Pengantar Kecerdasan Buatan dalam Kimia: Peran, Batasan, Validasi dan Etika

Keuntungan:

• Mampu membedakan mana kecerdasan buatan menghemat waktu dalam alur kerja kimia (ide, desain, analisis, pelaporan) dan mana keputusan struktur, jumlah, sumber daya dan keselamatan diserahkan kepada manusia, tergantung pada tingkat risiko.
• Kemampuan untuk menerapkan disiplin yang secara mandiri memeriksa setiap keluaran dengan empat langkah Struktur-Jumlah-Sumber Daya-Keamanan
• Pahami mengapa senyawa dan angka yang dibuat-buat, referensi palsu, dan kesalahpahaman keamanan merupakan risiko yang harus dipertimbangkan sejak awal bagi profesi ini.

Kimia adalah ilmu eksperimental yang mempelajari struktur, transformasi dan sifat-sifat materi. Seorang ahli kimia menimbang, melarutkan, memanaskan dan mengukur di laboratorium; Di mejanya, dia menggambar molekul, merencanakan reaksi, menafsirkan spektrum, memindai literatur, dan menulis laporan. Kecerdasan buatan (disingkat AI, khususnya perangkat lunak yang menghasilkan teks dengan memprediksi “kata yang paling mungkin terjadi berikutnya”, dilatih pada model bahasa besar, yaitu data teks dalam jumlah besar) dapat secara signifikan mempercepat banyak pekerjaan di meja kerja ini. Namun ia tidak membangun labnya sendiri, tidak membaca timbangan, dan yang paling penting: ia tidak memverifikasi angka, rumus, atau kutipan apa pun yang dihasilkannya atas nama Anda. Modul ini mengajarkan cara menggunakan AI dalam kimia secara menyeluruh namun bertanggung jawab.

Pada unit pertama ini, saya ingin menanamkan satu gagasan di benak Anda: AI adalah asisten dalam bidang kimia, bukan ahli kimia. Menulis kode, membuat kerangka, membangun kerangka retrosintesis, membantu menafsirkan puncak spektrum, merangkum literatur. Namun, ahli kimia yang kompetenlah yang memutuskan apakah molekul tersebut benar-benar dapat disintesis, apakah suatu reaksi aman atau tidak, apakah suatu referensi asli atau tidak, dan tanggung jawab utama.

Di manakah peran AI dalam alur kerja kimia?

Mari kita bagi secara kasar proyek kimia menjadi lima fase: (1) ide dan literatur, (2) desain molekul dan reaksi, (3) aplikasi laboratorium, (4) analisis dan karakterisasi, (5) pelaporan. AI membawa nilai-nilai yang sangat berbeda pada tahap-tahap ini.

• Ide dan literatur: AI dengan cepat merangkum suatu topik, menjelaskan konsep-konsep utama, menghasilkan istilah pencarian. Tapi dia bisa membuat atribusi; Kita akan melihatnya sebentar lagi.
• Desain: Menghasilkan SMILES (suatu bentuk penulisan molekul sebagai string teks; lebih lanjut tentang itu nanti), menyarankan langkah-langkah retrosintesis, mencantumkan alternatif reaktif. Saran itu bagus, bukan jaminan.
• Laboratorium: AI tidak melakukan apa pun di sini. Penimbangan, pemanasan, dan tindakan pengamanan dilakukan oleh manusia. AI hanya membantu menulis prosedurnya; Sebelum melakukan prosedur itu, manusia harus mengawasinya demi keamanan.
• Analisis: Dalam menafsirkan NMR, IR, spektrum massa (ini adalah teknik pengukuran yang menunjukkan struktur molekul), YZ membantu mengelompokkan puncak dan membuat daftar kemungkinan struktur. Tugas akhir ada di tangan Anda.
• Pelaporan: Menghasilkan buku catatan eksperimen, draf artikel, draf formulir keselamatan. Hal ini sangat kuat; tapi jumlahnya harus sesuai dengan milik Anda.

Tip: Tempat teraman untuk menggunakan AI adalah di area "jika terjadi kesalahan maka akan segera diketahui dan diperbaiki": teks draf, kerangka kode, deskripsi istilah. Tempat yang paling berisiko adalah area "jika salah, maka akan menyebar secara diam-diam": konstanta, referensi, pernyataan keamanan, hasil numerik.

