Αξιοποιώντας τη γενετική τεχνητή νοημοσύνη στο AWS για να μεταμορφώσουμε τις βιοεπιστήμες – Ιστολόγιο της IBM

Το εκθετικό άλμα μέσα γενετική AI μεταμορφώνει ήδη πολλούς κλάδους: βελτιστοποίηση των ροών εργασίας, βοηθώντας τις ανθρώπινες ομάδες να επικεντρωθούν σε εργασίες προστιθέμενης αξίας και επιταχύνοντας το χρόνο για την αγορά. Η βιομηχανία των βιοεπιστημών αρχίζει να προσέχει και στοχεύει να υπερπηδήσει τις τεχνολογικές εξελίξεις. Η βιομηχανία των βιοεπιστημών έχει μετακινηθεί - εδώ και δεκαετίες - από την παραδοσιακή ανάπτυξη φαρμάκων που βασίζεται στην ανακάλυψη στο παράδειγμα ανάπτυξης φαρμάκων που βασίζεται στην αγορά. Ωστόσο, επιβαρύνεται από μακροχρόνιους κύκλους Ε&Α και εντατικής εργασίας κλινικά σχήματα, σχήματα παραγωγής και συμμόρφωσης.

Ο κλάδος βρίσκεται υπό τεράστια πίεση για να επιταχύνει την ανάπτυξη φαρμάκων με βέλτιστο κόστος, να αυτοματοποιήσει εργασίες έντασης χρόνου και εργασίας, όπως η δημιουργία εγγράφων ή αναφορών για να διατηρήσει το ηθικό των εργαζομένων και να επιταχύνει την παράδοση. Με τους οργανισμούς BioPharma και Ιατρικών Συσκευών να υιοθετούν όλο και περισσότερο στρατηγικές ψηφιακού μετασχηματισμού και δέσμευσης —σε συνδυασμό με την αλλαγή παραδείγματος που επέφερε η πανδημία Covid19— η βιομηχανία βιώνει μια έκρηξη ψηφιακών δεδομένων που δημιουργούνται στους εμπορικούς τομείς, την αλυσίδα εφοδιασμού, την κλινική και τη φαρμακοεπαγρύπνηση του αλυσίδα αξίας, καθώς και σε άλλες επιχειρηματικές λειτουργίες.

Αυτά τα ψηφιακά δεδομένα έρχονται στη βιομηχανία σε διάφορες μορφές, όπως μη δομημένο κείμενο, εικόνες, PDF και email. Η έκρηξη στα ψηφιακά δεδομένα -σε συνδυασμό με τη μείωση της διαθεσιμότητας ειδικευμένων και πρόθυμων ανθρώπινων πόρων να απορροφούν και να επεξεργάζονται τα ψηφιακά δεδομένα με τρόπο συμβατό - αναγκάζει τους οργανισμούς βιοεπιστημών να εξερευνήσουν την τεχνητή νοημοσύνη, τη μηχανική μάθηση και τώρα τις παραγωγικές τεχνολογίες AI. Μερικά παραδείγματα πιθανών περιπτώσεων χρήσης για γενετική τεχνητή νοημοσύνη στις βιοεπιστήμες περιλαμβάνουν, αλλά δεν περιορίζονται σε:

