Inimene katsetamisel: eetika, privaatsus, vastutus ja täielik töövoog

Kasu:

• Inimese põhimõtte integreerimine katses toimuvasse töövoogu ja tehisintellekti/inimese rollide eraldamine igas etapis
• Võimalus töötada üldiste puhverserveri näidetega ilma konfidentsiaalset struktuuri ja andmeid üldisele tehisintellektile andmata
• Võimalus asetada kriitilistesse punktidesse inimeste heakskiitmise väravad ja võtta ülim vastutus läbipaistvuse ja jälgitavusega

Selles viimases üksuses ühendame kogu mooduli üheks raamistikuks: inimene silmuses. See põhimõte ütleb, et olenemata sellest, kui võimekas AI on, peab inimene mõistma, kontrollima ja heaks kiitma keemilise otsuse iga kriitilise punkti. Selles üksuses selgitame esmalt eetilisi ja konfidentsiaalsuse aspekte, seejärel loome täieliku töövoo, mis viib molekuli ideest aruandeni, ja vaatame, kuidas tehisintellekt ja inimesed igas etapis tööd jagavad. Eesmärk on muuta kõik õpitu süsteemiks, mis sobib igapäevatöösse.

Privaatsus: mida mitte AI-le kinkida?

Keemia töötab sageli konfidentsiaalse teabega: patenteerimata molekulid, ettevõtte salajased sünteesiteed, avaldamata andmed, patsientide proovid. Avalikusse tehisintellekti teenusesse sisestatud teksti võidakse salvestada või töödelda vastavalt teenuse poliitikale. Seetõttu:

• Enne avaldamata originaalstruktuuride (patentieelsete molekulide) avalikule tehisintellektile avaldamist kontrollige oma institutsionaalset poliitikat.
• Ärge kunagi sisestage isiku-/patsiendiandmeid (kliinilisi proove) tuvastataval kujul.
• Enne ärisaladuse sünteesiteede jagamist vaadake üle konfidentsiaalsuslepingud.
• Valige vajadusel ettevõttesisesed/kohandatud juurutamise AI tööriistad.

Ettevaatust. Üldise tehisintellekti küsimine molekuli kohta võib tähendada selle molekuli struktuuri paljastamist. Unikaalse struktuuri puhul, mis pole patenteeritud, võib see seada ohtu teie prioriteedi (patendiõigus). Küsige varjatud struktuure üldiste/asendusnäidetega.

Eetika: neli põhimõtet

1. Läbipaistvus: ärge peitke tehisintellekti kasutavat kohta; Järgige avaldamis- ja institutsioonipoliitikat.
2. Vastutus: Inimene vastutab lõpliku otsuse eest; „AI soovitatud” ei vabanda turvalisuse või terviklikkuse rikkumist.
3. Mitte pahatahtlik: ärge kasutage tehisintellekti ohtlike/ebaseaduslike sünteeside, kahesuguse kasutusega (relvapotentsiaali) rakenduste jaoks.
4. Õiglus ja ausus: ärge moonutage andmeid, ärge kaunistage tulemusi, ärge tehke omistusi.

Otsast lõpuni töövoog: molekul → aruanne

Nüüd ühendame kogu mooduli üheks vooluks. Pöörake igal etapil tähelepanu tehisintellekti ja inimese tegemiste eristamisele.

Lava

AI roll

Inimese (kriitiline) roll

1. Idee/kirjandus

Mõiste kokkuvõte, otsingusõna

Tegeliku allika leidmine, omistamise kinnitus

2. Struktuuri kirjeldus

NAERATUSTE genereerimine

Autentimine RDKiti, InChIKey abil

3. Sünteesi plaan

Retrosüntees, alternatiivid

Kirjanduse kinnitamine, tee valik

4. Turvalisus

SDS-i kokkuvõte, esialgne mittevastavus

SDS-i lugemine, kinnitamine, isikukaitsevahendite otsus

5. Taotlus

(puudub)

Kõik laboritööd

6. Analüüs

Spektri kommentaaride tugi

Lõplik struktuuriülesanne

7. Andmetöötlus

koodi kirjutamine

Käivitage kood, kontrollige tulemust

8. Dokumentatsioon

Vormindamine, juhtimine

Vaatlus, kõrvalekalle, signatuur

9. Aruandlus

teksti mustand

Numbri/tsitaadi kontrollimine, vastutus

See tabel näitab, kuidas mooduli 11 üksust on paigutatud üheks tööks. AI kiirendab; inimesed kontrollivad ja omavad.

