制药行业的“专家版ChatGPT”，终于来了!
就在这两天，首个生物医药的千亿参数大模型产品ChatDD发布，不仅制药各阶段知识“样样通”，还能和药学专家进行对话，瞬间秒懂一些行业神秘“黑话”。
这和AlphaFold2直接加个Chat功能还不太一样——
现阶段大模型虽然能在药物发现上做得不错，但要么只涉及单个模态，要么不具备直接对话能力。
ChatDD则兼具多模态和对话双重特点，顺便还能给医药界学生“解个惑”。
做出这个产品背后的水木分子，是今年6月新成立的一家公司。清华大学智能产业研究院院长张亚勤院士指出：
ChatDD通过人机协作对话方式有效地将专家知识与大模型知识相联结，开拓了继传统药物研发TMDD、CADD、AIDD之后的第四代药物研发新模式。
所以，它究竟在什么功能上做到“划时代”?
我们和清华AIR教授、水木分子首席科学家聂再清聊了聊，详细了解了ChatDD的来龙去脉。
ChatDD是一个什么样的产品?
先来看看ChatDD能做哪些事儿，具体又能用在哪里。
它的外观和ChatGPT有点像，是一个网页版，同样能通过对话来实现各种功能。
对话能力上，不仅英文总结不错，中文对话也来得，直接hold住“疾病画像”这样的专业黑(术)话(语)：
如果有看不懂的分子，可以直接一键上传相关文件，让它来负责解读这种分子的作用：
试试更复杂一点的任务，例如计算亲和力问题，大模型竟然直接“推荐”了一个工具，并快速计算出结果：
此外，也不用担心问答内容超出ChatDD训练数据截止日期，毕竟它还学会了自己联网、或是从数据库中查找答案。
总结来看，ChatDD虽然用法上像ChatGPT，但在生物医药这块是“专业的”。
无论是掌握的多模态(小分子+大分子+文本)医药专业知识量，还是对行业的理解程度、完成任务的能力，ChatDD都要比ChatGPT“更像个学医药的人”。
与同行AI不同的是，ChatDD的“业务范围”，涵盖了制药的前、中、后期三个阶段。
此前的医药行业AI，即使是大模型，往往也只能用于制药的部分阶段，例如前期的药物发现，或是中期的临床前研究。占研发成本大部头的后期临床试验，几乎无人问津。
而ChatDD不仅能参与药物发现、立项、商业智能(BI，Business Inteligence)、临床试验各环节，还能帮助提升成功率。
聂再清介绍表示，ChatDD用于后期临床试验设计，也是大伙儿最期待的功能。
首先，药物在临床试验阶段的通过率，往往并不高。
尤其二期到三期临床，通过率只有34%，三期到四期通过率也不高。但临床试验加上前中期的费用往往又极高，一旦不通过，就是几亿美元成本“打水漂”。
其次，药物通过率不高的原因，(除非药物本身不行)很大程度上是因为没找到适合“对症下药”的患者。
药厂通常会从临床信息数据库中，筛选适合用药的病人。
假设这个药物对数据库中5%的患者有效，那么从这5%的患者中挑选进行临床试验，肯定比剩下95%的患者有效率高。
在综合各方面信息做判断这件事上，ChatDD往往比人类更适合筛选出“对症下药”的患者。
聂再清特意举了一个例子，来表明ChatDD的能力：
注意这里未来会是“私有化部署的合作伙伴的单细胞RNA测序数据”，现在因为没有，所以我们用了水木分子收集到的公开数据计算出来的。
这样的ChatDD，背后功能究竟是怎么实现的?
医学院博士后负责数据构建
ChatDD背后的底座，取名ChatDD-FM，参数量达到千亿级别。
这次推出的ChatDD-FM-100B，是全球首个千亿参数多模态生物医药对话大模型，其在C- Eval评测中达到全部医学4项专业第一、也是唯一平均分超过90分的模型。
联想到团队前不久发的BioMedGPT-10B，其自然语言模态的大模型同样基于LLaMA 2架构，这二者是否有什么联系?
聂再清表示，ChatDD-FM和BioMedGPT，在受众和用途上都不太一样，“有点像ChatGPT和GPT-3.5的区别，前者在对话和意图对齐能力上有更大提升”。
BioMedGPT主要用于科研领域，更擅长英文生物医药科研任务，适合直接拿来作为生物医药领域的相关科研任务的基础模型。
ChatDD-FM主要给国内医药行业“打辅助”，侧重中文对话能力，融入了更多专家的对话模式和经验。
技术上，ChatDD-FM相比BioMedGPT，主要增强了三大方面，模态、训练数据和参数量级——
模态上，增加了蛋白质结构数据;训练上，增加了用于中文、专家对话和调用工具能力的数据;参数量级上，从百亿增加到千亿。
让ChatDD-FM提升“专业度”、说话像“行内人”的秘诀，依旧在于高质量数据上。
这些数据主要分为两部分。
第一部分，是预训练用的医药知识数据，主要目的是让ChatDD-FM提升专业素养，几个月内掌握行业知识。