算发，根据你的需求和对风险的承受能力来决定你的资产应该如何在股票、债券和其他资产形式之间进行分配。他们的人工智能技术可以自动调整你的投资组合，当算法预测出你需要寻求一些避税策略或财产规划的帮助时，他还能向你推送非机器人的顾问与你电话联系、。

下一个技术前沿是：当人工智能足够智能化时，它可以帮助储户在长期的「买入——持有」的投资过程中做出正确的决定。美银美林和摩根史丹利是量化投资分析这一次新兴领域已知的（别扭的）头号玩家之一。

他们的目标是把人工智能技术最适用的定量处理任务（最基本的是在海量数据中挖掘出有用的模式的能力）与其它在极其聪明的人才能够完成的复杂分析任务中训练出来的算法相结合。这样的任务就好比评估一个行业的成长潜力或对一个公司管理者的战略规划。

机器学习最终能适应一个量化分析系统从它的错误中学习。它的终极目标是：创造一个人造具有低价选股的智慧的「沃伦巴菲特！」这个响亮的名字可能比「量化投资分析」更吸引人！——Matt Heimer

人工智能正如何改变制造方式

更加高效地设计

当然，计算机算法正在颠覆技术，科学和医学...... 但创意设计仍然是安全的，对吗？不完全是。软件开发商 Autodesk 开发的一个新程序使用 AI 技术，帮助人类设计师完成他们的创造性任务，且已经被空中客车，安德玛公司和斯坦利·布莱克等公司使用。

设计师可以将自己的要求、限制和其他需求（甚至包括材料成本）输入到软件，程序随后可生成数百甚至数千个选项。当人类设计师选择时，软件会发现设计师的偏好并不断迭代，以帮助其做出更好的选择。空中客车公司使用该软件重新设计了 A320 的内部隔断，并找到比之前轻 66 磅（轻了 45％）的设计。——Aaron Pressman

人类和机器人协作

几十年来，机器人一直在制造业的装配线上做着各种活儿。最近，一项新功能被添加进来：与人类协作。协作机器人范围广泛，从可以将正确部件交给人类同事的机器人助手，到增强人类力量的机器人外骨骼，以及 AI 指导。

在宝马位于南卡罗来纳州斯巴达堡的工厂，绰号为夏洛特小姐的协作机器人正在负责安装车门。梅赛德斯 - 奔驰正转向协作机器人，帮助实现某些豪华汽车生产线的个性化生产。比如，在更加灵活协作机器人的帮助下，工人可以更快地在定制化 S-Class 轿车所需的各种零件中进行拣选。

麻省理工学院教授 Julie Shaw 正在研究利用机器学习开发软件算法，通过读取周围人类的信号，算法可以教授协作机器人如何以及何时进行沟通。一些研究人员甚至研究过将协作机器人连接到读取脑电波上。可以读心的机器人助手？现在叫协作（机器人）。——Aaron Pressman

为清洁能源提供动力

如果风能比化石燃料还便宜，并且便宜到一定程度，那么，将风能转化为电能的过程会更加高效。西门子开发的机器学习技术正在发挥这方面的作用。

研究人员意识到，通过使用天气和组件震动的数据，巨大的风力涡轮机可以不断微调自身，比如，调整转子叶片的角度。但是，「你无法分析计算出这一点，」研究员 Volkmar Sterzing 说。这正是 AI 和机器学习的用武之地。传感器生成的所需参数，在「以前，仅被用于远程维护和服务诊断，」Sterzing 说。「现在，他们也在帮助风力涡轮机产生更多的电力。」该技术甚至可以调整涡轮机，以适应那些从其前面通过的气流，而这些气流是无法预测的。

如今，广泛部署这样的人工智能技术，正成为西门子可再生能源公司（去年，西门子风能业务与西班牙 Gamesa 风电业务合并成立的一家独立公司）的发展机遇。——Geoff Colvin

密切关怀人类健康

人类似乎并不太了解自己的极限在哪里。他们往往吃得太多，睡得太少，并高估了一段时间内可以取得的成就。在有些场合下，比如感恩节晚餐，这些行为可能看起来不那么重要，但在某些行业，比如长途货运和重型设备操作，这些行为不仅危险，甚至是灾难性的。这就是为什么越来越多地的公司使用人工智能（类似守护天使）来保护高风险行业的员工。

经过数百小时数据训练的系统能够实时监控操作员的心率，体温，疲劳程度或紧张情绪指标，并在个人需要休息或休息时发出信号，商业软件公司 SAP 的高级副总裁 Mike Flannagan 说。（SAP 一款叫做 Connected Worker Safety 的产品可以做到这一点。）

