AI vil ændre den måde, vi laver kemi på: GPT-3-testen

L 'Kunstig intelligens det er ved at blive et grundlæggende redskab i forskningen chimica: Designet af molekyler eller forudsigelsen af ​​deres egenskaber kan overlades til specialtrænede sprogmodeller, og machine learning den har allerede fundet sin plads i kemiske laboratorier.

Hvad forskerne opdagede Federal Polytechnic i Lausannehar dog potentialet til fuldstændig at revolutionere kemisk forskning: GPT-3, dette var den første titel på undersøgelsen, der netop blev offentliggjort på "Nature Machine Intelligence", det kunne være "alt hvad du behøver til kemisk undersøgelse fra begrænsede datasæt".

Selvom jeg ikke kender det meste kemisk litteratur, versionen af ​​GPT-3 perfektioneret af teamet kl Berend Smith har bevist, at den kan konkurrere med traditionelle og dyre teknikker automatisk læring, banebrydende for en helt ny tilgang til kemi, der kan ændre den måde, forskning udføres på for altid.

Generativ AI: "Dette er de job, der ikke længere vil eksistere takket være mig"
Den hellige gral af grøn kemi: toksicitetsfri fluorkemikalier
GPT-3, algoritmen, der skriver som et menneske, ankommer til Italien

Kemi i ord: GPT-3 AI-testen

L 'Kunstig intelligens er gået ind i kemisk forskning i nogen tid nu: denautomatisk læringhar især været meget værdsat gennem årene for sin evne til at træffe beslutninger baseret på data og til at lave meget præcise forudsigelser, som kan bruges også til fremstilling af nye lægemidler.

Maskinlæring kræver dog store mængder data at lave pålidelige forudsigelser, hvilket ikke er så indlysende i kemi: ofte er de tilgængelige data ikke tilstrækkelige til, at algoritmerne kan praktiseres, så effektiviteten af ​​"mærket" eller overvåget maskinlæring er underlagt alvorlige begrænsninger.

Således nogle videnskabsmændEPFL de tænkte på teste potentialet i GPT-3, ved foden af ​​den berømte ChatGPT-applikation: "Det faktum, at funderingsmodeller kunne udføre opgaver, de ikke var eksplicit uddannet til", læste vi i undersøgelsen netop offentliggjort på 'Nature Machine Intelligence'"fik os til at spekulere på, om de også var i stand til at besvare videnskabelige spørgsmål, som vi ikke har et svar på".

Da i kemisk forskning de fleste af problemerne kan være udtrykt i ord, tænkte forskerne på at træne disse enorme modeller til at besvare nogle "kemiker" spørgsmål som er umulige at løse uden at ty til komplicerede simuleringer og eksperimenter (for eksempel: "Hvis jeg udskifter metallet i min metalorganiske ramme, vil det så være stabilt i vand?").

Kunstig intelligens og hologrammer: sundhedsplejens nye grænse
En "holotransport" integreret med kunstig intelligens får sin debut
SwissGPT: Swiss AI revolutionerer virksomhedens sikkerhed

Kemi: en forbedret GPT-3 til umulige svar

I modsætning til hvad en vis indledende skepsis kunne antyde, stiller metoden udviklet af EPFL-forskere ikke direkte spørgsmål om GPT-3-kemi. “GPT-3 er ikke bekendt med det meste af kemisk litteratur, så hvis vi stiller ChatGPT et kemisk spørgsmål, er svarene generelt begrænset til det, der kan findes på Wikipedia“, Forklarer han Kevin Maik Jablonka, hovedforfatter af undersøgelsen.

"i stedet", forklarer Jablonka, "vi optimeret GPT-3 med et lille datasæt konverteret til spørgsmål og svar, og vi har fået en ny model, der kan give meget præcis kemisk information".