• AI for Medical Legal Review (MLR): Η αυξανόμενη παγκοσμιοποίηση και η εκθετική ανάπτυξη των τεχνικών ψηφιακού μάρκετινγκ έχουν ασκήσει πίεση στην ήδη πολύπλοκη, χρονοβόρα και προκλητική διαδικασία. Το Generative AI έχει τη δυνατότητα να επεξεργάζεται ψηφιακό περιεχόμενο σε κλίμακα και να παράγει ένα αποτελεσματικό αποτέλεσμα MLR, το οποίο στη συνέχεια μπορεί να αξιοποιηθεί από την ομάδα ανθρώπινου μάρκετινγκ, επιταχύνοντας και απλοποιώντας τη διαδικασία.
• AI για τη δημιουργία αναφορών κλινικής μελέτης (CSR): Το Generative AI έχει τη δυνατότητα να δημιουργήσει μια αναφορά «πρώτης προσπάθειας», η οποία μπορεί να αντισταθμίσει το 80% της ανθρώπινης προσπάθειας, επιταχύνοντας τη διαδικασία, φέρνοντας συνέπεια και ελευθερώνοντας πολύτιμο εύρος ζώνης για άλλες εργασίες υψηλής αξίας.
• Ανεπιθύμητα Συμβάντα (ΑΕ) Δημιουργία αφήγησης: Αυτή η εξαιρετικά ρυθμισμένη, χρονοβόρα εργασία δημιουργίας αφήγησης ανεπιθύμητων συμβάντων απαιτεί εξαιρετικά ρυθμιζόμενες επιχειρηματικές λειτουργίες και ρόλους υψηλής εξειδίκευσης σε οργανισμούς βιοεπιστημών και απαιτεί συντονισμό χειρωνακτικών, μερικές φορές κουραστικών, εργασιών που μπορεί να παράγουν δυνητικά ανακριβή ή ασυνεπή αποτελέσματα. Η μόχλευση της γενετικής τεχνητής νοημοσύνης για την ενίσχυση των ικανοτήτων της ανθρώπινης ομάδας προσφέρει στους πελάτες μια ευκαιρία να μειώσουν το κόστος κατά 30%-50%, επιταχύνοντας παράλληλα τον χρόνο κυκλοφορίας που σχετίζεται με αυτήν τη διαδικασία κατά τουλάχιστον 50% και βελτιώνοντας την επεκτασιμότητα, την ποιότητα και τη συνέπεια των αναφορών που δημιουργούνται.
• Επιτάχυνση του σχεδιασμού φαρμάκων mRNA: Η Moderna, η οποία αξιοποιεί τη μηχανική μάθηση και την τεχνητή νοημοσύνη για να προωθήσει τον τομέα του αγγελιοφόρου RNA (mRNA) για να δημιουργήσει ένα ποικίλο κλινικό χαρτοφυλάκιο εμβολίων και θεραπευτικών μέσων σε επτά τρόπους, είναι συνεργάζεται με την IBM να αξιοποιήσει το γενεσιουργό AI για να σχεδιάσει φάρμακα mRNA με βέλτιστη ασφάλεια και απόδοση.

Άλλες περιπτώσεις χρήσης όπου τα παραγωγικά μοντέλα AI μπορούν να βοηθήσουν τους οργανισμούς βιοεπιστημών να απελευθερώσουν ανταγωνιστικό πλεονέκτημα είναι:

• Συνόψιση: αλληλεπιδράσεις τηλεφωνικών κέντρων, έγγραφα όπως οικονομικές εκθέσεις, άρθρα αναλυτών, email, ειδήσεις, τάσεις των μέσων ενημέρωσης και άλλα.
• Γνώσεις συνομιλίας: Κριτικές, βάση γνώσεων, περιγραφές προϊόντων και πολλά άλλα.
• Δημιουργία περιεχομένου: Πρόσωπα, ιστορίες χρηστών, συνθετικά δεδομένα, δημιουργία εικόνων, εξατομικευμένη διεπαφή χρήστη, αντίγραφο μάρκετινγκ, απαντήσεις μέσω email και κοινωνικών δικτύων και πολλά άλλα.
• Δημιουργία κώδικα: Co-pilot κώδικα, μετατροπή κώδικα, δημιουργία τεχνικής τεκμηρίωσης, δοκιμαστικές περιπτώσεις και πολλά άλλα.
• Ερευνα & Ανάπτυξη: Ανακάλυψη και ανάπτυξη φαρμάκων, δημιουργία και αναθεώρηση ποιοτικού περιεχομένου, ποιοτική και κανονιστική ευφυΐα, Δημιουργία αφήγησης AE, έξυπνες υποβολές, παραγωγή συνθετικών δεδομένων.
• Εμπορικός: Δημιουργία περιεχομένου μάρκετινγκ, εμπειρία ασθενών, ενσωμάτωση αντιπροσώπων και ενεργοποίηση πωλήσεων εκπαίδευσης και κόμβος γνώσης.
• Ανθρώπινο δυναμικό: Δημιουργήστε περιγραφές στάχυ, απαιτήσεις δεξιοτήτων, δημιουργήστε ερωτήσεις συνέντευξης από μια περιγραφή θέσης εργασίας, αξιολογήστε τους υποψηφίους βάσει προδιαγραφών εργασίας, βοηθό μάθησης και διδασκαλίας, δημιουργία κουίζ, δημιουργία περιεχομένου και πολλά άλλα.
• Βιομηχανίες: Ποιοτικός έλεγχος και επιθεώρηση, εκπαίδευση χειριστή / εργαστηρίου σε τεχνολογία συνομιλίας μέσω SOP, δημιουργία περιεχομένου και πολλά άλλα.
• Εφοδιαστική αλυσίδα: Πρόβλεψη ζήτησης, βελτιστοποίηση της εφοδιαστικής αλυσίδας, εκτίμηση κινδύνου και μετριασμός.

