Bu tədqiqat, “Artificial Intelligence, Alliances, and Innovation” başlıqlı preprint tədqiqat məqaləsidir. PDF-də işin rəyçi qiymətləndirməsindən keçmədiyi açıq şəkildə qeyd olunur. Buna görə məzmun, yekunlaşmış akademik nəticə kimi deyil, güclü məlumat və metodlarla dəstəklənmiş, lakin ehtiyatla oxunmalı olan tədqiqat layihəsi kimi qiymətləndirilməlidir.

Sahə baxımından tədqiqat; süni intellekt, informasiya sistemləri, strategiya və təşkilat nəzəriyyəsi, innovasiya iqtisadiyyatı və dərman Ar-Ge idarəçiliyinin kəsişməsində yerləşir. Sağlamlıq və dərman hazırlama kontekstinə toxunduğu üçün bu yazı tibbi məsləhət deyil; burada müzakirə olunan mövzu dərmanların klinik istifadəsi deyil, şirkətlərin Ar-Ge və əməkdaşlıq strategiyalarıdır.

Tədqiqat süni intellektin yalnız laboratoriya proseslərini sürətləndirən texniki alət olmadığını; eyni zamanda şirkətlərarası informasiya asimmetriyasını azaldaraq ittifaqları daha səmərəli edə biləcəyini irəli sürür. İnformasiya asimmetriyası bir tərəfin digər tərəfdən daha çox və ya daha keyfiyyətli məlumata sahib olmasıdır. Dərman Ar-Ge-sində bu xüsusilə vacibdir; çünki biotexnologiya şirkəti hazırladığı namizəd molekulun potensialını böyük dərman şirkətindən daha yaxşı bilə bilər.

Müəlliflər 2010-2019 dövründə dərman sektorundakı şirkətləri araşdırırlar. Süni intellekt qabiliyyətini AI patentləri və AI bacarığı tələb edən iş elanları ilə ölçürlər. Nəticələr AI resursları daha yüksək olan şirkətlərin innovasiyanı daha çox ittifaqlar vasitəsilə həyata keçirdiyini və ittifaqlardan daha çox dərman namizədi hazırladığını göstərir. Tədqiqatın əsas fikri budur: Süni intellekt və şirkət ittifaqları ayrı-ayrılıqda dəyərli ola bilər; lakin birlikdə istifadə edildikdə innovasiya üzərində daha güclü tamamlayıcılıq təsiri yarada bilərlər.

Problem Nədir?

Dərman hazırlanması yüksək qeyri-müəyyənlik, yüksək xərc və uzun zaman tələb edən prosesdir. Bir şirkət fundamental tədqiqatda güclü ola bilər; başqa şirkət klinik inkişaf, tənzimləmə, istehsal və ya marketinq imkanlarına sahib ola bilər. Buna görə dərman sektorunda şirkətlərarası Ar-Ge ittifaqları geniş yayılıb. Lakin ittifaq qurmaq özlüyündə kifayət deyil. Tərəflər bir-birindəki məlumatı düzgün anlamalı, qiymətləndirməli və istifadə etməlidir.

Buradakı əsas problem informasiya asimmetriyasıdır. Məsələn, kiçik biotexnologiya şirkəti hazırladığı dərman namizədinin elmi potensialını yaxşı bilə bilər. Böyük dərman şirkəti isə bu məlumatı kənardan qiymətləndirərkən natamam məlumatla hərəkət edir. Bu informasiya çatışmazlığı müqavilə bağlamağı, risk paylaşımını, investisiya qərarını və ortaq Ar-Ge prosesini çətinləşdirir.

Tədqiqatın verdiyi əsas sual budur: Süni intellekt şirkətlərin xarici tərəfdaşlardan gələn mürəkkəb elmi məlumatı daha yaxşı anlamasına imkan verərək ittifaqları daha səmərəli edirmi?

Metod Nə Təklif Edir?

Tədqiqat süni intellekti yalnız “avtomatlaşdırma” kimi nəzərdən keçirmir. Daha geniş baxışla AI-ni şirkətlərin xarici dünyadan gələn mürəkkəb və parçalanmış məlumatı kəşf etməsinə, qiymətləndirməsinə və mənalandırmasına imkan verən qabiliyyət kimi şərh edir. Bu yanaşma klassik informasiya texnologiyalarından fərqlənir. Ənənəvi IT sistemləri daha çox məlumat əlçatanlığı, kommunikasiya və iş axınının koordinasiyasını təmin edir. AI isə xüsusilə maşın öyrənməsi vasitəsilə böyük məlumat dəstlərindən nümunələr çıxara, proqnozları yeniləyə və müxtəlif mənbələrdən gələn məlumatları birləşdirə bilər.

