Ember a kísérletezésben: etika, adatvédelem, felelősség és teljes körű munkafolyamat

Nyereség:

• Az emberi elv integrálása a kísérlet végponttól végpontig terjedő munkafolyamatába, és a mesterséges intelligencia/emberi szerepek szétválasztása minden szakaszban
• Képes általános proxy példákkal dolgozni anélkül, hogy bizalmas szerkezetet és adatokat adna az általános mesterséges intelligencia számára
• Képes emberi jóváhagyási kapukat elhelyezni a kritikus pontokon, és vállalni a végső felelősséget átláthatóság és nyomon követhetőség mellett

Ebben az utolsó egységben a teljes modult egyetlen keretbe egyesítjük: human-in-the-loop. Ez az elv azt mondja, hogy bármennyire is képes az MI, az embernek meg kell értenie, irányítania és jóváhagynia kell a kémiai döntések minden kritikus pontját. Ebben az egységben először tisztázzuk az etikai és titoktartási szempontokat, majd létrehozunk egy végponttól végpontig terjedő munkafolyamatot, amely egy molekulát az ötlettől a jelentésig tart, és megnézzük, hogyan osztja meg a mesterséges intelligencia és az emberek a munkát minden szakaszban. A cél az, hogy mindent, amit megtanultál, egy olyan rendszerré alakítsd, amely illeszkedik a napi munkához.

Adatvédelem: mit ne adjunk az AI-nak?

A kémia gyakran bizalmas információkkal dolgozik: nem szabadalmaztatott molekulák, vállalati titkos szintézis útvonalak, nem publikált adatok, betegminták. A nyilvános mesterségesintelligencia-szolgáltatásba beírt szövegek tárolása vagy feldolgozása a szolgáltatás szabályzatának megfelelően történhet. Ezért:

• Ellenőrizze intézményi szabályzatát, mielőtt publikálatlan eredeti struktúrákat (szabadalom előtti molekulákat) nyilvánosságra hozna a mesterséges intelligencia számára.
• Soha ne adja meg a személyes/betegadatokat (klinikai mintákat) azonosítható formában.
• Tekintse át a titoktartási megállapodásokat, mielőtt megosztaná az üzleti titok szintézisét.
• Ha szükséges, válasszon házon belüli/egyedi telepítésű AI-eszközöket.

Vigyázat: Egy általános mesterséges intelligencia megkérdezése egy molekuláról azt jelentheti, hogy felfedjük az adott molekula szerkezetét. Egyedi, nem szabadalmaztatott szerkezet esetén ez veszélyeztetheti az Ön elsőbbségét (szabadalmi jog). Kérjen rejtett struktúrákat általános/helyettesítő példákkal.

Etika: négy alapelv

1. Átláthatóság: Ne rejtsd el, hol használod az AI-t; Tartsa be a közzétételi és intézményi szabályzatot.
2. Felelősség: Az ember felelős a végső döntésért; Az „AI javasolt” nem ad felmentést a biztonság vagy az integritás megsértésére.
3. Nem rosszindulat: Ne használjon mesterséges intelligenciát veszélyes/illegális szintézisekhez, kettős felhasználású (fegyverek potenciális) alkalmazásokhoz.
4. Méltányosság és őszinteség: Ne torzítsa el az adatokat, ne szépítse meg az eredményeket, ne találjon ki hozzárendeléseket.

Végpontok közötti munkafolyamat: molekula → jelentés

Most egyesítsük az egész modult egyetlen folyamatba. Minden szakaszban ügyeljen arra, hogy különbséget tegyen az AI és az ember tevékenysége között.

