ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ಮೌಲ್ಯೀಕರಣ ಮತ್ತು ನೀತಿಶಾಸ್ತ್ರ

ಲಾಭಗಳು:

• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ರಸಾಯನಶಾಸ್ತ್ರದ ಕೆಲಸದ ಹರಿವಿನಲ್ಲಿ (ಕಲ್ಪನೆ, ವಿನ್ಯಾಸ, ವಿಶ್ಲೇಷಣೆ, ವರದಿ ಮಾಡುವಿಕೆ) ಸಮಯವನ್ನು ಎಲ್ಲಿ ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಅಪಾಯದ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿ ರಚನೆ, ಸಂಖ್ಯೆ, ಸಂಪನ್ಮೂಲ ಮತ್ತು ಸುರಕ್ಷತಾ ನಿರ್ಧಾರಗಳನ್ನು ಮನುಷ್ಯರಿಗೆ ಬಿಡಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
• ರಚನೆ-ಸಂಖ್ಯೆ-ಸಂಪನ್ಮೂಲ-ಭದ್ರತೆಯ ನಾಲ್ಕು ಹಂತಗಳೊಂದಿಗೆ ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸುವ ಶಿಸ್ತನ್ನು ಅನ್ವಯಿಸುವ ಸಾಮರ್ಥ್ಯ
• ನಿರ್ಮಿತ ಸಂಯುಕ್ತಗಳು ಮತ್ತು ಸಂಖ್ಯೆಗಳು, ತಪ್ಪು ಉಲ್ಲೇಖಗಳು ಮತ್ತು ಭದ್ರತಾ ತಪ್ಪುಗ್ರಹಿಕೆಗಳು ಈ ವೃತ್ತಿಗೆ ಏಕೆ ಅಪಾಯಗಳಾಗಿವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ, ಅದನ್ನು ಮೊದಲಿನಿಂದಲೂ ಪರಿಗಣಿಸಬೇಕು.

ರಸಾಯನಶಾಸ್ತ್ರವು ವಸ್ತುವಿನ ರಚನೆ, ರೂಪಾಂತರ ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಪ್ರಾಯೋಗಿಕ ವಿಜ್ಞಾನವಾಗಿದೆ. ರಸಾಯನಶಾಸ್ತ್ರಜ್ಞ ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ತೂಕ, ಕರಗುವಿಕೆ, ಶಾಖ ಮತ್ತು ಅಳತೆ; ಅವನ ಮೇಜಿನ ಬಳಿ, ಅವನು ಅಣುಗಳನ್ನು ಸೆಳೆಯುತ್ತಾನೆ, ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಯೋಜಿಸುತ್ತಾನೆ, ವರ್ಣಪಟಲವನ್ನು ಅರ್ಥೈಸುತ್ತಾನೆ, ಸಾಹಿತ್ಯವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತಾನೆ ಮತ್ತು ವರದಿಗಳನ್ನು ಬರೆಯುತ್ತಾನೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಸಂಕ್ಷಿಪ್ತವಾಗಿ, ಇಲ್ಲಿ ನಿರ್ದಿಷ್ಟವಾಗಿ "ಮುಂದಿನ ಸಾಧ್ಯತೆಯ ಪದ" ವನ್ನು ಊಹಿಸುವ ಮೂಲಕ ಪಠ್ಯವನ್ನು ರಚಿಸುವ ಸಾಫ್ಟ್‌ವೇರ್ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಯಲ್ಲಿ ತರಬೇತಿ ಪಡೆದಿದೆ, ಅಂದರೆ, ಬೃಹತ್ ಪಠ್ಯ ಡೇಟಾ) ಈ ಡೆಸ್ಕ್ ಉದ್ಯೋಗಗಳಲ್ಲಿ ಹೆಚ್ಚಿನದನ್ನು ನಾಟಕೀಯವಾಗಿ ವೇಗಗೊಳಿಸುತ್ತದೆ. ಆದರೆ ಅದು ಸ್ವತಃ ಲ್ಯಾಬ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದಿಲ್ಲ, ಅದು ಮಾಪಕಗಳನ್ನು ಓದುವುದಿಲ್ಲ ಮತ್ತು ಮುಖ್ಯವಾಗಿ: ಇದು ನಿಮ್ಮ ಪರವಾಗಿ ಉತ್ಪಾದಿಸುವ ಯಾವುದೇ ಸಂಖ್ಯೆಗಳು, ಸೂತ್ರಗಳು ಅಥವಾ ಉಲ್ಲೇಖಗಳನ್ನು ಪರಿಶೀಲಿಸುವುದಿಲ್ಲ. ಈ ಮಾಡ್ಯೂಲ್ ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ AI ಅನ್ನು ಹೇಗೆ ಬಳಸಬೇಕೆಂದು ಕಲಿಸುತ್ತದೆ ಆದರೆ ಜವಾಬ್ದಾರಿಯುತವಾಗಿ.