Müəlliflər şirkətlərin AI resurslarını iki əsas komponentlə ölçürlər: AI ilə əlaqəli patentlər və AI bacarığı tələb edən iş elanları. Patentlər şirkətin AI sahəsindəki texniki bilik ehtiyatını göstərir. İş elanları isə şirkətin AI bacarığına malik insan resursuna tələbatını əks etdirir. Bu iki element standartlaşdırılaraq birləşik “AI resources” ölçüsünə çevrilir.

İnnovasiya nəticəsi kimi dərman namizədləri, lisenziya və ya ittifaq yolu ilə hazırlanan dərman namizədləri və şirkət ittifaqları istifadə olunur. Tədqiqat informasiya axınını ölçmək üçün patent istinadlarından da yararlanır. Şirkətin ittifaq qurduğu Ar-Ge tərəfdaşının patentlərinə daha çox istinad etməsi, tərəfdaşlıqdan informasiya axını olduğuna dair dolayı göstərici kimi qiymətləndirilir.

Ekonometrik metod kimi sabit effektli panel reqressiyaları, iki mərhələli ən kiçik kvadratlar metodu, meyillilik balı uyğunlaşdırması və Heckman seçim modeli kimi müxtəlif nəzarətlərdən istifadə olunur. Məqsəd nəticələrin yalnız müəyyən model seçiminə bağlı olmadığını göstərmək və əks səbəbiyyət və ya seçim qərəzi kimi problemləri azaltmaqdır.

Formullar Nəyi İzah Edir?

PDF-dəki əsas formullar oxunaqlıdır. Aşağıdakı MathJax blokları tədqiqatdakı simvol düzülüşünə mümkün qədər sadiq qalınaraq hazırlanıb.

İlk formula süni intellektlə ittifaqlar arasındakı tamamlayıcılıq əlaqəsini intuitiv şəkildə izah edir. Buradakı fikir budur: AI və ittifaqlar birlikdə istifadə edildikdə yaranan innovasiya təsiri onların ayrı-ayrı təsirlərinin cəmindən daha yüksək ola bilər.

İkinci formula şirkətin AI resurslarının necə ölçüldüyünü göstərir. AI patentləri və AI bacarığı tələb edən iş elanları əvvəlcə ayrıca normallaşdırılır, sonra toplanır və yenidən normallaşdırılaraq birləşik AI resurs ölçüsü əldə edilir.

Üçüncü formula AI resurslarının lisenziya və ya ittifaq vasitəsilə hazırlanan dərmanların payı ilə əlaqəsini sınaqdan keçirir. Burada \(i\) şirkəti, \(t\) ili təmsil edir. \(T_t\) il sabit effektini, \(g_i\) şirkət sabit effektini, \(X_{it,c}\) isə patent ehtiyatı, şirkət yaşı, işçi sayı və Ar-Ge xərci kimi nəzarət dəyişənlərini təmsil edir.

Dördüncü formula AI resursları ilə ittifaqların birlikdə dərman hazırlama nəticəsinə necə təsir etdiyini ölçür. Burada kritik termin \( \mathrm{AI\ resources}_{it} \times \ln(\mathrm{Alliances})_{it} \) qarşılıqlı təsiridir. Bu əmsal müsbətdirsə, AI və ittifaqların bir-birini gücləndirdiyi şərh olunur.

Beşinci formula informasiya axınını ölçmək üçün istifadə olunur. İnformasiya axını şirkətin ittifaq tərəfdaşının patentlərinə etdiyi istinadların dəyişməsi ilə təmsil olunur. Bu ölçü birbaşa informasiya paylaşımını göstərməsə də, akademik ədəbiyyatda informasiya axını üçün geniş istifadə olunan dolayı göstəricidir.

Əlavə bölmədə istifadə olunan ehtiyat formulu isə dərman, ittifaq və ya patent kimi yığılan dəyişənlərin zamanla dəyər itirməsini nəzərə almaq üçün istifadə olunur. Tədqiqatda illik 15 faiz amortizasiya dərəcəsi tətbiq edilir. Bu, köhnə ittifaqların və ya köhnə patentlərin bugünkü innovasiya töhfəsinin yenilərdən daha aşağı qəbul edilməsi deməkdir.