Πιστεύουμε ότι η μόχλευση του παραγωγικού AI-Automation μπορεί να αποφέρει οφέλη στις επιστήμες της ζωής—συμπεριλαμβανομένων των ρυθμιζόμενων τομέων—και να μειώσει τους χρόνους του κύκλου για τη δημιουργία αφηγήσεων AE κατά τουλάχιστον 50%, βάσει της εργασίας που γίνεται από την IBM Consulting και την ομάδα Pharmacovigilance σε μια παγκόσμια BioPharma Εταιρία.

Σε αυτήν την ανάρτηση ιστολογίου, θα δείξουμε πώς η IBM Consulting συνεργάζεται με το AWS και αξιοποιεί τα Large Language Models (LLMs), στη δημιουργική πλατφόρμα AI-Automation (ATOM) της IBM Consulting, για να δημιουργήσει βασικά μοντέλα με επίγνωση της βιομηχανίας, εκπαιδευμένα σε τομείς βιοεπιστημών. δημιουργούν τα πρώτα προσχέδια των αφηγηματικών εγγράφων, με στόχο να βοηθήσουν τις ανθρώπινες ομάδες.

Γιατί η IBM Consulting για γενετική τεχνητή νοημοσύνη στο AWS;

Για περισσότερο από μια δεκαετία, η IBM Consulting έχει βοηθήσει τους πελάτες να αυξήσουν την αξία τους AI, μάθηση μηχανής και λύσεις αυτοματισμού για τη βελτιστοποίηση των επιχειρηματικών διαδικασιών και των λειτουργιών πληροφορικής σε όλους τους κλάδους. Πιο πρόσφατα, η IBM Consulting συνεργάζεται με επιχειρήσεις για την ανάπτυξη μοντέλων θεμελίων Φανταστείτε ξανά τις βασικές ροές εργασίας και συνειδητοποιήστε την αξία—μειώνοντας το κόστος, τον χρόνο διεκπεραίωσης και τη βελτίωση της παραγωγικότητας και δεσμεύεται να βοηθήσει τις επιχειρήσεις να πλοηγηθούν και να ξεκλειδώσουν την αξία από τις σεισμικές αλλαγές που προκαλούνται από την τεχνητή νοημοσύνη. Έχοντας αυτό υπόψη, η IBM Consulting ανακοίνωσε πρόσφατα α γενετικό Κέντρο Αριστείας AI με 1000+ συμβούλους ειδικευμένους σε εργαλειοθήκες παραγωγής τεχνητής νοημοσύνης και επιταχυντών που έχουν κατασκευαστεί ειδικά για μοντέλα θεμελίωσης και LLM. Μέσω αυτού, η IBM Consulting βοηθά τις επιχειρήσεις να αναπτύξουν και να αναπτύξουν παραγωγικά μοντέλα τεχνητής νοημοσύνης.

Η IBM είναι ένας Premier Consulting Partner για το AWS με 20K+ πιστοποιημένους επαγγελματίες AWS σε όλο τον κόσμο, 16 επικυρώσεις υπηρεσιών και 16 ικανότητες AWS, καθιστώντας το ταχύτερο παγκόσμιο GSI που εξασφαλίζει περισσότερες ικανότητες και πιστοποιήσεις AWS μεταξύ των κορυφαίων 16 AWS Premier GSI εντός 18 μηνών. Στο re:Invent 2022, Βραβεύτηκε η IBM Consulting ο Παγκόσμιος Εταίρος Καινοτομίας της Χρονιάς και την GSI Partner of the Year για τη Λατινική Αμερική, ενισχύοντας την εμπιστοσύνη των πελατών και της AWS στην IBM Consulting ως συνεργάτη επιλογής όσον αφορά το AWS.