ಈ ಮೊದಲ ಘಟಕದಲ್ಲಿ, ನಾನು ನಿಮ್ಮ ಮನಸ್ಸಿನಲ್ಲಿ ಒಂದು ಕಲ್ಪನೆಯನ್ನು ನೆಡಲು ಬಯಸುತ್ತೇನೆ: AI ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಸಹಾಯಕ, ರಸಾಯನಶಾಸ್ತ್ರಜ್ಞನಲ್ಲ. ಕೋಡ್ ಬರೆಯುತ್ತದೆ, ಬಾಹ್ಯರೇಖೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ರೆಟ್ರೋಸಿಂಥೆಸಿಸ್ ಚೌಕಟ್ಟನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ, ವರ್ಣಪಟಲದ ಶಿಖರಗಳನ್ನು ಅರ್ಥೈಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಸಾಹಿತ್ಯವನ್ನು ಸಾರಾಂಶಗೊಳಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಅಣುವನ್ನು ವಾಸ್ತವವಾಗಿ ಸಂಶ್ಲೇಷಿಸಬಹುದೇ, ಪ್ರತಿಕ್ರಿಯೆ ಸುರಕ್ಷಿತವಾಗಿದೆಯೇ ಅಥವಾ ಇಲ್ಲವೇ, ಉಲ್ಲೇಖವು ನಿಜವೇ ಅಥವಾ ಇಲ್ಲವೇ ಮತ್ತು ಅಂತಿಮ ಜವಾಬ್ದಾರಿಯನ್ನು ನಿರ್ಧರಿಸುವ ಸಮರ್ಥ ರಸಾಯನಶಾಸ್ತ್ರಜ್ಞ.

ರಸಾಯನಶಾಸ್ತ್ರದ ಕೆಲಸದ ಹರಿವಿಗೆ AI ಎಲ್ಲಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ?

ಒಂದು ರಸಾಯನಶಾಸ್ತ್ರ ಯೋಜನೆಯನ್ನು ಸರಿಸುಮಾರು ಐದು ಹಂತಗಳಾಗಿ ವಿಂಗಡಿಸೋಣ: (1) ಕಲ್ಪನೆ ಮತ್ತು ಸಾಹಿತ್ಯ, (2) ಅಣು ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ ವಿನ್ಯಾಸ, (3) ಪ್ರಯೋಗಾಲಯದ ಅಪ್ಲಿಕೇಶನ್, (4) ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಗುಣಲಕ್ಷಣ, (5) ವರದಿ. ಈ ಹಂತಗಳಲ್ಲಿ AI ವಿಭಿನ್ನ ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಿದೆ.

• ಕಲ್ಪನೆಗಳು ಮತ್ತು ಸಾಹಿತ್ಯ: AI ತ್ವರಿತವಾಗಿ ವಿಷಯವನ್ನು ಸಾರಾಂಶಗೊಳಿಸುತ್ತದೆ, ಪ್ರಮುಖ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ, ಹುಡುಕಾಟ ಪದಗಳನ್ನು ರಚಿಸುತ್ತದೆ. ಆದರೆ ಅವನು ಗುಣಲಕ್ಷಣವನ್ನು ಮಾಡಬಹುದು; ನಾವು ಇದನ್ನು ಕ್ಷಣದಲ್ಲಿ ನೋಡುತ್ತೇವೆ.
• ವಿನ್ಯಾಸ: ಸ್ಮೈಲ್‌ಗಳನ್ನು ರಚಿಸುತ್ತದೆ (ಅಣುವನ್ನು ಪಠ್ಯದ ಸ್ಟ್ರಿಂಗ್‌ನಂತೆ ಬರೆಯುವ ಒಂದು ರೂಪ; ಅದರ ನಂತರ ಹೆಚ್ಚು), ರೆಟ್ರೋಸಿಂಥೆಸಿಸ್ ಹಂತಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಪ್ರತಿಕ್ರಿಯಾತ್ಮಕ ಪರ್ಯಾಯಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡುತ್ತದೆ. ಸಲಹೆ ಒಳ್ಳೆಯದು, ಗ್ಯಾರಂಟಿ ಅಲ್ಲ.
• ಪ್ರಯೋಗಾಲಯ: AI ಇಲ್ಲಿ ಏನನ್ನೂ ಮಾಡುವುದಿಲ್ಲ. ತೂಕ, ತಾಪನ ಮತ್ತು ಭದ್ರತಾ ಕ್ರಮಗಳನ್ನು ಮಾನವರು ನಡೆಸುತ್ತಾರೆ. AI ಕಾರ್ಯವಿಧಾನವನ್ನು ಬರೆಯಲು ಮಾತ್ರ ಸಹಾಯ ಮಾಡುತ್ತದೆ; ಆ ಕಾರ್ಯವಿಧಾನವನ್ನು ನಿರ್ವಹಿಸುವ ಮೊದಲು ಮಾನವನು ಸುರಕ್ಷತೆಗಾಗಿ ಅದನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಬೇಕು.
• ವಿಶ್ಲೇಷಣೆ: NMR, IR, ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರಮ್ ಅನ್ನು ಅರ್ಥೈಸುವಲ್ಲಿ (ಇವು ಅಣುವಿನ ರಚನೆಯನ್ನು ತೋರಿಸುವ ಮಾಪನ ತಂತ್ರಗಳಾಗಿವೆ), YZ ಶಿಖರಗಳನ್ನು ಗುಂಪು ಮಾಡಲು ಮತ್ತು ಸಂಭವನೀಯ ರಚನೆಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಅಂತಿಮ ನಿಯೋಜನೆ ನಿಮ್ಮದಾಗಿದೆ.
• ವರದಿ ಮಾಡುವಿಕೆ: ಪ್ರಾಯೋಗಿಕ ನೋಟ್‌ಬುಕ್, ಲೇಖನ ಡ್ರಾಫ್ಟ್, ಸುರಕ್ಷತಾ ಫಾರ್ಮ್ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಇದು ತುಂಬಾ ಶಕ್ತಿಯುತವಾಗಿದೆ; ಆದರೆ ಸಂಖ್ಯೆಗಳು ನಿಮ್ಮದಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗಬೇಕು.