Színpad

Az AI szerepe

Az ember (kritikus) szerepe

1. Ötlet/irodalom

Fogalom összefoglaló, keresési kifejezés

A valódi forrás megtalálása, a forrásmegjelölés megerősítése

2. Szerkezet leírása

MOSOLYOK generálása

Hitelesítés RDKit, InChIKey segítségével

3. Szintézis terv

Retroszintézis, alternatívák

Irodalmi megerősítés, útválasztás

4. Biztonság

SDS-összefoglaló, előzetes eltérés

SDS felolvasás, jóváhagyás, PPE határozat

5. Alkalmazás

(Nincs)

Minden laboratóriumi munka

6. Elemzés

Spectrum megjegyzés támogatás

Végső szerkezeti feladat

7. Adatfeldolgozás

kód írása

Futtassa a kódot, ellenőrizze az eredményt

8. Dokumentáció

Formázás, vezérlés

Megfigyelés, eltérés, aláírás

9. Jelentés

szövegtervezet

Szám/idézet ellenőrzése, elszámoltatás

Ez a táblázat bemutatja, hogyan van elrendezve a modul 11 egysége egyetlen feladatba. Az AI felgyorsul; az emberek igazolják és birtokolják.

Lépésről lépésre: a munkafolyamat beállítása

1. Tisztázza a szerepeket: Minden feladatnál: „A mesterséges intelligencia vagy az ember dönt?” határozzuk meg az elejétől.
2. Állítson be egy adatvédelmi szűrőt: Anélkül, hogy adna valamit az AI-nak, megkérdezheti, hogy ez privát/privát? kérdez.
3. Helyezzen ellenőrző kaput: Egy ellenőrzési lépés minden szakasz végén (táblázat a 10. egységben).
4. Nyomon követhetőség: milyen kimenet származott az MI-től, hogyan ellenőrizték, ki hagyta jóvá.
5. Jóváhagyási pontok beállítása: Az emberi jóváhagyás kötelező olyan kritikus pontokon, mint a biztonság és a végeredmény.
6. Visszajelzés: Rögzítsen minden észlelt hibát, és javítsa a munkafolyamatot.

Négy másolható sablon

1) Adatvédelmi előszűrő:

Mielőtt kérdést tenne fel, gondolja át a következőket:Tartalom: [MIT KÉRDEZEK]Feladat: Tartalmaz ez a tartalom kiadatlan eredeti műalkotásokat, személyes adatokat vagy üzleti titkokat? Ha igen, javasolja, hogyan írhatnám át a kérdést egy általános/helyettesítő példával, amely elrejti a szerkezetet.

2) Fázisvégi ellenőrző kapu:

A következő fázist fejeztem be: [FÁZIS, pl. szintézisterv].Feladat: Sorolja fel az összes olyan elemet, amelyet ebből a szakaszból kilépve ellenőrizni kell (szám, hivatkozás, szerkezet, biztonsági igény). Mindegyikhez írja be az ellenőrzési módot, és azt, hogy kinek kell megerősítenie. Jelölje meg a nyitott elemeket, amelyeket be kell zárni, mielőtt a következő lépésre lépne.

3) Emberi-AI szereposztási terv:

Projektem: [RÖVID LEÍRÁS].Feladat: Ossza fel ezt a projektet fázisokra. Minden szakaszban tegyen különbséget a következők között: - Mit tehet az AI (vázlat, kód, összefoglaló) - Amit az embernek kell eldöntenie (biztonság, következmény, jóváhagyás). Jelölje meg azokat a kritikus pontokat, ahol a végső felelősség az embert terheli.

4) Jelentés integritásának ellenőrzése:

Alább látható a jelentéstervezetem:[TERVEZET]Feladat: Ellenőrizze és jelölje be a következőket:1) Vannak-e ellenőrizetlen számok/idézetek?2) Átláthatóan van-e feltüntetve az AI használata?3) Az adatok "megszépülve" (kiugróan elrejtve)?4) Vannak-e biztonsági/etikai hibák? [ELLENŐRIZZE], ahol bizonytalan.

Gyenge felszólítás / Erős felszólítás

Gyenge:

Mi a legjobb módja cégünk új titkos molekulájának szintetizálásának?[tényleges eredeti szerkezet]

Ez az eredeti szabadalom előtti szerkezetet általános szolgáltatásnak teszi ki; Az elsőbbséget és a bizalmasságot veszélyezteti.