Στον τομέα της τεχνητής νοημοσύνης, η IBM διαθέτει 21+ επιστήμονες δεδομένων, μηχανικούς τεχνητής νοημοσύνης και συμβούλους και έχει εκτελέσει 40+ δεσμεύσεις τεχνητής νοημοσύνης και ανάλυσης. Αλλά με τη μεγάλη δύναμη έρχεται μεγάλη ευθύνη, και αυτό ισχύει ιδιαίτερα για τη γενετική τεχνητή νοημοσύνη. Η IBM Consulting έχει οδηγήσει α υπεύθυνη και ηθική προσέγγιση στην τεχνητή νοημοσύνη για περισσότερα από πέντε χρόνια τώρα, επικεντρωμένη κυρίως σε αυτές τις πέντε βασικές αρχές:

1. Επεξήγηση: Ο τρόπος με τον οποίο ένα μοντέλο τεχνητής νοημοσύνης καταλήγει σε μια απόφαση θα πρέπει να μπορεί να γίνει κατανοητός, με τα συστήματα ανθρώπινου βρόχου να προσθέτουν περισσότερη αξιοπιστία και να συμβάλλουν στον μετριασμό των κινδύνων συμμόρφωσης.
2. Δικαιοσύνη: Τα μοντέλα τεχνητής νοημοσύνης θα πρέπει να αντιμετωπίζουν όλες τις ομάδες δίκαια.
3. Ευρωστία: Τα συστήματα τεχνητής νοημοσύνης θα πρέπει να είναι σε θέση να αντέχουν σε επιθέσεις στα δεδομένα εκπαίδευσης.
4. Διαφάνεια: Όλες οι σχετικές πτυχές ενός συστήματος τεχνητής νοημοσύνης θα πρέπει να είναι διαθέσιμες στο κοινό για αξιολόγηση.
5. Προστασία προσωπικών δεδομένων: Τα δεδομένα που χρησιμοποιούνται στα συστήματα τεχνητής νοημοσύνης θα πρέπει να είναι ασφαλή και όταν αυτά τα δεδομένα ανήκουν σε ένα άτομο, το άτομο πρέπει να κατανοεί πώς χρησιμοποιούνται.

Η IBM βοηθά πολλές οντότητες βιοεπιστημών να αναπτύξουν την τεχνητή νοημοσύνη με υπεύθυνο και αξιόπιστο τρόπο σε διάφορες λειτουργίες. Η IBM συνεργάζεται με την Johnson & Johnson αναθεωρήσουν ουσιαστικά τη στρατηγική τους για τα ταλέντα χρησιμοποιώντας δεξιότητες βασισμένες στην τεχνητή νοημοσύνη εξαγωγή συμπερασμάτων με υπεύθυνο τρόπο και παράδοση μετασχηματισμός σε κλίμακα για παρατηρησιμότητα εφαρμογών χρησιμοποιώντας AIOPs.

Για να βοηθήσει τους οργανισμούς βιοεπιστημών να ακολουθήσουν τις οδηγίες και τους κανονισμούς GxP κατά την ανάπτυξη ή την κατασκευή φαρμάκων και ιατρικών συσκευών, η IBM Consulting αξιοποιεί την τεράστια εμπειρία της στο GxP και τις βέλτιστες πρακτικές AWS γύρω από GxP, HIPAA και άλλες προγράμματα συμμόρφωσης να παρέχει συμβατές, ρυθμιζόμενες, επικυρωμένες και ασφαλείς λύσεις.