Samm-sammult: töövoo seadistamine

1. Täpsustage rolle: iga ülesande puhul "Kas tehisintellekt või inimene otsustab?" algusest peale kindlaks määrata.
2. Seadistage privaatsusfilter: tehisintellektile midagi andmata võite küsida "kas see on privaatne/privaatne?" küsi.
3. Paigaldage kontrollväravad: kontrollimise etapp iga etapi lõpus (tabel üksuses 10).
4. Jälgitavuse säilitamine: milline väljund tuli tehisintellektist, kuidas seda kontrolliti, kes selle heaks kiitis.
5. Kinnituspunktide määramine: inimeste heakskiit on kohustuslik kriitilistes punktides, nagu turvalisus ja lõpptulemus.
6. Tagasiside: salvestage kõik leitud vead ja parandage töövoogu.

Neli kopeeritavat malli

1) Privaatsuse eelfilter:

Enne küsimuse esitamist kaaluge järgmist:Sisu: [MIDA KÜSIN]Ülesanne: kas see sisu sisaldab avaldamata originaalartefakte, isikuandmeid või ärisaladusi? Kui jah, siis soovitage, kuidas saaksin küsimuse ümber kirjutada üldise/asendusnäite abil, mis peidab struktuuri.

2) Faasi lõpu kontrollvärav:

Olen läbinud järgmise etapi: [FAAS, nt. sünteesiplaan].Ülesanne: loetlege kõik elemendid, mida tuleb sellest etapist väljudes kontrollida (arv, tsitaat, struktuur, turvanõue). Kirjutage igaühe jaoks kinnitusviis ja kes peaks selle kinnitama. Enne järgmise sammu juurde liikumist märkige kõik avatud üksused, mis tuleb sulgeda.

3) Inimese ja tehisintellekti rollide jaotusplaan:

Minu projekt: [LÜHIKIRJELDUS].Ülesanne: Jaga see projekt etappideks. Iga etapi jaoks eristage: - mida AI saab teha (mustand, kood, kokkuvõte) - mida inimene peab otsustama (turvalisus, tagajärjed, heakskiit). Märkige kriitilised punktid, kus ülim vastutus lasub inimesel.

4) Aruande terviklikkuse kontrollimine:

Allpool on minu aruande mustand:[MUSTAN]Ülesanne: Kontrollige ja märkige järgmised asjad:1) Kas on kontrollimata numbreid/tsitaate?2) Kas tehisintellekti kasutamine on läbipaistvalt märgitud?3) Kas andmed näivad olevat "kaunistatud" (varjatud andmed)?4) Kas on mingeid turva-/eetilisi vigu? [KONTROLLI] kus te pole kindel.

Nõrk viip / Tugev viip

Nõrk:

Milline on parim viis meie ettevõtte uue salamolekuli sünteesimiseks? [tegelik algne struktuur]

See avaldab esialgse patendieelse struktuuri üldteenusele; See seab prioriteedi ja konfidentsiaalsuse ohtu.

Tugev:

Tahaksin õppida üldist retrosünteesi strateegiat aromaatsete ketoonide klassi sarnase struktuuri jaoks. Selgitage üldise näite (atsetofenooni derivaat) kaudu, andmata konkreetset, algset struktuuri. Rakendan strateegiat oma molekuli jaoks ettevõttesiseselt.

Erinevus: ilma varjatud struktuuri paljastamata saavutati sama õppimine, mis üldise asendusnäite puhul.

mini korpused

Juhtum 1 – esialgne struktuur avalikustati. Meeskond küsis enne patendi taotlemist üldiselt tehisintellektilt ainulaadse molekuli kohta. Juriidiline üksus teatas, et see võib seada prioriteedi kahtluse alla; Protsess viibis. Õppetund: küsige unikaalseid struktuure üldise puhverserveriga, austage privaatsuspoliitikat.

Juhtum 2 – inimese nõusolek hoidis õnnetuse ära. Automatiseeritud töövoo käigus koostas tehisintellekt protseduuri kavandi ja seda tuli rakendada otse; Kuid kogenud keemik püüdis läbivoolu "ohutusliiru" väravast kinni kokkusobimatu paari reaktiive. Õppetund: kriitilistes punktides päästavad inimeste heakskiiduväravad elusid.