Erős:

Szeretném megtanulni az aromás ketonok egy osztályának hasonló szerkezetére vonatkozó általános retroszintézis stratégiát. Magyarázza el egy általános példán keresztül (acetofenon-származék), anélkül, hogy megadná a konkrét, eredeti szerkezetet. Házon belül alkalmazom a stratégiát a saját molekulámra.

Különbség: a látens struktúra feltárása nélkül ugyanazt a tanulást sikerült elérni, mint az általános helyettesítő példánál.

mini tokok

1. eset – Az eredeti szerkezet feltárása. Egy csapat megkérdezett egy általános mesterséges intelligenciát egy egyedi molekuláról, mielőtt szabadalmat kért volna. A jogi egység kijelentette, hogy ez megkérdőjelezheti az elsőbbséget; A folyamat késett. Tanulság: kérjen egyedi struktúrákat általános proxyval, tartsa tiszteletben az adatvédelmi szabályzatot.

2. eset – Emberi hozzájárulás akadályozta meg a balesetet. Az automatizált munkafolyamatban az AI elkészített egy eljárástervezetet, amelyet közvetlenül kellett végrehajtani; Ám egy tapasztalt vegyész elkapott egy pár összeférhetetlen reagenst az átfolyó "biztonsági engedély" kapujában. Tanulság: a kritikus pontokon az emberi jóváhagyó kapuk életeket mentenek.

3. eset – Végtől-végig fegyelem. Egy mesterszakos hallgató a teljes modult egy projektben valósította meg: szakirodalmi összefoglaló + aktuális hivatkozás-ellenőrzés AI-val, szerkezet-ellenőrzés RDKit-tel, adatelemzés kóddal, biztonság SDS-szel, őszinte dokumentáció, átlátható jelentés. Az eredmény gyorsabb és robusztusabb is volt; a szakdolgozatvédésben "Hogyan ellenőrizted az AI-t?" Világosan válaszolt a kérdésre. Tanulság: Az AI + ellenőrzési fegyelem együtt működik a legjobban.

Gyakori hibák

• A látens struktúra megadása az általános mesterséges intelligencia számára. Ez veszélyezteti a szabadalmi elsőbbséget és az üzleti titkot.
• Azonosítható személyes/beteg adatok megadása. Adatvédelmi jogsértés és jogi kockázat.
• A jóváhagyó kapuk megkerülése. Biztonság és végső soron emberi jóváhagyás nélkül való előrehaladás.
• A felelősség átruházása az AI-ra. Az „AI javasolt” nem ad felmentést a hibákra.
• Az átláthatóság elkerülése. Az AI használatának eltitkolása aláássa az integritást.
• A kettős használat kockázatának figyelmen kívül hagyása. Etikátlan az AI használata káros alkalmazásokhoz.

Tipp: Tervezze meg munkafolyamatát úgy, hogy „minden kritikus döntést az ember megáll és jóváhagy”. Legyen az AI olyan láncszem, amely felgyorsítja a láncot, és a láncot tartó csomópont mindig ember.

Összefoglalva

• Emberi elv a kísérletezésben: minden kritikus kémiai döntést az ember megért, felügyel és jóváhagy.
• Adatvédelem: ne adjon át egyedi műtermékeket, személyes adatokat és üzleti titkokat nyilvános mesterséges intelligencia számára; Használjon általános proxyt.
• Etika: az átláthatóság, a felelősség, a rosszindulat-mentesség, az őszinteség a négy alapelv.
• A végpontok közötti munkafolyamatban az AI minden szakaszában felgyorsul; az emberek igazolják és birtokolják.
• Helyezzen emberi jóváhagyási kapukat a kritikus pontokra (biztonság, végeredmény), és tartsa fenn a nyomon követhetőséget.