至于我们其他人，可以期待在未来的车库中看到这类技术，汽车制造商们正在构想让汽车监督人类的办法。虽然该技术目前仅限于在几个车型的仪表板上闪烁的咖啡杯图标，但是，与大多数主要汽车制造商合作的人工智能公司 Nuance Communications 的汽车创新管理负责人 Nils Lenke 表示，使用语音和面部识别技术来检测疲劳程度，将很快成为新车的标准配置。——Erika Fry

AI 正从三个方面让你更安全

武器自动锁定的目标

如果企业和五角大楼愿意的话，能够自动锁定目标的杀手机器人距离我们不会太远。不过，到目前为止，国防部还没有制造出自主性致命武器（无需人类即可自主实现攻击，就像 Facebook 在你照片上标记朋友一样容易）。

但是，可能构成这类武器系统基础的人工智能技术正在顺利研发过程中。比如，五角大楼最引人注目的人工智能计划 Maven，旨在研发借助机器学习算法即可识别恐怖分子的无人机，协助军队打击 ISIS。对于国防工业来说，这并不算什么新鲜事，但是，五角大楼开始越来越多地向硅谷寻求人工智能和面部识别方面的专业技术，最近还引发了争议，谷歌宣布将退出 Project Maven。未来，公司赢得利润丰厚的新人工智能合约的唯一障碍，可能就是他们自己不情愿。——Jen Wieczner

避免威胁

未能有效防止网络和真实生活遭受攻击，让人们代价惨痛。2017 年，个人数据泄露造成的平均损失近 400 万美元。但是，最近攻击激增有一个好处：这意味着，还有更多的数据有待深入挖掘。

几十年来，机器学习技术已被用于识别模式和过滤电子邮件，但是 Barracuda Networks 等供应商的新系统借助 AI，可以学习特定公司及其高管的独特通信模式，以查明潜在的网络钓鱼诈骗及其他黑客企图。在物理安全领域，人工智能甚至被用于安全摄像头，「识别」并试图阻止威胁。启动 Athena Security 的新摄像头即可识别对方什么时候会拔枪，甚至会自动报警。简而言之：我们拥有的数据越多，就越能使用 AI 抗击犯罪。——Michal Lev-Ram

贪污者要小心！

如何捕获金融犯罪？全球各地的银行，如汇丰银行和丹麦银行，越来越多地借助人工智能打击金融诈骗，洗钱和欺诈行为，而不是让合规人员筛查数千笔交易，寻找可疑线索。（几家银行因未能发现非法资金流入他们的帐户而遭受巨额罚款，这也成为银行采用新技术的重要推动力。）汇丰银行与人工智能创业公司 Ayasdi 合作，实现了部分合规自动化。在与汇丰银行合作的为期 12 周的试点项目中，Ayasdi 的人工智能技术使假阳性减少了 20％（交易看起来很可疑，但事实上合法），同时保留下的可疑活动报告数量，与人类审查结果相同。——Carson Kessler

AI 正从 7 个方面改变人类的吃穿住行

不必开车

在理想道路条件下实现安全自动驾驶的技术的出现，已经有一段时间了。不过对于现实世界来说，汽车的驾驶行为还必须更像人类一点。这也是著名 iPhone 黑客乔治·霍兹创建的创业公司 Comma.ai 所要做的事情。

公司的 Openpilot 技术不是用来教会汽车识别树或者停车标志，而是分析驾驶员的驾驶习惯来训练自己。该公司将从一个名为 Chffr 的行车记录仪应用程序和一个名为 Panda 的插件模块中提取的数百万英里驾驶数据，汇总成一个模仿人类驾驶员的自主系统。该公司将其技术定位为自动驾驶的 Android，与特斯拉的 Autopilot 这个封闭系统（类似苹果系统）形成对比。

这是一个开源系统，将自身的成功与用户的后续改善行为挂钩。——Daniel Bentley

新的旅行伴侣

2010 年爆发的冰岛火山影响了数百万航班，也正因如此，开创了旅游通讯的新纪元。由于航空信息流能力有限，航空公司发现，社交媒体能更加实时有效地触及顾客。「一旦开启闸门，」埃森哲互动的社交媒体和新兴渠道负责人 Rob Harles 表示，这种沟通方式「便势不可挡。」而且，从那时起，旅客人数也在激增，2016 年入境人数达到 12.5 亿，增加了 30％。哈莱斯说，这种规模导致人工处理基于社交媒体的信息沟通变得「不可能」。