Mengapa kita harus berhati-hati? Tiga risiko struktural

Model bahasa besar bukanlah kalkulator atau mesin kimia. Menghasilkan teks yang secara statistik "tampaknya mungkin". Hal ini menyebabkan tiga risiko nyata dalam kimia:

1. Dibuat-buat (halusinasi): Dapat dengan percaya diri menuliskan senyawa yang bukan model, reaksi yang tidak ada, atau berat molekul yang salah. Misalnya, dikatakan "Berat molekul senyawa X adalah 154,2 g/mol", padahal nilai yang benar adalah 168,2.
2. Kutipan palsu: Dapat memberikan sumber yang terlihat realistis tetapi sebenarnya tidak ada sama sekali, seperti "Smith et al., 2019, Journal of Organic Chemistry." Dia bahkan bisa membuat nomor DOI.
3. Kekeliruan keamanan: Dapat menampilkan kombinasi reagen yang berbahaya (misalnya oksidator dan pelarut organik dalam perbandingan yang tidak tepat) sebagai "tidak masalah".

Ketiga risiko ini akan muncul berulang kali di setiap unit modul ini. Solusinya bukan lepas dari AI, tapi membangun disiplin dalam memverifikasi setiap keluaran dengan sumber independen.

kasus kecil

Kasus 1 — Berat molekul yang disesuaikan. Seorang mahasiswa pascasarjana bertanya kepada AI tentang berat molekul para-nitrofenol. “139,11 g/mol,” kata AI. Siswa tersebut percaya diri dan berencana menimbang 6,96 g untuk 0,05 mol. Namun, berat molekul para-nitrofenol adalah 139,11 g/mol, dan kali ini benar — tetapi siswa tersebut belum pernah memeriksanya. Pada senyawa berikutnya (para-aminofenol, nilai sebenarnya 109,13 g/mol) YZ menyatakan “123,15”; Kali ini siswa menangkapnya dengan menghitung secara manual dari rumus (C6H7NO2): 6×12.011 + 7×1.008 + 14.007 + 2×15.999 = 109.13. Pelajaran: hitung setiap berat molekul tanpa rumus.

Kasus 2 — DOI palsu. Seorang peneliti meminta AI untuk 5 sumber dalam tinjauan literaturnya. DOI dari dua dari lima mengembalikan "tidak ditemukan" ketika diklik; Judulnya faktual, tapi artikelnya tidak. Buang-buang waktu 40 menit. Pelajaran: tidak semua kutipan harus digunakan tanpa verifikasi di database (DOI, PubMed, Reaxys).

Kasus 3 — Bahaya yang tampaknya aman. Seorang pengguna bertanya kepada AI tentang prosedur pembersihan; AI secara tidak langsung memberikan saran untuk mencampurkan larutan yang mengandung hipoklorit dengan larutan asam—kombinasi yang dapat melepaskan gas klor. Untungnya pengguna melihat lembar data keselamatan (SDS) dan berhenti. Pelajaran: setiap prosedur diperiksa oleh manusia untuk mengetahui SDS dan bahayanya sebelum diterapkan.

Perintah lemah / Perintah kuat

Perintah yang lemah:

Sintesis molekul ini.

Klaim ini tidak jelas: molekul apa, bahan awal apa, skala apa, kendala apa? AI mengisi kesenjangan tersebut.

Perintah yang kuat:

Peran: Anda adalah asisten berpengalaman dalam sintesis organik. Molekul target: 4-metoksiasetofenon (SENYUM: COc1ccc(cc1)C(C)=O). Kami memiliki anisol sebagai bahan awal. Tugas: Memberikan usulan retrosintesis 2 langkah. Untuk setiap langkah: reagen, kondisi (suhu, pelarut), dan KEMUNGKINAN reaksi samping. Batasan: Tandai "VERIFIKASI" jika Anda tidak yakin, pas. Keluaran: langkah bernomor + daftar poin yang akan diverifikasi.

Perbedaan: peran, target pasti (dengan SMILES), konteks, jumlah langkah, format keluaran, dan batasan "sesuai". Ini adalah lima komponen dorongan yang baik dalam kimia: peran, representasi struktur yang tepat, konteks, tugas, batasan verifikasi.

Jenis alat AI: model bahasa atau alat kimia?

Dalam kimia, Anda menjumpai dua "AI" yang berbeda dan sangat penting untuk tidak membingungkan keduanya:

Aliran

Apa artinya?

keandalan

Contoh penggunaan

Model bahasa umum

Menghasilkan teks/kode, menjelaskan, menulis draf

Rendah dalam jumlah, tinggi dalam bahasa

Garis besar prosedur, penjelasan terminologi

Perpustakaan kimia (RDKit dll.)