Pályázati feladat

Válasszon egy saját projektet (valós vagy hipotetikus), és tervezzen meg egy mesterséges intelligencia-emberi munkafolyamatot az elejétől a végéig. A fenti 9 szakaszból álló táblázatot a saját projektjéhez igazítsa: mit fog tenni az AI az egyes szakaszokban, mit fog jóváhagyni az ember? Alkalmazzon adatvédelmi előszűrőt: milyen információkat nem ad meg az AI-nak, hogyan általánosítja azokat? Határozzon meg legalább két emberi jóváhagyási kaput és egy nyomonkövetési módszert. Írjon egy egyoldalas „munkafolyamat- és ellenőrzési tervet”.

ellenőrző lista

• [ ] A kísérlet során megragadtam az emberi elvet és azt, hogy miért volt erre szükség.
• [ ] Általánosítom a rejtett struktúrát/adatokat anélkül, hogy megadnám az általános mesterséges intelligenciának.
• [ ] Betartom az átláthatóság, a felelősségvállalás, a rosszindulat-mentesség és az őszinteség elveit.
• [ ] A teljes munkafolyamatban szétválasztottam az AI/emberi szerepköröket.
• [ ] Emberi jóváhagyási kapukat tettem a kritikus pontokra.
• [ ] Nyomon követem, hogy milyen kimenet származik az AI-ból, és hogyan ellenőrizhető.

Modul vizsga

1. Az alábbiak közül melyik a legpontosabb helymeghatározás a mesterséges intelligencia számára a kémiában?

• A) A mesterséges intelligencia kód-, vázlat- és szerkesztősegéd; A szerkezetért, a számért, az erőforrásokért, a biztonságért és az etikai döntésekért a felelősség az embereket terheli ✔
• B) A mesterséges intelligencia egy kémiai motor, és az általa megadott molekulasúlyok mindig pontosak.
• C) A mesterséges intelligencia csak szakirodalmi áttekintésben működik, semmi köze az elemzéshez és a biztonsághoz
• D) Mivel a mesterséges intelligencia pártatlanabb, mint az ember, a biztonsági döntéseket rá kell bízni

Leírás: Mesterséges intelligencia; Ez egy asszisztens, aki kódot ír, piszkozatokat készít, retroszintézisvázat épít, segít és szervezi a spektrumértelmezést. A molekulatömeg és a sztöchiometria determinisztikus számítása, a szerkezet RDKit-tel történő ellenőrzése, az adatbázisban szereplő hivatkozások megerősítése, az SDS/GHS-sel történő biztonságossági döntés és a végső felelősség azonban az illetékes vegyészt illeti. A nagy nyelvi modell nem egy számológép vagy egy kémiai motor; Ez egy szöveggenerátor, amely a „következő legvalószínűbb szót” állítja elő, és ellenőrizetlen kimenete helytelen szerkezethez, számhoz vagy veszélyhez vezethet.

2. Mi a legmegbízhatóbb módja egy molekula leírásának a mesterséges intelligencia számára?

• A) Csak a török köznév írása
• B) Szerkezetábrázolás, például SMILES, és az azonosság megerősítése az InChIKey segítségével ✔
• C) Csak a molekulatömeget mondjuk el
• D) Elegendő a védjegyet felírni

Magyarázat: A nevek (különösen a kereskedelmi és szinonimanevek) nem egyértelműek, és rossz molekulához vezethetnek. Ha a molekulának szerkezeti jelölést adunk, mint például a SMILES, az pontosságot biztosít; Személyazonosságát az InChIKey adatbázisa erősíti meg. Ezenkívül a mesterséges intelligencia által adott SMILES-eket az RDKit segítségével elemezni kell, és kanonizálással ellenőrizni kell.

