人工智能是什么意思化学吗?

几年前我和一位著名的天体物理学家共用一个乘坐出租车,和我们聊天关于人工智能的未来。工作逐渐成为可有可无的东西,他说。AI将取代出租车司机、医生、教师、诗人,你的名字(ChatGPT最近出现,一些现在认为这将最终取代作家)。

天体物理学家,我问?哦,不,不是天体物理学家,他回答说。他们所做的事情不能自动化。

我不怀疑他是有点扭曲,但许多科学家之间的本能是人类直觉太中心,他们的工作方式使AI过时在可预见的未来。事实上,今天的AI,主要基于机器学习算法,可以我巨大的数据集模式和相关性,似乎最好视为助理,而不是替代,人类的研究员。它可以做很多,特别是当耦合(见机器人系统机器人彻底改变化学):不仅分析数据,计划和执行实验,使迭代改进甚至制定和测试特定的假设。这是又在实验室常规,但它正变得越来越好了。

AI会如何转变化学家所问的问题吗?

在某些方面,化学AI殖民化的时机已经成熟。大量的化学合成利用的尝试-测试方法和合成途径,即使那些进行他们找到沉闷和重复。微流控技术使大部分的湿化学自动机械的执行。甚至计划retrosynthetic策略可能相当公式化,从而适合一个算法的方法。已经存在努力使自动合成系统,允许一个“拨号”任何分子的一个选择。许多分析技术,如晶体学,也被自动化。

但是它太简单的将这些发展的“人类化学家的灭亡”。至少在短期内,它更有可能的是,这角色和化学家的技能将转变。消除重复的任务几乎是哀叹的负担,因为它会释放化学家经常创造性思考而不是苦干。

它可能更有益的问人工智能是否会改变化学从概念上讲。在历史上,变化的方法是伴随着学科的知识框架的变化。提高分析化学在18世纪启用关注的问题构成:是什么化学元素物质的,以及他们如何在不同化合物构成了吗?从19世纪中叶,焦点转移到分子结构的考虑,部分带来的改善密切相关的分离和纯化化合物的能力。量子理论的出现,以及光谱等技术,使得在20世纪早期一个新兴的理解化学成键。末世纪,分子束和超快激光研究成为可能的反应动力学在细节。随着人工智能成为越来越多化学家的工具箱的工具,如何转变化学家所问的问题吗?

什么工具

随着人工智能的作用扩大更多的在实验室里,一个问题广泛问只是化学家需要他们传统上教的实用技巧。如果合成自动化合成使用微流体和其他方法,你需要知道如何使用吸管或如何滴定?

扎卡里·鲍姆,美国化学学会科学内容工程师的信息部门CAS(原化学文摘服务)认为。多步微流体正在改善他说,包括方法在每个自动步净化样品。所以的流可能会变得更为常规的化学研究人员的。但扩大这种方法对中试装置操作需要手动完成,至少目前。“我看不出实际技能,将其合成化学的魅力变得不重要,”他说。“我们将继续在研究生硅列上挥汗如雨,试图让他们的精华工作。”

工具箱中的每个新工具导致的转变受到化学家们的关注

阿纳托尔•冯•利在加拿大多伦多大学的,使用机器学习专家预测化学行为,认为“机器学习不会取代,而是帮助未来的化学家”。他认为它是“第四支柱科学,实验后,理论和计算的。因此,它仅仅是一个工具来获得一个更好的理解和控制化学过程和属性。

但新工具不只是扩大的方式进行,研究化学过程;他们可能会改变我们如何看待它们。工具箱里的每一个新工具导致了化学家的关注,转变“菲利克斯Strieth-Kalthoff说,博士后研究员计算科学家Alan Aspuru-Guzik在多伦多。

“以核磁共振光谱学的发展,”他说。“进化到一个健壮的、常规技术使日益复杂分子的描述,这使得研究人员将他们的注意力转向他们和他们的反应。”,一旦聚合酶链反应使它容易放大DNA序列分析、生物学家和生物化学家能够专注于更高级的任务,找出序列是什么意思。通过这样的转变,技术一旦中央化学实践,如滴定,可能会降到一个教育目的,随着现代自动化技术所取代。“我相信人工智能工具可以使类似的范式转变,化学家们有更多的时间和能力专注于复杂、高级的设计任务,“Strieth-Kalthoff说。

同样他相信的化学家将留在即可形成的前沿,抽象和指导研究问题,考虑到庞大和多元化的整个化学,和小的我们是如何探索日期”。

Cheminformatics专家jean - louis Reymond在瑞士伯尔尼大学的同意。“我的观点是,AI确实应该匹配或超越化学家的专业知识从长远来看,但仍有很长的路要走,”他说。”,当那一天到来AI化学家仍将是一个丰富的工具,不是一个替代,因为决定应用哪个问题一个人工智能,以及如何实现人工智能的解决方案时,需要人类专家。”

随着人工智能和自动化扩张的可能性探索合成策略,然而,化学家可能变得更加系统化的评估和优化。例如,去年由普林斯顿大学的阿比盖尔道尔领导的一个研究小组显示人工智能算法能够超人类的判断在优化反应条件palladium-catalysed有机分子之间的交叉耦合反应(著名的铃木反应的一种变体)。称为贝叶斯优化算法使用了一个方法,对最佳解决方案预期的不断更新新的数据-在这种情况下,由一个自动化高通量系统,探讨了反应条件。AI系统能够识别最佳的反应条件,大大不同于常用的前面。

AI将如何瓜分自然?