ಸಲಹೆ: AI ಅನ್ನು ಬಳಸಲು ಸುರಕ್ಷಿತ ಸ್ಥಳವೆಂದರೆ "ಏನಾದರೂ ತಪ್ಪಾದಲ್ಲಿ ಅದನ್ನು ತಕ್ಷಣವೇ ಗಮನಿಸಲಾಗುವುದು ಮತ್ತು ಸರಿಪಡಿಸಲಾಗುವುದು" ಪ್ರದೇಶಗಳಲ್ಲಿ: ಕರಡು ಪಠ್ಯ, ಕೋಡ್ ಅಸ್ಥಿಪಂಜರ, ಪದದ ವಿವರಣೆ. ಅಪಾಯಕಾರಿ ಸ್ಥಳಗಳೆಂದರೆ "ಸುಳ್ಳಾಗಿದ್ದರೆ, ಅದು ಮೌನವಾಗಿ ಹರಡುತ್ತದೆ" ಪ್ರದೇಶಗಳು: ಸ್ಥಿರಾಂಕಗಳು, ಉಲ್ಲೇಖಗಳು, ಭದ್ರತಾ ಸಮರ್ಥನೆಗಳು, ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶಗಳು.

ನಾವೇಕೆ ಜಾಗರೂಕರಾಗಿರಬೇಕು? ಮೂರು ರಚನಾತ್ಮಕ ಅಪಾಯಗಳು

ದೊಡ್ಡ ಭಾಷೆಯ ಮಾದರಿಯು ಕ್ಯಾಲ್ಕುಲೇಟರ್ ಅಥವಾ ರಸಾಯನಶಾಸ್ತ್ರದ ಎಂಜಿನ್ ಅಲ್ಲ. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ "ಸಂಭವನೀಯವಾಗಿ ಕಾಣುವ" ಪಠ್ಯವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಇದು ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಮೂರು ಕಾಂಕ್ರೀಟ್ ಅಪಾಯಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ:

1. ಮೇಡ್ ಅಪ್ (ಭ್ರಮೆ): ಮಾದರಿಯಲ್ಲದ ಸಂಯುಕ್ತ, ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ತಪ್ಪಾದ ಆಣ್ವಿಕ ತೂಕವನ್ನು ವಿಶ್ವಾಸದಿಂದ ಬರೆಯಬಹುದು. ಉದಾಹರಣೆಗೆ, ಇದು "X ಸಂಯುಕ್ತದ ಆಣ್ವಿಕ ತೂಕ 154.2 g/mol" ಎಂದು ಹೇಳುತ್ತದೆ, ಆದರೆ ಸರಿಯಾದ ಮೌಲ್ಯವು 168.2 ಆಗಿದೆ.
2. ನಕಲಿ ಉಲ್ಲೇಖ: "ಸ್ಮಿತ್ ಮತ್ತು ಇತರರು, 2019, ಜರ್ನಲ್ ಆಫ್ ಆರ್ಗ್ಯಾನಿಕ್ ಕೆಮಿಸ್ಟ್ರಿ" ನಂತಹ ವಾಸ್ತವಿಕವಾಗಿ ಕಾಣುವ ಆದರೆ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಮೂಲವನ್ನು ನೀಡಬಹುದು. ಅವನು DOI ಸಂಖ್ಯೆಯನ್ನು ಸಹ ಮಾಡಬಹುದು.
3. ಸುರಕ್ಷತಾ ತಪ್ಪು: ಕಾರಕಗಳ ಅಪಾಯಕಾರಿ ಸಂಯೋಜನೆಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಬಹುದು (ಉದಾಹರಣೆಗೆ ಆಕ್ಸಿಡೈಸರ್ ಮತ್ತು ಸೂಕ್ತವಲ್ಲದ ಅನುಪಾತದಲ್ಲಿ ಸಾವಯವ ದ್ರಾವಕ) "ಯಾವುದೇ ತೊಂದರೆ ಇಲ್ಲ".