3. Hogyan kell használni a mesterséges intelligencia által megadott molekulatömeget?

• A) Közvetlen használata, mert az AI számokban megbízható
• B) Számítsa ki és ellenőrizze a képletből függetlenül manuálisan vagy az RDKit ✔ segítségével
• C) Elég csak megkérdezni egy másik mesterséges intelligenciát, és összehasonlítani
• D) A molekulatömeg nem fontos, nincs szükség ellenőrzésre

Magyarázat: A molekulatömeg a molekulaképletből determinisztikusan kiszámított mennyiség. Tehát a nyelvi modell megkérdezése a leggyengébb út; Ezt függetlenül kell ellenőrizni egy olyan eszközzel, mint az RDKit, vagy manuálisan, egy képletből kiszámolva. A nyelvi modell illeszthet ilyen számokat „valószínű kinézetű” értékkel.

4. Mit kell tenni a mesterséges intelligencia által visszaadott irodalmi hivatkozás (cikk/DOI) használata előtt?

• A) Semmi; Ha a mesterséges intelligencia hivatkozást ad, az igazi
• B) Elég, ha ránézünk a címre, hogy meggyőzőnek tűnjön.
• C) Minden hivatkozás és DOI megerősítése egy adatbázisban való dekódolással (doi.org, Crossref) ✔
• D) A hosszú DOI-szám bizonyítja, hogy valódi.

Leírás: A nyelvi modell olyan cikkeket, szerzőket és DOI-kat hozhat létre, amelyek valósághűnek tűnnek, de nem léteznek (hamis idézet). Csak azért, mert DOI-t ad, nem jelenti azt, hogy érvényes. Minden idézetet felbontással ellenőrizni kell egy adatbázisban, például a doi.org-ban, a Crossref-ben vagy a kiadó webhelyén; A legbiztosabb az, ha az ember megtalálja a valódi cikket, és a szöveget a mesterséges intelligencia összegzi.

5. Melyik területen a leggyengébb a mesterséges intelligencia, és mely területen igényel megerősítést a reakciótervezés során?

• A) Annak felismerésében, hogy a reakció melyik általános osztályba tartozik
• B) Pontos állapotszámok, hozamértékek és reagens/katalizátor nevek ✔
• C) Egy mechanizmus magyarázata közérthető nyelven
• D) Ötletbörze alternatív útvonalakra

Magyarázat: A mesterséges intelligencia általában jól megjósolja a reakció típusát és a jól dokumentált reakciók fő termékét. Azonban a pontos állapotszámok (hőmérséklet, idő, egyenérték), a hozamértékek, a ritka reakciók és a reagens/katalizátor elnevezések a leggyengébbek és a leggyengébbek a gyártásra; ezeket irodalommal és katalógusokkal kell megerősíteni.

6. Mi a legmegbízhatóbb módja a mesterséges intelligencia felhasználásának a spektrumértelmezésben?

• A) Csak adjon meg néhány csúcsot, és kérdezze meg: "Mi a spektrum ez?" megkérdezni
• B) Az elvárt struktúra és teljes nyers adatok megadása és konzisztencia ellenőrzése (hipotézisvizsgálat) ✔
• C) Csak az eltolási értékek írása integráció és osztás nélkül
• D) A végleges szerkezet hozzárendelése egyetlen technikával (csak IR)

Leírás: Kérdezd meg az AI-tól, hogy melyik vegyület ez a spektrum? A nulláról való kérdezés növeli a hibaarányt. A legmegbízhatóbb módszer, ha megadjuk a várt struktúrát (SMILES) és a nyers adatokat (integráció, felosztás, megoldó, csúcslista), és megkérdezzük: „Ez az adat összhangban van ezzel a struktúrával?” kérdezni; vagyis a mesterséges intelligencia hipotézisvizsgálóként való felhasználása. A végső feladat a kísérleti spektrumot vizsgáló vegyészé.