聊天机器人能够回答的基本问题是，比如：我的航班是否延误了？我的酒店结账时间是什么时候？例如，Booking.com 的聊天机器人，据称可以自动解决 60％的客户查询。

这项技术的下一阶段是让机器人了解客户的旅行目的，比如商务或玩乐？并根据客户喜好在整个旅程中提出建议，从航班升级到最佳素食餐厅、咖啡馆预订。因此，目前的聊天机器人可能很快就会成为一个全面的自动化礼宾服务员。——Claire Zillman

升级客服中心

「有什么可以帮你的？」IBM 估计，到 2020 年，85％的客服工作将不再交由人工处理。机器学习和 NLP 技术让聊天机器人成为可能，自助服务界面就能帮助完成绝大多数人类客户代表的工作。

那么，美国 270 万客户服务代表该怎么办？有些可能会从事机器人无法完成的任务（比如与真正愤怒的客户打交道）。依赖这项技术的公司表示，这些技术可以帮助消除人为错误，大幅提高数据检索的速度，并消除客户工作中的偏见。

但不要认为这样的聊天机器人就是最终状态。瑞士投资银行瑞银（UBS）最近与新西兰人工智能专家 FaceMe 合作，数字化地克隆了首席经济学家丹尼尔·卡尔特（Daniel Kalt），让「他」与客户互动。该银行表示，这个虚拟人物使用了 IBM Watson AI 技术，并由 Kalt 本人训练过，这也是「人与数字混合」探索项目的一部分。- McKenna Moore

点石成金 2.0

人工智能证明，它能够发掘可能会被人们忽视的人才。安大略冰球联盟 19 岁的防守队员肖恩-杜尔兹（Sean Durzi，下图）就是一个例子。杜尔兹是今年国家冰球联盟（NHL）选拔赛的热门选手。但是在去年的选拔赛上，顶级球队并没有录用他，但人工智能支持的分析系统将他排在前 40 强。

「如果这些球队去年查看了我们的系统分析的结果，那么它们可能早就会录用他了。」人工智能系统开发公司 Sportlogiq 的曲棍球分析经理克里斯托弗-鲍彻（Christopher Boucher）说。该公司的人工智能系统已有 24 个 NHL 球队使用。Sportlogiq 只是使用 AI 帮助团队发现下一个明星的几家公司之一。

澳大利亚数据分析公司布鲁克林动力公司（Brooklyn Dynamics）联合创始人卡姆·波特（Cam Potter）表示：「这一切都是为了识别隐藏在口袋中的人才，发现金子。」该公司曾与多家美国职业棒球大联盟球队合作，甚至为 2017 年环法自行车赛开发了一套机器学习 AI 系统，收集实时数据点，预测比赛结果。

布鲁克林动力公司 (Brooklyn Dynamics) 正在开发一款应用程序，球探、教练可以对潜力和现有球员进行机器学习分析，j 借此打造一个全球大学和职业球队都可以查阅到的中心数据库。「可以将这个独特的工具添加到人才储备工作中，」波特说。「其他人也可以查看 [统计数据] 并加入讨论，最终决定谁将为俱乐部带来价值。」——Carson Kessler

改变你的购物方式

实体店面现在有了一个新的使命：完美的 AI 数据收集实验室。Home Depot 正使用来自数百万笔交易的数据，弄清楚你还有什么其他需求，比如厨房翻新。丝芙兰使用 ModiFace（最近被 L'Oréal 收购）的技术进行面部识别，帮助购物者选择合适的高光化妆品：该软件分析了数百万用户数据，k 可以更好地预测适合用户的产品。

MIT 剥离出去的创业公司 Celect 正使用机器学习来预测购物者的行为方式，以确定在商店的哪个部分进行什么样的促销，效果更好，哪些产品放在哪里，会获得最佳效果。

例如，沃尔玛已经在 50 家商店使用机器人，负责扫描货架上的缺货商品，被客户放错位置的商品，以及价格被标记错误的商品。对于人类来说，这些都是耗时且繁琐的工作。虽然零售商对店内技术守口如瓶，但据 CB Insights 数据，像 Navii 和 Simbe 这样的人工智能机器人的公司正受到投资者关注。——Phil Wahba

这个广告会让你笑吗？

广告商并不能总是命中目标。现在，越来越多地公司依靠人工智能来降低错失目标的可能性。

情感识别的人工智能创业公司 Affectiva 表示，财富 500 强企业中的四分之一正在使用他们的技术，比如在调研中利用人工智能来了解观众对广告的反应。Affectiva 的系统已经接受了来自 87 个国家的 700 万张面孔（以及 38 亿个面部框架）的图像训练，可以解码个人的面部表情。比如，在观众看到广告的那一刻起，识别出八种面部情绪，包括「厌恶」。