ಈ ಮೂರು ಅಪಾಯಗಳು ಈ ಮಾಡ್ಯೂಲ್‌ನ ಪ್ರತಿ ಘಟಕದಲ್ಲಿ ಮತ್ತೆ ಮತ್ತೆ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ. ಪರಿಹಾರವು AI ನಿಂದ ತಪ್ಪಿಸಿಕೊಳ್ಳುವುದು ಅಲ್ಲ, ಆದರೆ ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸ್ವತಂತ್ರ ಮೂಲದೊಂದಿಗೆ ಪರಿಶೀಲಿಸುವ ಶಿಸ್ತನ್ನು ಸ್ಥಾಪಿಸುವುದು.

ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಅಳವಡಿಸಲಾದ ಆಣ್ವಿಕ ತೂಕ. ಒಬ್ಬ ಪದವೀಧರ ವಿದ್ಯಾರ್ಥಿಯು AI ಗೆ ಪ್ಯಾರಾ-ನೈಟ್ರೋಫಿನಾಲ್‌ನ ಆಣ್ವಿಕ ತೂಕವನ್ನು ಕೇಳಿದನು. "139.11 ಗ್ರಾಂ / ಮೋಲ್," ಎಐ ಹೇಳಿದೆ. ವಿದ್ಯಾರ್ಥಿಯು ಆತ್ಮವಿಶ್ವಾಸವನ್ನು ಹೊಂದಿದ್ದನು ಮತ್ತು 0.05 ಮೋಲ್‌ಗೆ 6.96 ಗ್ರಾಂ ತೂಕವನ್ನು ಹೊಂದಲು ಯೋಜಿಸಲಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಪ್ಯಾರಾ-ನೈಟ್ರೋಫಿನಾಲ್ನ ಆಣ್ವಿಕ ತೂಕವು 139.11 g/mol ಆಗಿದೆ, ಮತ್ತು ಈ ಬಾರಿ ಅದು ಸರಿಯಾಗಿದೆ - ಆದರೆ ವಿದ್ಯಾರ್ಥಿಯು ಎಂದಿಗೂ ಪರಿಶೀಲಿಸಲಿಲ್ಲ. ಮುಂದಿನ ಸಂಯುಕ್ತದ ಮೇಲೆ (ಪ್ಯಾರಾ-ಅಮಿನೋಫೆನಾಲ್, ವಾಸ್ತವಿಕ ಮೌಲ್ಯ 109.13 g/mol) YZ "123.15" ಎಂದು ಹೇಳಿದರು; ಈ ಬಾರಿ ವಿದ್ಯಾರ್ಥಿಯು ಅದನ್ನು ಸೂತ್ರದಿಂದ (C6H7NO2) ಕೈಯಿಂದ ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಮೂಲಕ ಹಿಡಿದಿದ್ದಾನೆ: 6×12.011 + 7×1.008 + 14.007 + 2×15.999 = 109.13. ಪಾಠ: ಪ್ರತಿ ಆಣ್ವಿಕ ತೂಕವನ್ನು ಸೂತ್ರವಿಲ್ಲದೆ ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ.

ಪ್ರಕರಣ 2 - ನಕಲಿ DOI. ಒಬ್ಬ ಸಂಶೋಧಕ ತನ್ನ ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆಯಲ್ಲಿ AI ಯನ್ನು 5 ಮೂಲಗಳನ್ನು ಕೇಳಿದರು. ಐದರಲ್ಲಿ ಇಬ್ಬರ DOI ಕ್ಲಿಕ್ ಮಾಡಿದಾಗ "ಕಂಡುಬಂದಿಲ್ಲ" ಎಂದು ಹಿಂದಿರುಗಿಸಿತು; ಮುಖ್ಯಾಂಶಗಳು ವಾಸ್ತವಿಕವಾಗಿದ್ದವು, ಆದರೆ ಲೇಖನಗಳು ಅಲ್ಲ. 40 ನಿಮಿಷ ಸಮಯ ವ್ಯರ್ಥ. ಪಾಠ: ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ (DOI, PubMed, Reaxys) ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಪ್ರತಿಯೊಂದು ಉಲ್ಲೇಖವನ್ನು ಬಳಸಬಾರದು.

