AI医疗行业专题：从AIGC角度看医药产业图谱.docx
版权申诉
160 浏览量
2023-10-01
22:35:37
上传
评论
收藏 483KB DOCX 举报
AI 医疗行业专题：从 AIGC 角度看医药产业图谱
01 AI 医疗器械
AIGC 突出创造性生产，依赖于多模型的技术融合
自然语言处理赋予了 AI 理解能力和创作能力: NLP 有 2 个核心的任务：分别是 1）自然语言理解—NLU；
2）自然语言生成—NLG。自然语言理解：希望机器可以像人一样，具备正常人的语言理解能力。需要涉
及：1）语言的多样性；2）语言的歧义性；3) 语言的鲁棒性；4）语言的知识依赖；5）语言的上下文。
自然语言生成：为了跨越人类和机器之间的沟通鸿沟，将非语言格式的数据转换成人类可以理解的语言格
式，如文章、报告 等。需要涉及：1）内容确定；2）文本结构；3）句子聚合；4）语法化；5）参考表达
式生成；6）语言实现。
AIGC 的创造力发展归功于算法领域的技术积累
AIGC 领域的技术包含了：生成对抗网络（GAN）、变微分自动编码器（VAE）、标准化流模型（NFs）、
自回归模型（AR）、能 量模型和扩散模型（Diffusion Model）。总体趋势来看，大模型、大数据、大算
力是未来的发展方向。目前两个最常用的模型是 GAN 和 Diffusion Model。1. GAN (Generative
Adversarial Nets）生成对抗网络：结构包含两个模型，一个是生成模型 （Generator，G），另一个是
判别模型（Discriminator ，D）。2. Diffusion Model 扩散模型：扩散模型的生成逻辑相比其他的模型
更接近人的思维模式，也是为什么近期 AIGC 拥有了开放性 的创造力。本质上，扩散模型的工作原理是
通过连续添加高斯噪声来破坏训练数据，随后通过反转这个噪声过程来学习恢复数 据。训练后，我们可以
通过简单地将随机采样的噪声传递给学习的去噪过程来生成数据。
ChatGPT 将成为智能时代的全新信息系统入口
大语言模型（LLM) 是指使用大量文本数据训练的深度学习模型，可以用于生成自然语言文本或理解语言
文本的含义。大语言模型可以处理多种自然语言任务，基于大语言模型开发的 ChatGPT 或能够为用户提供
信息系统入口/界面，同时可以管理计 算资源并支撑应用开发。
SAM 的开源将促进机器视觉通用大模型的进一步研究
Meta 在 4 月 5 日发布了机器视觉领域首个用于图像分割的通用大模型 Segment Anything Model
（SAM）及其训练数据集 Segment Anything 1-Billion（SA-1B），并将其开源于 GitHub。该模型的
推出旨在促进机器视觉通用基础大模型的进一步研 究，为图像分割领域的研究和应用提供更加完备的解决
方案。SAM 模型基于 Meta 在 2021 年发布的 Unified Vision 模型架构，并在此基础上进行了优化和
改进。该模型采用了多尺度特征 融合和深度监督等技术，具有更好的图像分割效果和更高的鲁棒性。SA-1B
数据集是 Meta 开源的一个大规模的、高质量的图 像分割数据集，包含 10 万张图像和 100 万个标注，
涵盖了人、动物、车辆、建筑等多种类别。开源 SAM 模型和 SA-1B 数据集将为机器视觉领域的学术研
资源评论