7. Mi a legmegbízhatóbb módja a kémiai számítás eredményének (pl. százalékos hozam) megszerzésének?

• A) Az eredmény szóban közvetlenül a mesterséges intelligenciától kérése
• B) Nyomtassa ki és futtassa a fiók Python kódját, és tesztelje egy ismert példával ✔
• C) Tegye fel többször ugyanazt a kérdést, és válassza ki a leggyakrabban előforduló számot
• D) Gyors becslés a mértékegység megadása nélkül

Magyarázat: A nyelvi modell úgy aritmetik, hogy „megjósolja a valószínű eredményt”, és még nagyon egyszerű szorzások esetén is hibás lehet. A legmegbízhatóbb módja az, hogy az AI írja meg a KÓDJÁT (pl. Python), nem magát a fiókot, és futtassa azt; a kód determinisztikus és auditálható. A kódot egy kis mintával is tesztelni kell, amelynek a válasza ismert.

8. Mit jelent az „alkalmazhatósági tartomány” fogalma a molekuláris tulajdonságok előrejelzésében?

• A) Annak a számítógépnek a feldolgozási teljesítménye, amelyen a modell fut
• B) A képzési adatokhoz hasonló molekuláris régió, ahol a modell megbízható előrejelzéseket ad ✔
• C) Biztosítási terület, ahol a modell által megadott szám mindig pontos
• D) Az a hőmérséklet-tartomány, amelyben a molekula laboratóriumban szintetizálható

Magyarázat: A QSAR/előrejelzési modell jól működik azokon a molekulákon, amelyek hasonlóak azokhoz a molekulákhoz, amelyekre betanították. Adott egy molekula, amely nagyon különbözik a betanítási adatoktól, a modell még mindig számot ad, de ez megbízhatatlan; ezt „az alkalmazhatóság körén kívül esőnek” nevezik. A modell mindig választ ad; Az ember feladata annak megítélése, hogy a válasz megbízható-e vagy sem.

9. Mi a helyes megközelítés a kísérleti dokumentációban szereplő megfigyelések kezeléséhez?

• A) Megfigyelések írása a mesterséges intelligenciának, hogy időt takarítson meg
• B) A kísérletet végző személy feljegyzi a megfigyeléseket; Az AI csak formátumokat és ellenőrzéseket végez ✔
• C) Elegendő nem rögzíteni a megfigyeléseket, csak megírni a végső termést
• D) A tervtől való eltérések elrejtése, hogy a jelentés szép legyen

Magyarázat: A mesterséges intelligencia nem tudja, mi az; Ha megfigyeléseket (színváltozás, gázkibocsátás stb.) illesztünk bele, olyan feljegyzések születnek, amelyek hihetőnek tűnnek, de nem történtek meg, ez pedig tudományos csalás. Az AI formázza a felvételt, előhívja a hiányzó mezőket, és ellenőrzi az ismételhetőséget; de az emberkísérletezőnek biztosítania kell a megfigyeléseket és a tényeket. A tervtől való eltéréseket is rögzíteni kell.

10. Mi a mesterséges intelligencia szerepe a laboratóriumi biztonságban és az igazság forrása?

• A) Ha a mesterséges intelligencia azt mondja, hogy „biztonságos”, nincs szükség más forrásra
• B) Az igazság forrása az SDS és a GHS; A mesterséges intelligencia hasznos, de nem mondhatja ki a végső szót ✔
• C) A biztonsági döntések teljes mértékben a mesterséges intelligenciára ruházhatók
• D) SDS szükségtelen; Az internetes fórumok elegendő információt nyújtanak.

Leírás: A biztonság a legmagasabb prioritás a kémiában, és itt soha nem a mesterséges intelligencia mondhatja ki az utolsó szót. A tényleges biztonsági információk forrása a gyártó által biztosított SDS (Biztonsági adatlap) és GHS besorolás. A mesterséges intelligencia összefoglalhatja az SDS-szöveget, űrlapvázlatokat generálhat és előzetes nem megfelelőségi szűrést végezhet; Azonban minden igényt SDS-sel kell ellenőrizni, és az eljárást tapasztalt személynek/biztonsági tisztnek jóvá kell hagynia.