Memproses molekul secara deterministik, menghitung berat molekul

Tinggi (berbasis aturan)

Verifikasi SMILES, akun MA

Model prediksi khusus (retrosintesis, fitur)

Memberikan prediksi berdasarkan data

Sedang, tergantung daerahnya

Retrosintesis, estimasi kelarutan

Sastra/alat pencarian

Kueri basis data nyata

Tinggi tergantung pada sumbernya

Konfirmasi atribusi, pencarian reaksi

Alur kerja yang paling kuat menggabungkan hal-hal berikut: model bahasa menghasilkan ide, perpustakaan kimia menghitung angka secara deterministik, alat literatur memverifikasi atribusi, dan manusia melakukan validasi. Kami akan membangun rantai ini di unit berikutnya.

Disiplin verifikasi: EMPAT langkah

Ambil setiap keluaran AI melalui empat langkah berikut sebelum memasukkannya ke lab atau laporan:

1. Struktur: Apakah notasi molekul/reaksi (SMILES/InChI) valid? Bisakah diurai dengan alat (RDKit)?
2. Nomor: Apakah perhitungan berat molekul, stoikiometri, dan hasil telah diverifikasi secara independen (dengan tangan atau perpustakaan)?
3. Sumber: Apakah setiap klaim dan atribusi telah diverifikasi dalam database sebenarnya?
4. Keamanan: Apakah SDS telah dibaca untuk setiap reagen dalam prosedur, apakah ada kombinasi yang berbahaya?

Catatan: Keempat langkah ini berlaku "selalu", bukan "kadang-kadang". 20 situasi di mana AI benar tidak memaafkan 1 situasi yang salah; karena dalam kimia 1 situasi tersebut bisa berupa ledakan, keracunan, atau benda yang ditarik kembali.

Kesalahan umum

• Mengira keluaran AI sebagai “sumber daya”. AI bukanlah sumber daya, melainkan generator yang mencoba mengingat sumber daya (terkadang salah). Ini adalah database sumber.
• Mempercayai nomor tersebut. Menggunakan angka seperti berat molekul, pKa, titik didih tanpa memverifikasinya. Ini dapat dihitung/dicari secara deterministik; Menanyakan model bahasa adalah cara terlemah.
• Mengalihdayakan keamanan ke AI. "AI tidak mengatakan itu berbahaya" bukan berarti aman. Penilaian bahaya adalah tugas manusia dan SDS.
• Perintah yang tidak jelas. Tidak memberikan molekul berdasarkan namanya tetapi berdasarkan strukturnya (SMILES/InChI); Hal ini menyebabkan molekul salah karena kebingungan nama.
• Percaya hanya pada satu percobaan. Mengajukan pertanyaan yang sama lagi dengan cara yang berbeda dan tidak memeriksa konsistensi.

Singkatnya

• AI adalah asisten meja yang kuat dalam bidang kimia: AI menghasilkan kode, garis besar, deskripsi, kerangka pemindaian; tetapi laboratorium tidak melakukannya dan tidak memverifikasi keluarannya.
• Ada tiga risiko yang melekat: senyawa/nomor palsu, atribusi palsu, kesalahan keamanan.
• Pisahkan dan gabungkan model bahasa umum dan alat kimia deterministik (RDKit, database).
• Ambil setiap keluaran melalui empat langkah Struktur–Nomor–Sumber–Keamanan.
• Prompt yang bagus: mencakup peran, representasi struktur eksplisit, konteks, tugas, batasan validasi.

Tugas aplikasi

Pilih molekul yang telah Anda pelajari sendiri (misalnya aspirin, SMILES: CC(=O)Oc1ccccc1C(=O)O). Tanyakan tiga hal kepada AI: (1) berat molekul, (2) dua makalah referensi, (3) langkah sintesis. Kemudian verifikasi masing-masing secara terpisah: hitung secara manual berat molekul dari rumus, konfirmasikan kutipan dengan DOI, periksa langkah sintesis dengan hati-hati. Keluaran mana yang benar dan mana yang memerlukan koreksi? Simpan “log verifikasi” setengah halaman.

daftar periksa

• [ ] Saya menyadari bahwa AI adalah asisten, bukan ahli kimia.
• [ ] Saya menyadari risiko pemalsuan, atribusi yang salah, dan ketidakpercayaan terhadap contoh.
• [ ] Saya dapat membedakan antara model bahasa dan alat kimia deterministik.
• [ ] Saya akan menerapkan empat langkah Struktur–Nomor–Sumber–Keamanan pada setiap keluaran.
• [ ] Saya mendeskripsikan molekul berdasarkan notasi struktur (SMILES/InChI), bukan berdasarkan nama.
• [ ] Saya menyimpan setidaknya satu log verifikasi.