ಪ್ರಕರಣ 3 - ಸುರಕ್ಷಿತವೆಂದು ತೋರುವ ಅಪಾಯ. ಬಳಕೆದಾರನು AI ಅನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸುವ ಕಾರ್ಯವಿಧಾನದ ಬಗ್ಗೆ ಕೇಳಿದನು; AI ಪರೋಕ್ಷವಾಗಿ ಹೈಪೋಕ್ಲೋರೈಟ್-ಒಳಗೊಂಡಿರುವ ದ್ರಾವಣವನ್ನು ಆಮ್ಲೀಯ ದ್ರಾವಣದೊಂದಿಗೆ ಮಿಶ್ರಣ ಮಾಡುವ ಸಲಹೆಯನ್ನು ಉತ್ಪಾದಿಸಿತು - ಕ್ಲೋರಿನ್ ಅನಿಲವನ್ನು ಬಿಡುಗಡೆ ಮಾಡುವ ಸಂಯೋಜನೆ. ಅದೃಷ್ಟವಶಾತ್ ಬಳಕೆದಾರರು ಸುರಕ್ಷತಾ ಡೇಟಾ ಶೀಟ್ (SDS) ಅನ್ನು ನೋಡಿದರು ಮತ್ತು ನಿಲ್ಲಿಸಿದರು. ಪಾಠ: ಪ್ರತಿ ವಿಧಾನವನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವ ಮೊದಲು SDS ಮತ್ತು ಅಪಾಯಕ್ಕಾಗಿ ಮಾನವ-ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಅಣುವನ್ನು ಸಂಶ್ಲೇಷಿಸಿ.

ಈ ಹಕ್ಕು ಅಸ್ಪಷ್ಟವಾಗಿದೆ: ಯಾವ ಅಣು, ಯಾವ ಆರಂಭಿಕ ವಸ್ತುಗಳು, ಯಾವ ಪ್ರಮಾಣ, ಯಾವ ನಿರ್ಬಂಧಗಳು? AI ಅಂತರವನ್ನು ಮಾಡುತ್ತದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ಪಾತ್ರ: ನೀವು ಸಾವಯವ ಸಂಶ್ಲೇಷಣೆಯಲ್ಲಿ ಅನುಭವಿ ಸಹಾಯಕರು. ಗುರಿಯ ಅಣು: 4-ಮೆಥಾಕ್ಸಿಯಾಸೆಟೋಫೆನೋನ್ (ಸ್ಮೈಲ್ಸ್: COc1ccc(cc1)C(C)=O). ನಾವು ಆರಂಭಿಕ ವಸ್ತುವಾಗಿ ಅನಿಸೋಲ್ ಅನ್ನು ಹೊಂದಿದ್ದೇವೆ. ಕಾರ್ಯ: 2-ಹಂತದ ರೆಟ್ರೋಸಿಂಥೆಸಿಸ್ ಪ್ರಸ್ತಾಪವನ್ನು ನೀಡಿ. ಪ್ರತಿ ಹಂತಕ್ಕೂ: ಕಾರಕಗಳು, ಪರಿಸ್ಥಿತಿಗಳು (ತಾಪಮಾನ, ದ್ರಾವಕ), ಮತ್ತು ಸಂಭಾವ್ಯ ಅಡ್ಡ ಪ್ರತಿಕ್ರಿಯೆಗಳು. ನಿರ್ಬಂಧ: ನೀವು ಖಚಿತವಾಗಿಲ್ಲದಿರುವಲ್ಲಿ "ಪರಿಶೀಲಿಸಿ" ಎಂದು ಗುರುತಿಸಿ, ಫಿಟ್ಟಿಂಗ್. ಔಟ್‌ಪುಟ್: ಸಂಖ್ಯೆಯ ಹಂತಗಳು + ಪರಿಶೀಲಿಸಬೇಕಾದ ಅಂಕಗಳ ಪಟ್ಟಿ.

ವ್ಯತ್ಯಾಸ: ಪಾತ್ರ, ನಿಖರವಾದ ಗುರಿ (ಸ್ಮೈಲ್‌ಗಳೊಂದಿಗೆ), ಸಂದರ್ಭ, ಹಂತಗಳ ಸಂಖ್ಯೆ, ಔಟ್‌ಪುಟ್ ಫಾರ್ಮ್ಯಾಟ್ ಮತ್ತು "ಫಿಟ್ಟಿಂಗ್" ನಿರ್ಬಂಧ. ಇವು ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಉತ್ತಮ ಪ್ರಾಂಪ್ಟಿಂಗ್‌ನ ಐದು ಅಂಶಗಳಾಗಿವೆ: ಪಾತ್ರ, ನಿಖರವಾದ ರಚನೆ ಪ್ರಾತಿನಿಧ್ಯ, ಸಂದರ್ಭ, ಕಾರ್ಯ, ಪರಿಶೀಲನೆ ನಿರ್ಬಂಧ.

AI ಪರಿಕರಗಳ ವಿಧಗಳು: ಭಾಷಾ ಮಾದರಿ ಅಥವಾ ರಸಾಯನಶಾಸ್ತ್ರ ಸಾಧನ?

ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ನೀವು ಎರಡು ವಿಭಿನ್ನ "AI" ಅನ್ನು ಎದುರಿಸುತ್ತೀರಿ ಮತ್ತು ಅವುಗಳನ್ನು ಗೊಂದಲಗೊಳಿಸದಿರುವುದು ಬಹಳ ಮುಖ್ಯ:

ಪ್ರಕಾರ

ಏನು ಮಾಡುತ್ತದೆ

ವಿಶ್ವಾಸಾರ್ಹತೆ

ಉದಾಹರಣೆ ಬಳಕೆ

ಸಾಮಾನ್ಯ ಭಾಷಾ ಮಾದರಿ

ಪಠ್ಯ/ಕೋಡ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ, ವಿವರಿಸುತ್ತದೆ, ಡ್ರಾಫ್ಟ್‌ಗಳನ್ನು ಬರೆಯುತ್ತದೆ

ಸಂಖ್ಯೆಗಳಲ್ಲಿ ಕಡಿಮೆ, ಭಾಷೆಯಲ್ಲಿ ಹೆಚ್ಚು

ಕಾರ್ಯವಿಧಾನದ ರೂಪರೇಖೆ, ಪರಿಭಾಷೆಯ ವಿವರಣೆ

ರಸಾಯನಶಾಸ್ತ್ರ ಗ್ರಂಥಾಲಯ (RDKit ಇತ್ಯಾದಿ)

ಅಣುವನ್ನು ನಿರ್ಣಾಯಕವಾಗಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ, ಆಣ್ವಿಕ ತೂಕವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ

ಉನ್ನತ (ನಿಯಮ ಆಧಾರಿತ)

SMILES ಪರಿಶೀಲನೆ, MA ಖಾತೆ

ಕಸ್ಟಮ್ ಭವಿಷ್ಯ ಮಾದರಿ (ರೆಟ್ರೋಸಿಂಥೆಸಿಸ್, ವೈಶಿಷ್ಟ್ಯ)

ಡೇಟಾ-ತರಬೇತಿ ಪಡೆದ ಭವಿಷ್ಯವನ್ನು ನೀಡುತ್ತದೆ

ಮಧ್ಯಮ, ಪ್ರದೇಶವನ್ನು ಅವಲಂಬಿಸಿ

ರೆಟ್ರೋಸಿಂಥೆಸಿಸ್, ಕರಗುವಿಕೆಯ ಅಂದಾಜು

ಸಾಹಿತ್ಯ / ಹುಡುಕಾಟ ಸಾಧನ

ನೈಜ ಡೇಟಾಬೇಸ್ ಪ್ರಶ್ನೆಗಳು

ಮೂಲವನ್ನು ಅವಲಂಬಿಸಿ ಹೆಚ್ಚು

ಗುಣಲಕ್ಷಣ ದೃಢೀಕರಣ, ಪ್ರತಿಕ್ರಿಯೆ ಹುಡುಕಾಟ

ಅತ್ಯಂತ ದೃಢವಾದ ಕೆಲಸದ ಹರಿವು ಇವುಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ: ಭಾಷಾ ಮಾದರಿಯು ಕಲ್ಪನೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ರಸಾಯನಶಾಸ್ತ್ರ ಗ್ರಂಥಾಲಯವು ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ಣಾಯಕವಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ, ಸಾಹಿತ್ಯ ಸಾಧನವು ಗುಣಲಕ್ಷಣವನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ, ಮಾನವ ಮೌಲ್ಯೀಕರಿಸುತ್ತದೆ. ಮುಂದಿನ ಘಟಕಗಳಲ್ಲಿ ನಾವು ಈ ಸರಪಳಿಯನ್ನು ಸ್ಥಾಪಿಸುತ್ತೇವೆ.

ಪರಿಶೀಲನೆ ಶಿಸ್ತು: ನಾಲ್ಕು ಹಂತಗಳು

ಲ್ಯಾಬ್ ಅಥವಾ ವರದಿಗೆ ಪ್ರವೇಶಿಸುವ ಮೊದಲು ಈ ನಾಲ್ಕು ಹಂತಗಳ ಮೂಲಕ ಪ್ರತಿ AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ:

1. ರಚನೆ: ಅಣು/ಪ್ರತಿಕ್ರಿಯೆ ಸಂಕೇತ (SMILES/InChI) ಮಾನ್ಯವಾಗಿದೆಯೇ? ಇದನ್ನು ಉಪಕರಣದೊಂದಿಗೆ (RDKit) ಪಾರ್ಸ್ ಮಾಡಬಹುದೇ?
2. ಸಂಖ್ಯೆ: ಆಣ್ವಿಕ ತೂಕ, ಸ್ಟೊಚಿಯೊಮೆಟ್ರಿ, ಇಳುವರಿ ಲೆಕ್ಕಾಚಾರವನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸಲಾಗಿದೆಯೇ (ಕೈ ಅಥವಾ ಗ್ರಂಥಾಲಯದಿಂದ)?
3. ಮೂಲ: ಪ್ರತಿ ಹಕ್ಕು ಮತ್ತು ಗುಣಲಕ್ಷಣವನ್ನು ನೈಜ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಪರಿಶೀಲಿಸಲಾಗಿದೆಯೇ?
4. ಸುರಕ್ಷತೆ: ಕಾರ್ಯವಿಧಾನದಲ್ಲಿ ಪ್ರತಿ ಕಾರಕಕ್ಕೆ SDS ಅನ್ನು ಓದಲಾಗಿದೆಯೇ, ಯಾವುದೇ ಅಪಾಯಕಾರಿ ಸಂಯೋಜನೆಗಳಿವೆಯೇ?