11. A következő reagenskombinációk közül melyik az ismert veszélyes (inkompatibilis) egyezés?

• A) Víz és konyhasó összekeverése
• B) Savas oldat keverése hipokloritot tartalmazó oldattal (klórgáz veszélye) ✔
• C) Az etanol és a víz összekeverése
• D) A cukor és a víz feloldása

Magyarázat: Noha egyes vegyszerek önmagukban viszonylag biztonságosak, együtt veszélyesek. A sav és a hipoklorit összekeverése klórgázt szabadít fel; Oxidálószer + szerves tűz/robbanásveszélyt jelent, víz + reaktív fémhő/hidrogén. Bár a mesterséges intelligencia a legtöbb ilyen kombinációt ismeri, nem garantálja mindegyiket, és néha ártatlan nyelven veszélyes sugallatot adhat; minden eljárást át kell vizsgálni az SDS-nek való meg nem felelés szempontjából.

12. Mi a legpontosabb kifejezés a „hallucinációra” (a mesterséges intelligencia, amely kitalált információt termel)?

• A) Ez egy ritka szoftverhiba, és egy frissítéssel teljesen kiküszöbölhető.
• B) Ez a nyelvi modellben rejlő viselkedés; A megoldás az egyes kimenetek független ellenőrzése ✔
• C) Csak a hibásan megírt promptokban jelenik meg, a helyes promptokban soha.
• D) Ha a mesterséges intelligencia biztonságos nyelven beszél, az nem hallucináció

Magyarázat: A hallucináció nem hibás működés, hanem a „következő legvalószínűbb szót” előállító nyelvi modell természetének eredménye; A modell a lehetségesre törekszik, nem az igazra. A legravatalosabb az, hogy hamis információkat közöl ugyanazon a magabiztos nyelven, mint az igazság. A megoldás nem az, hogy megpróbáljuk megjavítani a modellt, hanem minden kimenet köré egy típusnak megfelelő validációs héjat építünk; a folyékonyság soha nem a pontosság bizonyítéka.

13. Mit jelent a „háromszögelés” egy kritikus érték (pl. molekulatömeg) ellenőrzésére?

• A) Háromszor tesszük fel ugyanazt a kérdést ugyanannak a mesterséges intelligenciának
• B) Több független módon történő összehasonlítás és ugyanarra a következtetésre jutás ✔
• C) Három különböző molekula tömegének egyidejű kiszámítása
• D) Az eredmény kerekítése három tizedesjegyre

Magyarázat: A háromszögelés több független útvonalon keresztül jut ugyanarra a következtetésre; Például a molekulatömeg összehasonlítása mesterséges intelligencia, RDKit számítás és kézi számítás szerint. Ha két független út fedi egymást, a bizalom magas; Ha valaki eltér, azt leállítják és kivizsgálják. Ahelyett, hogy egyetlen forrásra támaszkodnánk, legalább két független módszert kell keresni.

14. Mi a helyes módja annak, hogy egy általános mesterséges intelligencia szolgáltatást kérdezzünk meg egy olyan egyedi molekuláról, amelyet nem szabadalmaztattak?

• A) Az eredeti szerkezet közvetlen megadása, mert a gyorsaság fontos
• B) Stratégia elsajátítása általános/helyettesítő példán keresztül az eredeti szerkezet felfedése nélkül ✔
• C) A struktúra megadása nem probléma, az AI soha nem rejti el az információkat
• D) Ha nem adjuk meg a molekula nevét, hanem csak megosztjuk a teljes SMILES-t, az elegendő védelem.

Leírás: Az általános mesterséges intelligencia szolgáltatásba bevitt tartalom a szolgáltatási szabályzatnak megfelelően tárolható vagy feldolgozható; Az eredeti szerkezet megadása a titoktartást és a szabadalmi elsőbbséget kockáztatja. A helyes megközelítés az, hogy megtanuljuk a stratégiát egy általános/helyettesítő példából (a szerkezetek hasonló osztályából), és házon belül alkalmazzuk a saját molekulájára anélkül, hogy felfednénk az eredeti szerkezetet. A személyes/betegadatokat sem szabad azonosítható formában megadni.