3. juhtum – täielik distsipliin. Magistrant realiseeris kogu mooduli ühe projektiga: kirjanduse kokkuvõte + tegelik tsitaadi kontrollimine AI-ga, struktuuri kontrollimine RDKitiga, andmete analüüs koodiga, turvalisus SDS-iga, aus dokumentatsioon, läbipaistev aruandlus. Tulemus oli nii kiirem kui ka jõulisem; lõputöö kaitsmisel "Kuidas te verifitseerisite AI?" Ta vastas küsimusele selgelt. Õppetund: AI + kontrollimise distsipliin töötavad kõige paremini koos.

Levinud vead

• Varjatud struktuuri andmine üldisele AI-le. See seab ohtu patendi prioriteedi ja ärisaladuse.
• Identifitseeritavate isiku-/patsiendiandmete sisestamine. Privaatsuse rikkumine ja juriidiline risk.
• Kinnitusväravatest möödahiilimine. Turvalisus ja lõpuks edasiminek ilma inimese heakskiiduta.
• Vastutuse üleandmine AI-le. "AI soovitatud" ei vabanda ühtegi viga.
• Läbipaistvuse vältimine. Tehisintellekti kasutamise varjamine õõnestab terviklikkust.
• Kahekordse kasutamise riski ignoreerimine. AI kasutamine kahjulike rakenduste jaoks on ebaeetiline.

Näpunäide: kujundage oma töövoog nii, et "iga kriitilise otsuse inimene peatab ja kiidab heaks". Tehke tehisintellekt lüliks, mis kiirendab ahelat ja ketti hoidev sõlm on alati inimene.

Kokkuvõttes

• Inimprintsiip eksperimenteerimisel: igas kriitilises keemilises otsuses inimene mõistab, jälgib ja kiidab heaks.
• Privaatsus: ärge edastage avalikule tehisintellektile ainulaadseid artefakte, isikuandmeid ja ärisaladusi; Kasutage üldist puhverserverit.
• Eetika: läbipaistvus, vastutustunne, pahatahtlikkus, ausus on neli aluspõhimõtet.
• Lõpp-lõpuni töövoo puhul kiireneb tehisintellekt igas etapis; inimesed kontrollivad ja omavad.
• Asetage inimeste kinnitusväravad kriitilistesse punktidesse (turvalisus, lõpptulemus) ja säilitage jälgitavus.

Rakenduse ülesanne

Valige oma projekt (reaalne või hüpoteetiline) ja kujundage tehisintellekti-inimese töövoog algusest lõpuni. Kohandage ülaltoodud 9-etapiline tabel oma projektiga: mida AI igas etapis teeb, mida inimene heaks kiidab? Rakendage privaatsuse eelfiltrit: millist teavet te AI-le ei anna, kuidas te seda üldistate? Määratlege vähemalt kaks inimeste heakskiitmise väravat ja üks jälgitavusmeetod. Kirjutage üheleheküljeline töövoo ja kinnitusplaan.

kontrollnimekiri

• [ ] Katses mõistsin inimese põhimõtet ja miks see vajalik oli.
• [ ] Üldistan peidetud struktuuri/andmeid, andmata seda üldisele tehisintellektile.
• [ ] Järgin läbipaistvuse, vastutustunde, pahatahtlikkuse ja aususe põhimõtteid.
• [ ] Eraldasin tehisintellekti/inimese rollid otsast lõpuni töövoos.
• [ ] Panin kriitilistesse punktidesse inimeste heakskiiduväravad.
• [ ] Jälgin, milline väljund AI-st tuleb ja kuidas seda kontrollitakse.

Mooduli eksam

1. Milline järgmistest on tehisintellekti kõige täpsem positsioneerimine keemias?

• A) Tehisintellekt on koodi-, mustandi- ja toimetamisassistent; Vastutus struktuuri, arvu, ressursside, turvalisuse ja eetiliste otsuste eest lasub inimestel ✔
• B) Tehisintellekt on keemiamootor ja selle antud molekulmassid on alati täpsed.
• C) Tehisintellekt töötab ainult kirjanduse ülevaates, sellel pole analüüsi ja turvalisusega mingit pistmist
• D) Kuna tehisintellekt on inimestest erapooletum, tuleks julgeolekuotsused jätta tema teha