ಗಮನಿಸಿ: ಈ ನಾಲ್ಕು ಹಂತಗಳು "ಯಾವಾಗಲೂ" ಅನ್ವಯಿಸುತ್ತವೆ, "ಕೆಲವೊಮ್ಮೆ" ಅಲ್ಲ. 20 ಸಂದರ್ಭಗಳಲ್ಲಿ AI ಸರಿಯಾಗಿದೆ, ಅದು ತಪ್ಪಾಗಿರುವ 1 ಸನ್ನಿವೇಶವನ್ನು ಕ್ಷಮಿಸುವುದಿಲ್ಲ; ಏಕೆಂದರೆ ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಆ 1 ಸನ್ನಿವೇಶವು ಸ್ಫೋಟ, ವಿಷ ಅಥವಾ ಹಿಂತೆಗೆದುಕೊಂಡ ಲೇಖನವಾಗಿರಬಹುದು.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• AI ಔಟ್‌ಪುಟ್ ಅನ್ನು "ಸಂಪನ್ಮೂಲ" ಎಂದು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. AI ಒಂದು ಸಂಪನ್ಮೂಲವಲ್ಲ, ಆದರೆ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನೆನಪಿಟ್ಟುಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸುವ ಜನರೇಟರ್ (ಕೆಲವೊಮ್ಮೆ ತಪ್ಪಾಗಿ). ಇದು ಮೂಲ ಡೇಟಾಬೇಸ್ ಆಗಿದೆ.
• ಸಂಖ್ಯೆಯನ್ನು ನಂಬುವುದು. ಅವುಗಳನ್ನು ಪರಿಶೀಲಿಸದೆಯೇ ಆಣ್ವಿಕ ತೂಕ, pKa, ಕುದಿಯುವ ಬಿಂದುಗಳಂತಹ ಸಂಖ್ಯೆಗಳನ್ನು ಬಳಸುವುದು. ಇವುಗಳನ್ನು ನಿರ್ಣಾಯಕವಾಗಿ ಲೆಕ್ಕ ಹಾಕಬಹುದು/ಶೋಧಿಸಬಹುದು; ಭಾಷಾ ಮಾದರಿಯನ್ನು ಕೇಳುವುದು ದುರ್ಬಲ ಮಾರ್ಗವಾಗಿದೆ.
• AI ಗೆ ಹೊರಗುತ್ತಿಗೆ ಭದ್ರತೆ. "AI ಇದು ಅಪಾಯಕಾರಿ ಎಂದು ಹೇಳಿಲ್ಲ" ಎಂದರೆ ಅದು ಸುರಕ್ಷಿತ ಎಂದು ಅರ್ಥವಲ್ಲ. ಅಪಾಯದ ಮೌಲ್ಯಮಾಪನವು ಮನುಷ್ಯ ಮತ್ತು SDS ನ ಕೆಲಸವಾಗಿದೆ.
• ಅಸ್ಪಷ್ಟ ಪ್ರಾಂಪ್ಟ್. ಅಣುವನ್ನು ಅದರ ಹೆಸರಿನಿಂದ ನೀಡದೆ ಅದರ ರಚನೆಯಿಂದ (SMILES/InChI); ಇದು ಹೆಸರಿನ ಗೊಂದಲದಿಂದಾಗಿ ತಪ್ಪಾದ ಅಣುಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
• ಕೇವಲ ಒಂದು ಪ್ರಯತ್ನದಲ್ಲಿ ನಂಬಿಕೆ. ಅದೇ ಪ್ರಶ್ನೆಯನ್ನು ಮತ್ತೆ ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಕೇಳುವುದು ಮತ್ತು ಸ್ಥಿರತೆಯನ್ನು ಪರಿಶೀಲಿಸುವುದಿಲ್ಲ.