Πώς να δημιουργήσετε έναν αγωγό παραγωγής τεχνητής νοημοσύνης στο AWS για τη δημιουργία αφήγησης;

Επί του παρόντος, η δημιουργία αφηγήσεων για ανεπιθύμητα συμβάντα είναι μια εντατική χειρωνακτική διαδικασία στην υγειονομική περίθαλψη. Όταν αναφέρεται ένα ανεπιθύμητο συμβάν, οι κλινικές ομάδες και οι ομάδες ασφαλείας διαβάζουν και επεξεργάζονται με μη αυτόματο τρόπο αρκετές λεπτομέρειες—τρέχουσες και ιστορικές πληροφορίες για την υγεία και τις ιατρικές πληροφορίες του ασθενούς, τα δεδομένα συμβάντων και άλλα—και γράφουν με μη αυτόματο τρόπο μια λεπτομερή αναφορά, όπως απαιτείται από τις ρυθμιστικές αρχές. Με την έλευση της γενετικής τεχνητής νοημοσύνης, πιστεύουμε ότι αυτές οι διαδικασίες μπορούν να επαυξηθούν για να ελευθερωθεί η ικανότητα των κλινικών ομάδων και ομάδων ασφάλειας να στραφούν σε εργασίες υψηλότερης αξίας, όπως η ανασκόπηση των αφηγήσεων, καθώς και να δοθεί η δυνατότητα στις ομάδες να επικεντρωθούν σε πιο σύνθετες εργασίες.

Εξερευνήσαμε πολλαπλές επιλογές για το έργο της δημιουργίας αφηγήσεων ανεπιθύμητων συμβάντων χρησιμοποιώντας γενετική τεχνητή νοημοσύνη. Τελικά, ένα από τα Πρόσωπο αγκαλιάς Μεγάλα μοντέλα γλώσσας σε Amazon Sagemaker JumpStart επιλέχθηκε για τη δημιουργία των αφηγήσεων ανεπιθύμητων συμβάντων για πολλούς λόγους: έχει μια επιτρεπτή άδεια χρήσης που επιτρέπει την εμπορική χρήση, καθαρές κάρτες μοντέλων/δεδομένων για το μοντέλο προέλευσης που μπορούν να εξηγήσουν τη γενεαλογία δεδομένων του, τη δυνατότητα τελειοποίησης του μοντέλου στο Sagemaker Jumpstart, και ισχυρή ικανότητα δημιουργίας αφηγηματικού κειμένου ανεπιθύμητων συμβάντων με ελάχιστη λεπτομέρεια.

Η διοχέτευση υψηλού επιπέδου για αυτήν τη διαδικασία φαίνεται στο Σχήμα 1. Ξεκινήσαμε με την προετοιμασία των ιδιόκτητων δομημένων δεδομένων για καθαρισμό και ετοιμότητα σε μια μορφή που να μπορεί να περάσει μέσα από προτροπές για μικρορύθμιση και εξαγωγή συμπερασμάτων. Στη συνέχεια, το Large Language Model βελτιώθηκε Amazon Sagemaker σε ένα σύνολο δεδομένων εκπαίδευσης με 500+ αρχεία που περιγράφουν πληροφορίες για την υγεία των ασθενών, ανεπιθύμητες ενέργειες και ιατρικές πληροφορίες, χρησιμοποιώντας τη γραμμή που φαίνεται παρακάτω. Το Amazon Sagemaker είναι η βέλτιστη πλατφόρμα για γενετική τεχνητή νοημοσύνη λόγω πολλών ενσωματωμένων λειτουργιών (ικανότητα επιλογής μοντέλων από έναν κατάλογο, καμία προσέγγιση κωδικού σε μοντέλα τρένων, λειτουργίες για τη ρύθμιση πρόσθετων αγωγών και παρακολούθησης.) Μόλις συντονιστεί με ακρίβεια, χρησιμοποιήθηκε το αναπτυσσόμενο μοντέλο για να συναγάγετε τα δεδομένα δοκιμής για τη δημιουργία των αφηγήσεων AE (δείτε Εικόνα 2 για ένα δείγμα). Επιπλέον, η ομάδα των ειδικών σε θέματα ασφάλειας και κλινικών θεμάτων επικύρωσε τη δημιουργία αφήγησης χρησιμοποιώντας έγγραφα βασικής αλήθειας και τα ανέλυσε χειροκίνητα για να διασφαλίσει ότι ο αγωγός παραγωγής AI-Automation ήταν αξιόπιστος και δεν υπόκειται σε παραισθήσεις.