Qrafik, Cədvəl və Sxemin Əsas Mesajı

PDF-də klassik mənada sıx qrafik və ya sxem əvəzinə əsasən reqressiya cədvəlləri və əlavə cədvəllər var. Buna görə vizual əsas mesaj cədvəllərin nə dediyi üzərindən oxunmalıdır.

PDF-in 43-cü səhifəsindəki Cədvəl 1 tədqiqatda istifadə olunan dəyişənlərin xülasə statistikasını və korrelyasiyalarını verir. Bu cədvəl dərman hazırlama, lisenziya yolu ilə dərman hazırlama, AI patentləri, AI bacarıqları, ittifaqlar, patent ehtiyatı, şirkət yaşı, işçi sayı və Ar-Ge xərci kimi dəyişənlərin birlikdə təhlil edildiyini göstərir.

PDF-in 44-cü səhifəsindəki Cədvəl 2 dəyişənlərin necə müəyyənləşdirildiyini sadə şəkildə izah edir. Burada “drugs developed” ümumi dərman namizədi nəticəsini, “drugs developed through licenses” isə ittifaq və ya lisenziya yolu ilə hazırlanan dərman namizədlərini ifadə edir. AI IP patentləri, AI skills isə AI bacarığı axtaran iş elanlarını təmsil edir.

PDF-in 45-ci səhifəsindəki Cədvəl 3 tədqiqatın əsas nəticələrini verir. AI resurslarında bir standart sapmalıq artım lisenziya yolu ilə hazırlanan dərman payında müsbət artımla və ittifaq sayında artımla əlaqəlidir. Eyni cədvəldə AI resursları ilə ittifaqların qarşılıqlı təsir termini də müsbətdir. Bu, AI və ittifaqlar birlikdə istifadə edildikdə innovasiya nəticəsinə daha güclü təsir göstərə biləcəyi fikrini dəstəkləyir.

PDF-in 46-cı səhifəsindəki Cədvəl 4 AI ilə ənənəvi IT resurslarını müqayisə edir. Əsas mesaj budur: İttifaqa əsaslanan innovasiya istiqamətində nəzərəçarpan təsir ənənəvi IT-dən çox AI resurslarında və xüsusilə maşın öyrənməsi tərəfində görünür. Ekspert sistemləri, yəni qayda əsaslı daha statik süni intellekt yanaşmaları eyni dərəcədə güclü görünmür.

PDF-in 47-ci səhifəsindəki Cədvəl 5 AI-ittifaq tamamlayıcılığını daha ətraflı sınaqdan keçirir. Nəticələr AI resursları ilə ittifaqların birlikdə dərman hazırlama nəticəsini artırdığı fikrini dəstəkləyir. Bu bölmədə maşın öyrənməsi təsirinin ekspert sistemlərindən daha nəzərəçarpan olduğu vurğulanır.

PDF-in 48-ci səhifəsindəki Cədvəl 6 informasiya axınını araşdırır. AI resurslarındakı artım şirkətlərin ittifaq tərəfdaşlarının patentlərinə etdiyi istinadların artması ilə əlaqəlidir. Bu nəticə AI-nin yalnız şirkət daxilində əməliyyat səmərəliliyi yaratmadığını, həm də xarici tərəfdaşlardan gələn məlumatı istifadə etmək qabiliyyətini artıra biləcəyini düşündürür.

PDF-in 49-cu səhifəsindəki Cədvəl 7 dərman hazırlama prosesinin daha sonrakı mərhələlərinə baxır. Əsas mesaj daha ehtiyatlıdır: AI və ittifaq tamamlayıcılığı ilkin mərhələlərdə daha nəzərəçarpan görünür; klinik mərhələlər irəlilədikcə təsir zəifləyir və bəzi nəticələr statistik baxımdan aydınlığını itirir.

Təcrübələr Necə Aparılıb?

Bu tədqiqat laboratoriya təcrübəsi aparmır; verilənlərə əsaslanan empirik təhlil həyata keçirir. Araşdırılan dövr 2010-2019-cu illərdir. Diqqət mərkəzində dərman sektorundakı şirkətlər dayanır. Tədqiqat dərman hazırlama nəticələri üçün dərman hazırlama məlumat bazalarından, ittifaqlar üçün biofarmasevtik əməkdaşlıq məlumatlarından, AI patentləri üçün patent məlumat bazalarından və AI bacarıqları üçün iş elanı məlumatlarından istifadə edir.

