;br>“杨教授,我们在做课题的时候,比较顺利的时候当然没什么,如果课题做得不顺利,阶段性结果完全脱离预测,这种情况有时候我们无法把握课题的走向,遇到这种情况,我们也是走一步看一步,没有一套严谨的科学流程<br><br>来应对,前不久我的导师提到过,他们打算开发一个软件模型,利用类似人工智能的专业模型来指导实验,是宣布失败,而是继续,继续的话是继续反复按照原计划进行,还是调整方向,这样都有一个还算可靠的指导,没想到你<br><br>们已经将这种方法应用到科研中。”林岚对刚刚小五提出的测不准渐进式推进很有兴趣。<br><br>这不仅仅是一个陌生的词汇,而是一种指导科研的前沿科学理念和方法,需要一套完整的数学理论做支撑。<br><br>在很多国际巨头药厂有类似的科研软件,因为药品的研发投入巨大,成功率极低,所以药厂非常重视科研方法。比如一个新药研发的过程中,如果遇上某种阻力,已经无法推进,如果就此停止,前面所有投入打水漂,而且<br><br>万一距离成功不远了呢?如果继续,万一这种新药根本就没办法研究出来,或者无法达到预期目的,那么花费大量的精力、时间和金钱,最后还打水漂。<br><br>这个时候如果凭借经验来做判断,来决定下一步怎么做,效率非常低,而且指导的准确性非常低。这个时候需要一款软件来完成这个工作,这款软件能够收集现有的所有实验数据,进行分类,然后使用概率学知识进行推测它<br><br>的成功率是多少。<br><br>听起来很简单,其实操作起来很麻烦,虽然这种方法会出现误判,但是只要正确率达到一定的水平就能够为研发节约很多资金,避免不必要的投入。<br><br>这就像有一款软件可以预测所有的股票涨跌,不需要每一支股票都预测准确,它只需准确率超过某个基准线,这个人按照软件的指导去买股票,有的会赚,有的会赔,但是一旦软件预测准确率超过赢与亏的临界线,而且稳定<br><br>在这个临界线以上,这个人就会稳赚不赔。<br><br>其实一些医药巨头真正的技术壁垒不是已经上市的几种药,而是背后强大的研发体系,其中最核心的就是既往研发所积累的数据库,这些数据库里的数据不仅可以避免以后新药研发走弯路,还可以指导新药研发沿着正确的方<br><br>向前进。<br><br>一些新的药厂投入巨资研究的项目,自以为找到一条新路,很可能就是那些巨头几十年前已经走过的失败的路,这就是医药业巨头难以被撼动的原因。<br><br>一般的科研实验项目不像药品研发那么集中,带有分散性,药物研发每一个项目都是药物研发,具有很多的共同点,其它医学类的研究课题,共同性非常小,比如肿瘤治疗与干细胞的共同点非常少,所以这类软件极难开发,<br><br>也没有人愿意去开发。<br><br>这类软件开发非常有难度,不亚于一些重量级工业软件。<br><br>其实杨平以前有开发这类软件的想法,自己也看了很多这方面的书,将数学与生物学结合起来,无奈现在缺乏这方面>> --