Sebastian Schmidt(Digital Science):关于将企业AI建立在科学证据之上

新闻要点

Digital Science企业副总裁Sebastian Schmidt提出,企业AI应将生成式模型定位为“假设引擎”,需通过可信参考数据与结构化本体连接内部实验数据及外部专利、临床试验记录。他强调输出必须可追溯至原始来源并经人类专家确认,以消除幻觉并满足合规要求。

正文

Digital Science企业副总裁Sebastian Schmidt在即将于阿姆斯特丹举行的AI与大数据欧洲博览会期间,阐述了企业级人工智能应如何基于科学证据建立可信应用。他指出,消费级软件可容忍文本生成错误,但企业系统必须将生成式AI主要视为“假设引擎”,而非直接决策工具。为规避财务与法律风险,企业AI的输出需通过参考数据和结构化本体进行锚定,确保每项化学式、靶点相互作用或实验参数均经过验证,防止未核实信息进入商业管道或监管申报流程。

其核心方案是构建统一的语义层,利用共同的本体论和链接数据结构,打通企业内部专有研究与外部出版物、专利及临床试验记录之间的壁垒。这种机制不同于抓取杂乱互联网信息的标准网络爬虫,而是依托同行评审的严谨数据,消除模型幻觉。研究人员可通过单一知识网络追踪科学概念从资助到临床结果的全貌,快速定位高价值文献,避免重复研究并发现潜在靶点机会,从而加速研发进程。

该系统强调透明度以建立信任,要求所有洞察和摘要均可追溯至原始来源,如期刊文章或专利页面,支持人类专家的最终签署确认。这一方法旨在帮助研发团队从被动跟踪转向主动的技术展望,通过整合全球出版数据与专利情报,提前识别竞争格局与技术趋势。目前该理念主要由厂商阐述,尚未公布具体企业的实测部署数据。

评论 0

逛逛 Pop ↗
奖励 100 宝石

评论审核通过后可获奖励,与 Pop 共用每日 3 条额度,同一新闻每天奖励一次。

还没有评论,来分享第一个想法吧。

提交反馈

每一个想法,都让 Mergeek 更好一点。