化学家的策略

优雅的逆向合成是一种艺术形式，它是战略性的:你需要提前计划，但如果反应不成功，也要能够适应。2020年封城开始时，我在完全不同的领域——国际象棋——发现了同样的模式。当每个人都被困在家里时，网络象棋突然变得非常流行，尤其是在该系列发布之后女王金牌号．我和我的朋友们都尝试过。出于好奇，我还读了一点围棋的历史:有趣的轶事，像保罗·莫菲(Paul Morphy)或鲍比·菲舍尔(Bobby Fischer)这样的大人物，以及大约25年前机器的崛起，深蓝成为第一台击败卫冕世界冠军加里·卡斯帕罗夫(Garry Kasparov)的计算机。

当我在象棋这个兔子洞里越陷越深时，我和一位同事讨论了机器学习在化学中的应用。想到“深蓝”，我有点担心:如果我一拿到学位，人工智能(AI)就接管了研究工作，我多年的学习是否就毫无用处了?

我认为这种对“机器崛起”的恐惧存在于许多人身上。好莱坞在此基础上增加了像Skynet这样的反派角色《终结者》．坦白地说，只有这样恶毒的例子，我未来的工作也有危险，我也被这种恐惧感染了。因此，接下来孙子兵法，我决定更好地了解我的竞争对手，并深入研究这个话题。

与传统意义上的人工智能(程序遵循预定义的法则)不同，机器学习根据它在输入的数据中发现的模式和参数来预测结果。你输入的数据越多，结果就越好。例如，深蓝有一个预定义的国际象棋开局数据库，但也分析了数千盘国际象棋，以完善其决策。

事实证明，机器学习方法在任何需要大量试错的领域都是有用的，比如制药行业的研发。在那里，人工智能已经被用于预测分子的性质或设计具有与已知药物类似效果的化合物。当与其他预测系统或经验数据结合在一起时，这种方法在一个称为叠加的过程中变得更加强大。即使是对人类大脑来说太复杂的问题，比如蛋白质折叠，也可以用人工智能来模拟。到目前为止，机器学习程序在处理这些任务所需的大量参数方面是无与伦比的，即使它们也不总是100%准确。

那么，人工智能能抢走我的工作吗?不是真的。科学家需要参与验证人工智能生成的预测，并合成它提出的分子。我个人希望人工智能能帮助我找到一种新化合物的合成策略;它基本上就像一个自动的、超快速的文献搜索——而不需要我在网上点击几个小时。这感觉就像科幻电影里的未来飞船电脑助手。这些往往会变成邪恶，但好莱坞是一个坏的影响。

在我看来，一个有价值的比较是计算机在科学中的应用。如果没有ChemDraw或Word这样的程序，我今天几乎无法生存。我几乎无法想象徒手解出好几页的数学方程式有多费时、多烦人。在没有计算机的情况下评估晶体学或核磁共振数据几乎是不可能的，或者至少是慢得无法想象的。然而，我们还没有完成。计算机自动化在所有领域都在崛起:闪现色谱和自动催化筛选，仅举几个使用机器人方法的例子(顺便说一句，我从未在电影中见过有自我意识的闪现色谱试图接管世界)。20年后，科学家们将以同样的方式看待机器学习人工智能:一种让我们比以往任何时候都更快、更好、更容易地完成工作的工具。这不仅从经济角度来看很重要，而且从道德角度来看也很重要，因为我们有义务为社会提供尽可能快的进步。为此，我们应该利用现有的最好的技术创新。

“深蓝”取得胜利后，国际象棋在一开始失去了一些魔力。计算机的成功为哪种走法最好提供了切实的数学证明，让玩家可以放弃分析，只记住最重要的策略。为了应对这种情况，越来越多的玩家尝试不同寻常的位置，将对手置于未知领域，然后让他们措手不及。结果，比赛变得更有吸引力。

我在化学领域也看到了类似的趋势:柱层析或溶剂筛选等常规、繁琐的工作将由计算机自动完成，人工智能将帮助我们做出决策。作为回报，我们科学家将能够专注于对付新的未知挑战。