Təhlillərin ilk mərhələsində AI resursları artdıqca şirkətlərin innovasiyanı daha çox lisenziya və ya ittifaq yolu ilə həyata keçirib-keçirmədiyi sınaqdan keçirilir. İkinci mərhələdə AI resursları ilə ittifaqların birlikdə dərman hazırlama nəticəsini artırıb-artırmadığı araşdırılır. Üçüncü mərhələdə isə patent istinadları vasitəsilə informasiya axını ölçülür.

Müəlliflər sabit effektli reqressiyalardan istifadə edərək şirkət səviyyəsində dəyişməyən xüsusiyyətləri və illərə xas ümumi meyilləri nəzarətdə saxlayırlar. Bundan əlavə, seçim qərəzi və səbəbiyyət narahatlıqlarına qarşı meyillilik balı uyğunlaşdırması, Heckman seçimi və instrumental dəyişən yanaşması kimi əlavə testlər tətbiq edirlər. Buna baxmayaraq tədqiqat nəticələrin qəti səbəbiyyət sübutu olmadığını; müxtəlif metodlarda ardıcıl görünən əlaqələr kimi qiymətləndirilməli olduğunu bildirir.

Nəticələr Nəyi Göstərir?

Tədqiqatın əsas nəticəsi AI resursları daha yüksək olan dərman şirkətlərinin innovasiya fəaliyyətlərini daha çox ittifaqlara yönəltdiyi istiqamətindədir. AI resurslarındakı artım lisenziya yolu ilə hazırlanan dərmanların payında və şirkət ittifaqlarının sayında artımla əlaqəlidir.

İkinci mühüm nəticə AI və ittifaqların tamamlayıcı olmasıdır. Tamamlayıcılıq burada bu deməkdir: AI təkbaşına dəyər yaradır, ittifaqlar da təkbaşına dəyər yaradır; lakin birlikdə istifadə edildikdə yaranan təsir daha güclü ola bilər. Xüsusilə maşın öyrənməsi resursları qayda əsaslı ekspert sistemlərinə nisbətən daha nəzərəçarpan rol oynayır.

Üçüncü nəticə AI-nin informasiya axını ilə əlaqəli olmasıdır. AI resursları yüksək olan şirkətlər ittifaq qurduqları Ar-Ge tərəfdaşlarının patentlərinə daha çox istinad edirlər. Bu, AI-nin tərəfdaşlardan gələn məlumatı daha yaxşı kəşf etmək və qiymətləndirmək qabiliyyətini artıra biləcəyini düşündürür.

Dördüncü nəticə isə daha ehtiyatlıdır: AI-ittifaq əlaqəsi dərman hazırlamanın ilkin mərhələlərində daha aydın görünərkən klinik mərhələlər irəlilədikcə təsir zəifləyir. Bu təəccüblü deyil; çünki klinik inkişaf yalnız məlumat emalını deyil, insan biologiyası, tənzimləmə, təhlükəsizlik, sahə tətbiqi və ekspert mühakiməsi kimi daha mürəkkəb amilləri də əhatə edir.

Bu Niyə Vacibdir?

Bu tədqiqat süni intellekt haqqında geniş yayılmış fərziyyəni genişləndirir. AI çox vaxt “daha sürətli analiz”, “avtomatlaşdırma” və ya “səmərəlilik” başlıqları ilə müzakirə olunur. Bu məqalə isə AI-nin şirkət sərhədlərini və əməkdaşlıq üsullarını da dəyişə biləcəyini irəli sürür.

Əgər AI şirkətlərin xarici tərəfdaşlardan gələn mürəkkəb məlumatı daha yaxşı anlamasını təmin edirsə, o zaman şirkətlər hər şeyi daxildə hazırlamaq məcburiyyətində qalmaya bilər. Daha çox ixtisaslaşmış şirkət, daha çox ittifaq və daha çevik innovasiya şəbəkələri yarana bilər. Bu, xüsusilə biotexnologiya, dərman, enerji, aerokosmik, qabaqcıl materiallar və yüksək Ar-Ge tələb edən sektorlar üçün vacibdir.