Kirjeldus: Tehisintellekt; See on assistent, kes kirjutab koodi, toodab mustandeid, ehitab retrosünteesi skeleti, aitab ja korraldab spektritõlgendust. Deterministlik molekulmassi ja stöhhiomeetria arvutamine, struktuuri kontrollimine RDKitiga, tsitaatide kinnitamine andmebaasis, ohutuse otsustamine SDS/GHS-iga ja lõplik vastutus kuulub aga pädevale keemikule. Suur keelemudel ei ole kalkulaator ega keemiamootor; See on tekstigeneraator, mis genereerib "järgmise kõige tõenäolisema sõna" ja selle kontrollimata väljund võib põhjustada vale struktuuri, numbri või ohu.

2. Kuidas on tehisintellektile kõige usaldusväärsem molekuli kirjeldada?

• A) Kirjutades ainult türgi üldnimetuse
• B) SMILES-i struktuuri esituse andmine ja identiteedi kinnitamine InChIKey abil ✔
• C) Lihtsalt molekulmassi ütlemine
• D) Piisab kaubamärgi kirjutamisest

Selgitus: nimed (eriti kaubanduslikud ja sünonüümnimed) on mitmetähenduslikud ja võivad viia vale molekulini. Molekulile struktuuri tähistus, näiteks SMILES, annab täpsuse; Tema isik on andmebaasis kinnitatud InChIKeyga. Lisaks tuleb tehisintellekti antud SMILES-id parsida RDKitiga ja kontrollida kanoniseerimisega.

3. Kuidas kasutada tehisintellekti antud molekulmassi?

• A) Kasutades seda otse, sest tehisintellekt on arvuliselt usaldusväärne
• B) Arvutage ja kontrollige sõltumatult valemist käsitsi või RDKit ✔ abil
• C) Piisab, kui küsida teiselt tehisintellektilt ja võrrelda
• D) Molekulmass ei ole oluline, kontrollimine pole vajalik

Selgitus: Molekulmass on molekulaarvalemist deterministlikult arvutatud suurus. Seega on keelemudeli küsimine kõige nõrgem viis; Seda tuleks iseseisvalt kontrollida sellise tööriistaga nagu RDKit või arvutades selle valemist käsitsi. Keelemudel võib sobitada sellised arvud "tõenäolise välimusega" väärtusega.

4. Mida tuleks teha enne tehisintellekti tagastatud kirjanduse tsitaadi (artikkel/DOI) kasutamist?

• A) mitte midagi; Kui tehisintellekt annab viite, on see tõeline
• B) Piisab pealkirja vaatamisest, et see veenev välja näeks.
• C) Iga tsitaadi ja DOI kinnitamine, dekodeerides need andmebaasis (doi.org, Crossref) ✔
• D) Pikk DOI number tõestab, et see on tõeline.

Kirjeldus: keelemudel võib luua artikleid, autoreid ja DOI-sid, mis näevad välja realistlikud, kuid mida pole olemas (võltsitata). See, et see annab DOI, ei tähenda, et see kehtiks. Iga tsitaat tuleb resolutsiooniga kontrollida andmebaasis, nagu doi.org, Crossref või väljaandja sait; Kõige turvalisem on see, kui inimene leiab õige artikli ja laseb tehisintellektil teksti kokku võtta.

5. Millises valdkonnas on tehisintellekt kõige nõrgem ja vajab reaktsiooni planeerimisel kinnitust?

• A) Tuvastades, millisesse üldklassi reaktsioon kuulub
• B) Täpsed tingimuste numbrid, saagise väärtused ja reaktiivi/katalüsaatori nimetused ✔
• C) Mehhanismi selgitamine lihtsas keeles
• D) Ajurünnak alternatiivsete marsruutide leidmiseks

Selgitus: AI ennustab üldiselt hästi reaktsiooni tüüpi ja hästi dokumenteeritud reaktsioonide põhiprodukti. Täpsed tingimuste numbrid (temperatuur, aeg, ekvivalent), saagise väärtused, haruldased reaktsioonid ja reaktiivi/katalüsaatori nimetused on aga kõige nõrgemad ja kõige altid valmistama; need tuleks kinnitada kirjanduse ja kataloogidega.