Επιπλέον, κυκλοφόρησε πρόσφατα η IBM Consulting watsonx.δεδομένα στο AWS, ένα ανοιχτό, υβριδικό, ελεγχόμενο κατάστημα δεδομένων που βοηθά τις επιχειρήσεις να κλιμακώσουν τα αναλυτικά στοιχεία και την τεχνητή νοημοσύνη. Η IBM Consulting συνεργάζεται επίσης με την AWS για να ενσωματώσει το επερχόμενο Θεμέλιο του Αμαζονίου, μια πλήρως διαχειριζόμενη υπηρεσία που καθιστά διαθέσιμα FM από κορυφαίες startups τεχνητής νοημοσύνης και την Amazon μέσω ενός API, στο ATOM, για να βοηθήσουν τους πελάτες να δημιουργήσουν και να κλιμακώσουν παραγωγικές περιπτώσεις χρήσης AI, ενώ ενίσχυση της κυβερνοασφάλειας και συμμόρφωση.

Επιχειρηματική αξία

Όπως ανά Βάση δεδομένων FAERS, ο αριθμός των αναφερόμενων AE αυξήθηκε 2.5 φορές μέσα σε 10 χρόνια, από το 2012 έως το 2022. Ανεξάρτητα από τον όγκο, οι εταιρείες πρέπει να αναφέρουν αυτά τα συμβάντα γρήγορα στις ρυθμιστικές αρχές και να ενεργήσουν γρήγορα σχετικά με τα σήματα ασφαλείας. Η επιβάρυνση από τους αυξανόμενους όγκους εκδηλώσεων αντανακλάται σε προϋπολογισμούς που αναμένεται να αυξηθούν από περίπου 4 δισεκατομμύρια δολάρια ΗΠΑ το 2017 σε πάνω από 6 δισεκατομμύρια μέχρι το 2020.

Σύμφωνα με έναν κορυφαίο 10 σημαντικό πελάτη βιοεπιστημών με έδρα τις ΗΠΑ με τον οποίο συνεργάζεται επί του παρόντος η IBM consulting, η μόχλευση της γενετικής τεχνητής νοημοσύνης με συμβατό και υπεύθυνο τρόπο έχει τη δυνατότητα να μειώσει τη χειρωνακτική εργασία για τη δημιουργία αναφορών AE κατά 50%. Συνδυάζοντας το με ένα Τεχνητή νοημοσύνη, άνθρωπος στο βρόχο, λύση μετάφρασης γλώσσας, μπορεί να βελτιστοποιήσει περαιτέρω το κόστος λειτουργίας και να ελευθερώσει πολύτιμες ανθρώπινες ομάδες ώστε να επικεντρωθούν σε εργασίες προστιθέμενης αξίας.

Σε ένα νεύμα στην αυξανόμενη χρήση της Μηχανικής μάθησης στις επιστήμες της ζωής, το FDA έχει τώρα διέγραψε περισσότερους από 500 ιατρικούς αλγόριθμους που διατίθενται στο εμπόριο στις Ηνωμένες Πολιτείες. Περισσότεροι από τους μισούς αλγόριθμους στην αγορά των ΗΠΑ εκκαθαρίστηκαν μεταξύ 2019 και 2022, με περισσότερες από 300 εφαρμογές σε μόλις τέσσερα χρόνια. Μόνο τον Οκτώβριο του 2022, η FDA ενέκρινε 178 νέα συστήματα AI/ML, αριθμός που αναμένεται να αυξηθεί γρήγορα στο μέλλον.

Αυτή η δυναμική δημιουργεί μια τεράστια επιχειρηματική αξία για πελάτες βιοεπιστημών που επιθυμούν να καινοτομήσουν σε όλη την αλυσίδα αξίας, αξιοποιώντας τεχνολογίες αιχμής όπως η γενετική τεχνητή νοημοσύνη.