ಸಾರಾಂಶದಲ್ಲಿ

• AI ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಪ್ರಬಲವಾದ ಮೇಜಿನ ಸಹಾಯಕವಾಗಿದೆ: ಇದು ಕೋಡ್, ಬಾಹ್ಯರೇಖೆಗಳು, ವಿವರಣೆಗಳು, ಸ್ಕ್ಯಾನ್ ಅಸ್ಥಿಪಂಜರಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆದರೆ ಪ್ರಯೋಗಾಲಯವು ಅದನ್ನು ಮಾಡುವುದಿಲ್ಲ ಮತ್ತು ಅದರ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವುದಿಲ್ಲ.
• ಮೂರು ಅಂತರ್ಗತ ಅಪಾಯಗಳಿವೆ: ನಕಲಿ ಸಂಯುಕ್ತ/ಸಂಖ್ಯೆ, ನಕಲಿ ಗುಣಲಕ್ಷಣ, ಭದ್ರತಾ ದೋಷ.
• ಸಾಮಾನ್ಯ ಭಾಷಾ ಮಾದರಿ ಮತ್ತು ನಿರ್ಣಾಯಕ ರಸಾಯನಶಾಸ್ತ್ರ ಪರಿಕರಗಳನ್ನು (RDKit, ಡೇಟಾಬೇಸ್) ಪ್ರತ್ಯೇಕಿಸಿ ಮತ್ತು ಸಂಯೋಜಿಸಿ.
• ರಚನೆ–ಸಂಖ್ಯೆ–ಮೂಲ–ಭದ್ರತೆಯ ನಾಲ್ಕು ಹಂತಗಳ ಮೂಲಕ ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ತೆಗೆದುಕೊಳ್ಳಿ.
• ಉತ್ತಮ ಪ್ರಾಂಪ್ಟ್: ಪಾತ್ರ, ಸ್ಪಷ್ಟ ರಚನೆ ಪ್ರಾತಿನಿಧ್ಯ, ಸಂದರ್ಭ, ಕಾರ್ಯ, ಮೌಲ್ಯೀಕರಣ ನಿರ್ಬಂಧವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನೀವೇ ಅಧ್ಯಯನ ಮಾಡಿದ ಅಣುವನ್ನು ಆರಿಸಿ (ಉದಾ. ಆಸ್ಪಿರಿನ್, SMILES: CC(=O)Oc1cccc1C(=O)O). AI ಮೂರು ವಿಷಯಗಳನ್ನು ಕೇಳಿ: (1) ಆಣ್ವಿಕ ತೂಕ, (2) ಎರಡು ಉಲ್ಲೇಖ ಪತ್ರಿಕೆಗಳು, (3) ಸಂಶ್ಲೇಷಣೆ ಹಂತ. ನಂತರ ಪ್ರತಿಯೊಂದನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸಿ: ಸೂತ್ರದಿಂದ ಆಣ್ವಿಕ ತೂಕವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ, DOI ನೊಂದಿಗೆ ಉಲ್ಲೇಖಗಳನ್ನು ದೃಢೀಕರಿಸಿ, ಭದ್ರತಾ ಕಣ್ಣಿನೊಂದಿಗೆ ಸಂಶ್ಲೇಷಣೆ ಹಂತವನ್ನು ಪರೀಕ್ಷಿಸಿ. ಯಾವ ಔಟ್‌ಪುಟ್ ಸರಿಯಾಗಿ ಬಂದಿದೆ ಮತ್ತು ಯಾವುದಕ್ಕೆ ತಿದ್ದುಪಡಿ ಅಗತ್ಯವಿದೆ? ಅರ್ಧ ಪುಟದ "ಪರಿಶೀಲನೆ ಲಾಗ್" ಅನ್ನು ಇರಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• AI ಒಬ್ಬ ಸಹಾಯಕ, ರಸಾಯನಶಾಸ್ತ್ರಜ್ಞನಲ್ಲ ಎಂದು ನಾನು ಅರಿತುಕೊಂಡೆ.
• [ ] ನಾನು ಫ್ಯಾಬ್ರಿಕೇಶನ್ ಅಪಾಯಗಳನ್ನು ಗುರುತಿಸುತ್ತೇನೆ, ತಪ್ಪು ಆರೋಪ, ಮತ್ತು ಉದಾಹರಣೆಗಳೊಂದಿಗೆ ಅಪನಂಬಿಕೆ.
• [ ] ನಾನು ಭಾಷಾ ಮಾದರಿ ಮತ್ತು ನಿರ್ಣಾಯಕ ರಸಾಯನಶಾಸ್ತ್ರ ಸಾಧನಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಬಲ್ಲೆ.
• [ ] ನಾನು ಪ್ರತಿ ಔಟ್‌ಪುಟ್‌ಗೆ ರಚನೆ–ಸಂಖ್ಯೆ–ಮೂಲ–ಭದ್ರತೆಯ ನಾಲ್ಕು ಹಂತಗಳನ್ನು ಅನ್ವಯಿಸುತ್ತೇನೆ.
• [ ] ನಾನು ರಚನೆಯ ಸಂಕೇತ (SMILES/InChI) ಮೂಲಕ ಅಣುಗಳನ್ನು ವಿವರಿಸುತ್ತೇನೆ, ಹೆಸರಿನಿಂದ ಅಲ್ಲ.
• [ ] ನಾನು ಕನಿಷ್ಟ ಒಂದು ಪರಿಶೀಲನಾ ಲಾಗ್ ಅನ್ನು ಇಟ್ಟುಕೊಂಡಿದ್ದೇನೆ.