Tədqiqatın menecerlər baxımından mesajı da aydındır: AI investisiyası yalnız texniki infrastruktur və ya data science komandası qurmaq demək deyil. AI düzgün istifadə edildikdə şirkətin xarici tərəfdaşlarla işləmə qabiliyyətini artıran strateji bacarığa çevrilə bilər.

Diqqət Edilməli Məqamlar

Tədqiqat preprint olduğu üçün rəyçi qiymətləndirməsindən keçmiş yekun məqalə kimi qiymətləndirilməməlidir. Nəticələr güclü və əhatəli təhlillərlə dəstəklənsə də, nəşr prosesi sonunda metod, şərh və ya nəticələrdə dəyişiklik ola bilər.

İkinci diqqət nöqtəsi səbəbiyyətdir. AI resursları yüksək olan şirkətlər onsuz da daha innovativ, daha böyük və ya daha yaxşı idarə olunan şirkətlər ola bilər. Müəlliflər bu problemi azaltmaq üçün sabit effektlər, uyğunlaşdırma, instrumental dəyişənlər və Heckman modeli kimi üsullardan istifadə edirlər. Lakin tədqiqat AI resurslarının təkbaşına birbaşa ittifaq uğuruna səbəb olduğunu qəti şəkildə sübut etmir.

Üçüncü diqqət nöqtəsi ölçmədir. AI resursları patentlər və iş elanları ilə ölçülür. Bu məntiqli yanaşma olsa da, şirkətin real AI istifadə keyfiyyətini tam göstərməyə bilər. Şirkət AI mütəxəssisi axtara bilər, amma vakansiya dolmamış ola bilər. Yaxud patent sayı yüksək olsa belə, bu patentlər praktik Ar-Ge prosesində məhdud istifadə oluna bilər.

Dördüncü diqqət nöqtəsi sağlamlıq kontekstidir. Tədqiqat dərman hazırlama strategiyalarını araşdırır; hər hansı müalicənin təsiri, təhlükəsizliyi və ya klinik istifadəsi barədə tibbi tövsiyə vermir. Dərman hazırlanması və klinik qərarlar tənzimləyici qurumları, klinik mütəxəssisləri və elmi qiymətləndirmə proseslərini tələb edir.

Nəticə

Bu tədqiqat süni intellektin şirkətlərarası innovasiya münasibətlərində yeni rol oynaya biləcəyini göstərir. AI yalnız məlumatı təhlil edən texniki alət deyil; şirkətlərin tərəfdaşlarından gələn məlumatı daha yaxşı qiymətləndirməsini təmin edən əməkdaşlıq qabiliyyəti kimi də düşünülə bilər.

Dərman sektorundakı nəticələr AI resursları güclü olan şirkətlərin daha çox ittifaq qurduğunu, innovasiyanı daha çox xarici tərəfdaşlıqlar vasitəsilə həyata keçirdiyini və AI ilə ittifaqları birlikdə istifadə etdikdə daha yüksək innovasiya nəticəsi əldə edə bildiyini göstərir. Bu təsir xüsusilə maşın öyrənməsi tərəfində nəzərəçarpır.

Yenə də nəticələr ehtiyatla oxunmalıdır. Bu, preprint tədqiqatdır və səbəbiyyət iddiası məhduddur. Buna baxmayaraq Verianla baxımından mühüm mesaj aydındır: Süni intellekt innovasiyanın yalnız sürətini deyil, təşkilati strukturunu da dəyişə bilər. Gələcəyin Ar-Ge rəqabətində ən güclü şirkətlər təkcə ən yaxşı alqoritmlərə sahib olanlar deyil; AI-ni düzgün tərəfdaşlıqlarla birləşdirə bilənlər ola bilər.

Mənbə və Metod Qeydi

Bu məzmun Bowen Lou və Evan Rawley tərəfindən hazırlanmış “Artificial Intelligence, Alliances, and Innovation” başlıqlı preprint tədqiqat işinə əsaslanaraq hazırlanıb. Tədqiqat 2010-2019 dövründə dərman sektorunda süni intellekt resursları, şirkət ittifaqları və innovasiya nəticələri arasındakı əlaqəni araşdırır.

Bu məzmun sözbəsöz tərcümə deyil; tədqiqatın əsas fikri Verianla nəşr xəttinə uyğun şəkildə sadələşdirilib və orijinal Azərbaycan dilli redaksiya məqaləsinə çevrilib.