Πώς μπορεί η IBM Consulting να υποστηρίξει τους πελάτες στο ταξίδι τους προς την αξιοποίηση των Μοντέλων Ιδρυμάτων;

Η IBM Consulting διαθέτει την τεχνογνωσία και την εμπειρία για να υποστηρίζει πελάτες με διαφορετικούς βαθμούς ωριμότητας στο ταξίδι τους με τεχνητή νοημοσύνη. Σε υψηλό επίπεδο, η IBM Consulting αξιοποιεί τους ακόλουθους πυλώνες για να συναντήσει πελάτες όπου βρίσκονται:

• Δημιουργική στρατηγική AI και ρύθμιση Κέντρου Αριστείας: Τυποποιημένη συμβουλευτική δέσμευση για ενημέρωση, συμμετοχή, ανακάλυψη και αξιολόγηση νέων περιπτώσεων χρήσης για μοντέλα θεμελίωσης.
• Foundation Model Hackathon: Ένα διήμερο hackathon για την ιδέα και τη δημιουργία πρωτοτύπων καινοτόμων λύσεων τεχνητής νοημοσύνης για τομείς συγκεκριμένων περιπτώσεων χρήσης — αξιοποιώντας τυπικά API cloud ή μοντέλα θεμελίων ανοιχτού κώδικα (GPT, BERT και άλλα).
• Jumpstart για το μοντέλο θεμελίωσης: Αξιοποιήστε το IBM Garage για να ξεκινήσετε τη χρήση μοντέλων θεμελίωσης και να εφαρμόσετε αποδεδειγμένες περιπτώσεις χρήσης της IBM σε 6-8 εβδομάδες σε διαφορετικούς τομείς.
• Συνδημιουργία, συνεργασία και δημιουργία AI @ Scale: Υπηρεσίες σχεδιασμού και υλοποίησης για τη δημιουργία πρωτοτύπων και τη δημιουργία αποτελεσματικών επιχειρηματικών λύσεων (εικονικοί βοηθοί και κόμβοι γνώσης, για παράδειγμα) αξιοποιώντας εμπορικά ή ανοιχτού κώδικα θεμελιώδη μοντέλα.
• Μοντέλα βάσης κατά παραγγελία: Αξιοποιήστε πρωτότυπες καινοτομίες από την IBM Research, το AWS και άλλες πηγές σε βασικά μοντέλα για εξειδικευμένους τομείς (χημεία, επιστήμη υλικών και επεξεργασία δεδομένων αισθητήρων) για την αντιμετώπιση ειδικών περιπτώσεων χρήσης κατά παραγγελία.
• Foundation model fovernance, FMOps: Ρυθμίστε την απαιτούμενη οργανωτική και τεχνική διακυβέρνηση για την κλιμάκωση των μοντέλων θεμελίων σε όλη την επιχείρηση χρησιμοποιώντας τη μέθοδο AI@Scale της IBM Consulting.

Συμπέρασμα

Οι επιχειρήσεις σε όλους τους κλάδους αντιμετωπίζουν αυτήν τη στιγμή σημαντική πίεση για να υιοθετήσουν γρήγορα τη γενετική τεχνητή νοημοσύνη και να επιδείξουν αξία. Με περισσότερες από 40+ δεσμεύσεις τεχνητής νοημοσύνης και ανάλυσης σε όλο τον κόσμο, η IBM Consulting κατατάσσεται σταθερά ως ηγέτης από αρκετούς αναλυτές. Η IBM Consulting έχει δεσμευτεί να βοηθά τις επιχειρήσεις βιοεπιστημών να πλοηγηθούν και να συνειδητοποιήσουν την αξία από τη γενετική τεχνητή νοημοσύνη μέσω του πρόσφατα ανακοινωθέντος γενετικού CoE AI, μιας καθηλωτικής συμβουλευτικής διαδικασίας όπως IBM Garage και επιταχυντές όπως το ATOM. Οι πελάτες χρειάζονται έναν αξιόπιστο, έμπειρο και επιδέξιο συνεργάτη για να τους βοηθήσει στο δημιουργικό ταξίδι τους στην τεχνητή νοημοσύνη και η IBM Consulting είναι έτοιμη να τους βοηθήσει συναντώντας τους εκεί που βρίσκονται.

Μάθετε περισσότερα σχετικά με τις Υπηρεσίες Ασφαλείας IBM για AWS