媒体研究巨头 Kantar Millward Brown 也部署了 Affectiva 的产品。他们发现，Colin Kaepernick（美式橄榄球明星）代言的广告引发微笑的程度值得注意，「我们确实能够确定，Kaepernick 传递的那种牺牲和梦想的信息引发了观众积极的反应，」该公司董事总经理格雷厄姆佩奇说。他们还发现，观众对世界杯广告中的女性代言人做出了积极回应，这个发现有些出乎意料。

除了帮助客户提升广告效果，Kantar 还从中获得了能让所有客户受益的一些洞见。比如，主角是现代人物（而不是传统角色）的广告，其推广效果会提高 25％。——Erika Fry

种植食物

表面上看，农业似乎就是简单苦力活儿的不断重复：播种、灌溉、收获。其实，如何种植作物非常复杂。「农业中要处理的大量数据，非常复杂，」室内农业垂直领域的创业公司 Plenty 联合创始人兼首席科学官 Nate Storey 说，比如环境因素中的气流，二氧化碳，光照和湿度等因素、植物遗传以及施肥浇水等因素，都属于会相互作用的变量。现在，Plenty 和许多其他创业公司正在使用人工智能来协助做出复杂决策。

例如，Plenty 及其对手 Bowery 和 Gotham Greens 都在打造用于收集和分析图像数据集的系统，帮助确定某株作物是否存在诸如氮或铁缺乏或虫害问题，提前进行治疗。「软件了解问题所在，还可以进行大规模自动化处理，仅靠我们，无法单独完成，」Storey 说。——Beth Kowitt

AI 正从三个方面变革医疗

让医疗重归人性

当前的美国医疗保健行业情况非常糟糕：

每年，严重误诊次数超过 1200 万次，3.6 万亿美元医疗花费中的三分之一都归于浪费，预期寿命连续三年下降（史无前例），医生的职业倦怠、抑郁和自杀达到历史最高水平。

但也因为有了可穿戴传感器生理学，扫描解剖学，DNA 测序，肠道微生物组生物学等，如今每个人的医疗数据比以往任何时候都多。

有了深度学习，借助神经网络，人工智能将影响所有临床医生：从协助准确读取扫描，幻灯片，皮肤病变等，到保健系统、促进远程监控的使用，最终我们不再需要正规病房。而且借助虚拟医学指导，消费者就能更好地管理甚至预防疾病。

虽然人工智能融入医疗实践，还处于早期阶段，当前是炒作胜过有效验证。但是，这是我们应对所有严峻挑战的最好机会：利用丰富的数据来减少误诊和浪费，并节省时间，显着改善医生与患者之间的关系。——Eric Topol，MD（即将出版的「深度医学」一书的作者）

比医生更聪明

仅在过去几年，就出现了一些比较靠谱的 AI 应用。

比如读取放射扫描（如 Imagen），识别肿瘤并跟踪癌症扩散（Arterys），根据视网膜成像检测眼部状况（谷歌的 DeepMind），通过「不流血的血液测试」标记危险的异常钾水平（Mayo Clinic Ventures 和 AliveCor），以及其他帮助解决诊断棘手之处的应用，甚至包括预测疾病。

历史数据表明，医生的误诊率在 5％到 20％，在某些情况下，这个数字更高，主要原因还是在于医生短缺和过度劳累，医疗保健系统资源紧张，因此，AI 或许可以帮助治疗一些疾病。——Erika Fry

重塑药物研发

医药业充满变数。早期小规模病人测试中，如果药物是安全的，接下来还要进入烧钱的大规模临床测试阶段。事实上，德勤数据显示，2017 年美国最大的生物制药公司的投资回报率下降至令人沮丧的 3.2％。这就是为什么像 BERG 和 Roivant Sciences 以及 Exscientia 这样的公司希望利用 AI 更好地部署资源。

BERG 已经与阿斯利康（AstraZeneca）和赛诺菲巴斯德（Sanofi Pasteur）等主要制药公司合作，使用临床数据和算法来识别潜在可能的生物靶点，研发有效药物以治疗帕金森等疾病。赛诺菲还在分析大量数据，以深入了解为什么某些流感疫苗对某些人有效，而对其他人无效。

人工智能作为一种重要的药物研发工具，仍处于早期阶段。但前景光明：通过将制药研发工作转移到最有希望的靶点上，可避免大量浪费，如果药物研发能够更加精简，公司和患者都将受益。- Sy Mukherjee