Фармацевтична компанія GSK активно використовує можливості генеративного штучного інтелекту (ШІ) у багатьох сферах. Наприклад таких як огляд наукової літератури, геномний аналіз і розробка ліків. Проте компанія стикається з однією з найбільших проблем ШІ – галюцинаціями, коли модель генерує недостовірну або сфабриковану інформацію.
Про це інформує Venturebeat.
Помилки в цій сфері можуть мати серйозні наслідки, що змінюють життя людей. GSK активно працює над мінімізацією цих ризиків, впроваджуючи інноваційні рішення.
Основну увагу компанія приділяє пом’якшенню ризиків під час застосування моделі у реальних програмах, а не лише в процесі її навчання. Для цього використовуються такі стратегії, як механізми саморефлексії, багатомодельна вибірка та ітераційна оцінка результатів. Кім Бренсон, старший віце-президент з питань ШІ та машинного навчання у GSK, зазначає, що ці підходи дозволяють науковцям швидше отримувати надійні та точні висновки.
Компанія також використовує масштабування обчислювальних ресурсів під час висновків, що включає ітераційне уточнення результатів і застосування кількох моделей одночасно. Ці технології не лише підвищують точність, але й сприяють швидшій обробці даних.
Технології, що стоять за рішеннями GSK
GSK використовує два ключових підходи для боротьби з галюцинаціями:
- Саморефлексія та ітеративний аналіз
Ця техніка передбачає, що модель самостійно аналізує свої початкові висновки, виявляє недоліки та вдосконалює відповіді. Наприклад, інструмент для аналізу наукової літератури від GSK застосовує цю методику для повторного оцінювання отриманих даних. Завдяки такому підходу фінальні відповіді стають більш детальними та точними. - Багатомодельна вибірка
У цьому випадку одночасно використовуються кілька моделей або різні конфігурації однієї моделі. Вони аналізують один і той самий запит, що дозволяє виявити найбільш узгоджені результати. Ця стратегія є ресурсомісткою, проте вона значно зменшує ймовірність помилок у критично важливих галузях, таких як охорона здоров’я.
Ефективність стратегій GSK залежить від потужної інфраструктури, здатної забезпечити великі обчислювальні навантаження. За словами Бренсона, сьогодні компанії конкурують за те, щоб створювати більш продуктивні апаратні рішення для оптимізації обробки даних. Наприклад, Cerebras та інші лідери галузі розробляють спеціалізовані мікросхеми, які дозволяють швидше виконувати складні процедури висновку.
GSK співпрацює з такими компаніями, як Mayo Clinic і Microsoft, для впровадження передових технологій, що сприяють удосконаленню медичних програм на базі ШІ. Наприклад, за допомогою нових моделей стало можливим прогнозувати оптимальні методи лікування таких захворювань, як ревматоїдний артрит.
Майбутнє інновацій GSK
Попри виклики, GSK продовжує вдосконалювати свої технології для підтримки точності та ефективності медичних рішень. Компанія активно працює над тим, щоб зробити свої генеративні моделі більш надійними та масштабованими. Цей підхід також може стати прикладом для інших організацій, які прагнуть поєднати технологічний прогрес із практичними рішеннями у сфері охорони здоров’я.
Раніше редакція сайту AI360 писала про компанію Therabody, яка презентує платформу на базі ШІ для відновлення здоров’я. На виставці CES 2025 компанія Therabody, відома своїми масажними пістолетами та іншими оздоровчими пристроями, оголосила про запуск нової платформи Coach.