6. Mis on kõige usaldusväärsem viis tehisintellekti spektritõlgenduses kasutada?

• A) Andke lihtsalt mõned tipud ja küsige "mis spekter see on?" küsida
• B) Eeldatava struktuuri ja täielike algandmete esitamine ning järjepidevuse kontrollimine (hüpoteesi testimine) ✔
• C) Ainult nihkeväärtuste kirjutamine ilma integreerimist ja jagamist tegemata
• D) lõplik struktuuri määramine ühe tehnikaga (ainult IR)

Kirjeldus: küsige tehisintellektilt, mis ühend see spekter on? Nullist küsimine suurendab veamäära. Kõige usaldusväärsem viis on anda oodatud struktuur (SMILES) ja algandmed (integratsioon, poolitamine, lahendaja, tippude loend) koos ning küsida "kas need andmed on selle struktuuriga kooskõlas?" on küsida; ehk tehisintellekti kasutamine hüpoteeside testijana. Lõplik ülesanne on keemikule, kes uurib katsespektrit.

7. Kuidas on kõige usaldusväärsem viis saada keemilise arvutuse tulemus (nt saagis protsentides)?

• A) Tulemuse küsimine otse tehisintellektilt verbaalselt
• B) Printige välja ja käivitage konto Pythoni kood ning testige seda tuntud näitega ✔
• C) Esitage sama küsimus mitu korda ja leidke number, mis kõige sagedamini ette tuleb
• D) Kiire hindamine ilma ühikut määramata

Selgitus: keelemudel teeb aritmeetikat, "ennustades tõenäolist tulemust" ja võib olla vale isegi väga lihtsate korrutuste korral. Kõige usaldusväärsem viis on lasta tehisintellektil kirjutada oma KOOD (nt Python), mitte konto ise, ja käivitada see kood; kood on deterministlik ja auditeeritav. Koodi tuleks testida ka väikese valimiga, mille vastus on teada.

8. Mida tähendab mõiste „rakendusdomeen” molekulaarsete omaduste prognoosimisel?

• A) Arvuti, milles mudel töötab, töötlemisvõimsus
• B) Koolitusandmetega sarnane molekulaarne piirkond, kus mudel annab usaldusväärseid ennustusi ✔
• C) Kindluspiirkond, kus mudeli antud number on alati täpne
• D) Temperatuurivahemik, milles molekuli saab laboris sünteesida

Selgitus: QSAR/ennustusmudel töötab hästi molekulidel, mis on sarnased molekulidega, mille kallal seda treeniti. Arvestades koolitusandmetest väga erinevat molekuli, annab mudel siiski arvu, kuid see on ebausaldusväärne; seda nimetatakse kohaldamisalast välja jäämiseks. Mudel annab alati vastuse; Inimene peab hindama, kas vastus on usaldusväärne või mitte.

9. Milline on õige lähenemine vaatluste käsitlemiseks katse dokumentatsioonis?

• A) Aja säästmiseks tehisintellektile vaatluste kirjutamine
• B) Katse tegija paneb tähelepanekud kirja; AI ainult vormindab ja kontrollib ✔
• C) Piisab, kui vaatlusi ei registreerita, kirjutage lihtsalt lõppsaak
• D) Kavast kõrvalekallete peitmine, et aruanne kena välja näeks

Selgitus: tehisintellekt ei tea, mis see on; Vaatluste (värvimuutus, gaaside eraldumine jne) sellesse sobitamine tekitab rekordeid, mis tunduvad usutavad, kuid mida ei juhtunud, ja see on teaduslik pettus. AI vormindab salvestise, tuletab meelde puuduvad väljad ja kontrollib korratavust; kuid inimkatse läbiviija peab esitama tähelepanekud ja faktid. Samuti tuleb fikseerida kõrvalekalded plaanist.

10. Milline on tehisintellekti roll laboriohutuses ja tõe allikas?

• A) Kui tehisintellekt ütleb "ohutu", pole muud allikat vaja
• B) Tõe allikaks on SDS ja GHS; AI on abiks, kuid ei saa öelda viimast sõna ✔
• C) Turvaotsuseid saab täielikult delegeerida tehisintellektile
• D) SDS pole vajalik; Internetifoorumid pakuvad piisavalt teavet.

Kirjeldus: Ohutus on keemias kõrgeim prioriteet ja tehisintellekt ei saa siin kunagi öelda viimast sõna. Tegeliku ohutusteabe allikaks on SDS (Safety Data Sheet) ja GHS-i klassifikatsioon, mille tootja annab. Tehisintellekt suudab SDS-i teksti kokku võtta, vormi mustandeid genereerida ja esialgset mittevastavuse kontrolli teostada; Kõik väited tuleb aga SDS-iga kontrollida ja protseduuri peab heaks kiitma kogenud isik/julgeolekuametnik.