什么样的启发式的理解可能会出现这样的技术?化学一直是依赖于蒸馏复杂,有时混淆数据概念为化学推理提供直观的经验法则:债券类型等概念和秩序,原子半径、电负性尺度和氧化态。但如果学科变得越来越依赖数字处理的原始数据,这样的观念继续会有用吗?利这么认为。他说,这种启发式的概念方法降低高维数据的低维参数——通常有一些成分,例如,进入一个数字代表电负性计算。利认为,人工智能技术应该能够重现这样的参数,以及量化它们的局限性。

但是这些方法也可能确定新的参数和指标:发现新的方法来减少数据。利引用的概念Pettifor数量”1984年,提出的理论化学家大卫Pettifor描述每个元素在元素周期表的结构形式在二元化合物AB_n。大致说来,Pettifor相同的元素数量应该能够代替另一个在这样的二元阶段。手工分类方案,推导出从一个数据集的574种化合物,可能被认为是前兆现在那些由机器学习。但人工智能方法精炼Pettifor数字的概念作为一个分组元素的方式,通过这种方式,拓宽化学家的名单有用的启发式。

另一个例子是一个分类的所谓钾冰晶石晶体结构(化学计量学ABC₂D₆包含主族元素)。利和他的同事们使用机器学习中寻找趋势结合而形成的能量这些结构,导致他们识别一些不寻常的情况下,比如一个铝被分配一个消极的氧化态。利认为,以这种方式人工智能可以帮助化学家探索是否传统的启发式领域真正的雕刻大自然的关节,或需要提炼和修改,以更好地结合数据显示。

“也许未来的人工智能方法,通过打开黑盒连接输入和输出,将丰富的集合可能理解化学现象,”马克斯普朗克研究所的吉列尔莫雷斯特雷波说数学科学在莱比锡,德国。但他指出,到目前为止,人工智能技术没有了任何忽视类别的,说,类或官能团的反应。难道是我们已经确认的大部分有用的粗粒度的描述我们需要化学——或者可能只是表明我们趋向尝试已经熟悉的领土?

分类与人工智能从原始数据也可能帮助我们决定如果这些化学家目前使用“自然”——客观地反映在物理世界——或者更历史文化应急的问题。人工智能可以解决一些概念是否反映世界上自然类别,“化学的哲学家说凡妮莎塞弗特在希腊雅典大学的。酸度可能是一个很好的例子,她建议:这只是临时的持久性的一个司空见惯的概念还是有更深一层的有效性作为一个化学行为的基本方面吗?

对AI-assisted升值

如果我们要提取的新见解,我们可能需要开发人工智能算法“解释”:不只是吐出数据能够提供一些定性结论的理由。正日益成为一个目标追求在人工智能更普遍,因为它往往是客户需求什么。医生,说,想知道从一个人工智能诊断系统不仅认为病人患有但如何达到这一结论。人工智能可能能够解释本身是否值得信任。

可辩解的人工智能的思想和基于AI的假设生成最近才达到化学、“Strieth-Kalthoff说。例如,Aspuru-Guzik和同事开发了ML算法可以提取human-interpretable见解从大型数据集在化学和物理。以及恢复一些已知的经验法则控制有机分子的溶解性和能量水平,如杂环化合物的作用和吸电子集团为后者,该算法提供了一些新的。

这样的方法还没有被广泛采用于化学,Strieth-Kalthoff说。“我确信这将会回来,”他补充道,“但这需要一些时间。“一旦我们有人工智能,可以解释数据在一个熟悉的化学环境中,鲍姆说,“很有可能,我们可以确定新的模式和构建抽象的。

我认为,这将补充当前化学家的技能

从使用人工智能在其他领域的经验,比如音乐和玩游戏,它可能甚至可能扩大我们的升值化学——例如,通过识别优雅的新retrosynthetic策略,没有人发现。为retrosynthesis Reymond说他对人工智能的研究已经确定了一些以前未知的可能性,但在实验室里测试他们可能是一个非常艰苦的过程,作为新的合成策略一直是如此。

鲍姆指出,这样的灵感已经从突破性的流动游戏算法AlphaZero,由该公司DeepMind可以击败其他最先进的国际象棋程序,,日本游戏shogi。世界国际象棋冠军马格努斯Carlsen证实,已经影响了他的比赛由AlphaZero展示的一些举措。

“我觉得象棋或类比是非常合适的,Strieth-Kalthoff说。如果AI发现更成功的策略或概念,我们不仅可以从错误中学习也来欣赏他们的审美。“长期的”,他说,“我认为,这将补充当前化学家的技能,并导致一个更好的通用对化学的理解。

菲利普球是一个基于科学作家在伦敦,英国