I løbet af den såkaldte finjustering forsynede forskerne GPT-3 med en kurateret liste over Spørgsmål og svar: "For legeringer med høj entropi er det for eksempel vigtigt at vide, om en legering forekommer i en enkelt fase eller har flere faser"Forklarer han Berend Smith, professor i kemiteknik ved EPFL's School of Basic Sciences.

Sådan et problem, forklarer Smit, er oversat til en kurateret liste af spørgsmål og svar som f.eks.D = 'Den Er det enkeltfaset?' R= 'Ja/Nej'”.

"I litteraturen fandt vi flere legeringer, som svaret er kendt for, og vi brugte disse data til at udvikle GPT-3”, fortsætter Smit, ”det, vi endte med, er en raffineret AI-model, der kun er trænet til at besvare dette spørgsmål et ja eller et nej".

Kunstig intelligens også til udvikling af nye lægemidler
Udvikling af nye lægemidler, biblioteker forbedret takket være kemi
Mod digital humanisme: analyse af en revolution med forløsning

Grundlæggende modeller som GPT-3 i forskernes rutine

Den "forbedrede" model, trænet med relativt få spørgsmål og svar, løste korrekt mere end 95 procent af problemerne på meget forskellige kemiske problemer, ofte bedre end maskinlæringsmodeller, der er specielt programmeret til den opgave.

"Pointen er, at det er lige så nemt som at lave en litteratursøgning”, forklarer Smit, ”som dog arbejder med mange kemiske problemer". Desuden er tilgangen udviklet af Kevin Maik Jablonka ekstraordinært hurtigt og kræver ingen specifikke færdigheder, i modsætning til traditionelle modeller machine learning.

Implikationerne af denne undersøgelse kunne være afgørende: muligheden for at formulere spørgsmål som "Hvad er udbyttet af et [kemikalie] fremstillet med denne [opskrift]?” og modtage en præcist svar kunne revolutionere måden kemisk forskning er planlagt og styret.

Som undersøgelsen siger, "at være i stand til at udspørge en grundlæggende model som GPT-3 kunne blive en rutinemetode til at starte et forskningsprojekt, der udnytter den kollektive viden indkodet i disse grundlæggende modeller eller til at give en baseline for forudsigende aktivitetere ”.

"Det vil ændre den måde, vi laver kemi på”, kommenterer professor Smit ligeud.

Vand, græs og menneskelighed: de kognitive grænser for kunstig intelligens
Kunstig intelligens vil hjælpe os med at rense oceanerne for plastik
The Big 100 of kemi og udfordringerne i den globale økonomi

GPT-3 er "bare" et værktøj: forskningen fortsætter

Resultaterne af undersøgelsen rejser et ikke-sekundært spørgsmål: hvordan er det muligt, at en naturlig sprogmodel, uden nogen specifik uddannelse i kemi, kan være mere nøjagtige end specielt programmerede modeller?

"Baseret på vores viden", læser vi i avisen, "Der er ikke noget strengt svar på dette spørgsmål".

Det faktum, at meget lovende resultater opnås, selv ved at bruge fuldstændig hypotetiske kemiske repræsentationer, viser, at disse grundlæggende modeller er "meget velegnet til at udtrække korrelationer fra enhver tekst".

Ma eftersøgningen er lige begyndt. Som forskerne forklarer, det faktum, at GPT-3 identificerer korrelationer, der med succes kan udnyttes til at lave forudsigelser betyder ikke, at sammenhænge altid er signifikante eller knyttet til årsag-virkning sammenhænge.

I øjeblikket konkluderer forskerne, GPT-3 "det er blot et værktøj, der giver os mulighed for mere effektivt at bruge den viden, som forskere har indsamlet gennem årene".

Og igen: "Det næste trin vil være at bruge GPT-3 til at identificere disse sammenhænge og i sidste ende få en dybere forståelse".

Her er hvordan AI revolutionerer købsadfærd
Udviklingen af ​​søgemaskiner: virkningen af ​​AI, Googles rolle
Sådan har AI-baserede systemer skjulte moralske værdier...