11. Milline järgmistest reaktiivide kombinatsioonidest on teadaolevalt ohtlik (ühildumatu) vaste?

• A) Vee ja lauasoola segamine
• B) Happelise lahuse segamine hüpokloriti sisaldava lahusega (kloorigaasi oht) ✔
• C) Etanooli ja vee segamine
• D) Suhkru ja vee lahustamine

Selgitus. Kuigi mõned kemikaalid on üksi suhteliselt ohutud, on need ohtlikud koos. Happe ja hüpokloriti segamisel eraldub kloorigaas; Oksüdeerija + orgaaniline kujutab endast tulekahju/plahvatusohtu, vesi + reaktiivne metallisoojus/vesinik. Kuigi tehisintellekt teab enamikku neist kombinatsioonidest, ei garanteeri see neid kõiki ja võib mõnikord esitada ohtlikke vihjeid süütus keeles; iga protseduuri tuleks kontrollida ohutuskaardi mittevastavuse suhtes.

12. Mis on hallutsinatsiooni (tehisintellekt, mis toodab väljamõeldud teavet) kõige täpsem väljend?

• A) See on haruldane tarkvaraviga ja see kõrvaldatakse värskendusega täielikult.
• B) see on keelemudelile omane käitumine; Lahenduseks on iga väljundi sõltumatu kontrollimine ✔
• C) See ilmub ainult valesti kirjutatud viipades, mitte kunagi õigetes viipades.
• D) Kui tehisintellekt räägib turvalises keeles, pole see hallutsinatsioon

Selgitus: hallutsinatsioon ei ole rike, vaid selle keelemudeli olemuse tulemus, mis tekitab "järgmise kõige tõenäolisema sõna"; Mudel sihib võimalikku, mitte tõsist. Kõige salakavalam osa on see, et see esitab valeinformatsiooni samas enesekindlas keeles kui tõde. Lahenduseks ei ole proovida mudelit parandada, vaid ehitada iga väljundi ümber tüübile vastav valideerimiskest; sujuvus ei ole kunagi tõend täpsusest.

13. Mida tähendab „triangulatsioon” kriitilise väärtuse (nt molekulmassi) kontrollimiseks?

• A) Sama küsimuse esitamine samale tehisintellektile kolm korda
• B) Võrdlemine ja samale järeldusele jõudmine rohkem kui ühel sõltumatul viisil ✔
• C) Kolme erineva molekuli massi korraga arvutamine
• D) Tulemuse ümardamine kolme kümnendkohani

Selgitus: triangulatsioon jõuab samale järeldusele mitme sõltumatu tee kaudu; Näiteks molekulmassi võrdlemine tehisintellekti, RDKit-arvutuse ja käsitsi arvutamise järgi. Kui kaks sõltumatut teed kattuvad, on usaldus kõrge; Kui keegi kaldub kõrvale, siis see peatatakse ja uuritakse. Selle asemel, et toetuda ühele allikale, tuleks otsida vähemalt kahte sõltumatut meetodit.

14. Kuidas on õige küsida üldisest tehisintellekti teenusest unikaalse molekuli kohta, mis pole patenteeritud?

• A) Esialgse struktuuri otse andmine, sest kiirus on oluline
• B) Strateegia õppimine üldise/asendusnäite kaudu ilma algset struktuuri paljastamata ✔
• C) Struktuuri andmine pole probleem, tehisintellekt ei varja kunagi teavet
• D) Molekuli nime avaldamata jätmine, vaid ainult kogu selle SMILES jagamine on piisav kaitse.

Kirjeldus: Üldisesse tehisintellektiteenusesse sisestatud sisu võib säilitada või töödelda vastavalt teenusepoliitikale; Originaalse struktuuri andmine riskib konfidentsiaalsuse ja patendiprioriteediga. Õige lähenemine on õppida strateegiat üldisest/asendusnäitest (sarnane struktuuride klass) ja rakendada seda oma molekulile ettevõttesiseselt, ilma algset struktuuri paljastamata. Samuti ei tohiks isiku-/patsiendiandmeid sisestada tuvastataval kujul.