단위
1. 화학에서의 인공 지능 소개: 역할, 경계, 검증 및 윤리 2. 분자 표현 및 화학 구조: SMILES, InChI 및 RDKit을 사용한 검증 3. 반응 예측 및 메커니즘: 제품, 상태 및 이상반응 예측 4. 스펙트럼 해석 지원: NMR, IR 및 질량 분석법 5. 문헌 검토 및 종합 계획: 출처, 절차 및 로드맵 6. 화학 데이터 분석 및 Python: 팬더, 화학량론 및 교정 7. 분자 특성 예측 및 QSAR: 분리능, pKa 및 모델 한계 8. 실험실 문서: 실험 노트, ELN 및 재현성 9. 안전 및 위험 평가: GHS, SDS 및 인공 지능의 한계 10. 확인, 환각 및 과학적 완전성 11. 실험 중인 인간: 윤리, 개인정보 보호, 책임 및 엔드투엔드 워크플로
단위 5 / 11

문헌 검토 및 종합 계획: 출처, 절차 및 로드맵

이득:

  • 개념, 초록 및 검색 전략에서 강력하고 구체적인 인용을 생성하는 데 있어 인공 지능을 위험한 도구로 위치시키는 능력
  • 데이터베이스의 각 인용 및 DOI를 검증하여 가짜 출처의 위험을 제거하는 기능
  • 인간이 실제 기사를 찾아 인공지능에게 텍스트를 요약하는 안전한 워크플로우를 구축하는 능력

문헌 검토 및 합성 계획: AI를 사용한 소스, 절차 및 로드맵

모든 화학 프로젝트는 문헌 검토로 시작됩니다. "이 화합물은 이전에 만들어졌습니까? 어떤 방법으로 만들어졌습니까? 생산량은 얼마나 됩니까?" AI는 이 단계에서 훌륭한 가속기입니다. 주제를 요약하고, 주요 개념을 설명하고, 검색어를 생성하고, 절차를 간략하게 설명합니다. 그러나 이는 또한 화학에서 가장 위험한 오류, 즉 가짜 귀인의 근원이기도 합니다. AI는 현실적으로 보이지만 전혀 존재하지 않는 기사, 저자, DOI를 구성할 수 있습니다. 이 단원에서는 인용 규율을 포기하지 않고 문헌 및 종합 계획에 AI를 사용하는 방법을 배웁니다.

인용 규율이 중요한 이유는 무엇입니까?

언어 모델은 텍스트를 생성합니다. 달리 명시하지 않는 한 데이터베이스를 쿼리하지 않습니다. “Journal of Organic Chemistry, 2018, 83, 4521, Zhang et al.” 형식의 리소스는 모델에 대해 "가능해 보이는 단어 및 숫자 집합"일 뿐입니다. 이 출처는 실제일 수도 있고 아닐 수도 있습니다. 모델은 둘을 구별하지 않습니다. 따라서 YZ가 제공한 인용은 데이터베이스(DOI 분석기, PubMed, Crossref, 출판사 사이트)에서 확인되지 않은 채 사용되지 않습니다.

주의: AI가 DOI를 제공한다고 해서 해당 DOI가 유효하다는 의미는 아닙니다. https://doi.org/를 통해 DOI를 해결합니다. 기사로 연결되지 않으면 제목과 저자가 진짜인 것처럼 보이더라도 해당 출처는 존재하지 않는 것입니다.

문헌에서 AI가 강하고 약한 부분

  • 강력함: 개념 설명, 반응 클래스 개요, 검색 키워드 생성, 절차의 일반적인 단계 개요, 기사 텍스트 요약(붙여넣을 때).
  • 약함: 특정 기사의 존재, 정확한 페이지/볼륨/DOI 정보, 정확한 산출량 값을 "기억에서" 제공합니다. 이는 제작에 가장 개방적인 영역입니다.

이러한 구별은 다음과 같은 전략을 낳습니다. AI를 진실의 원천이 아닌 텍스트 처리 도구(요약, 분류)로 사용합니다. 실제 기사를 찾아서 AI가 읽고 요약하도록 하세요.

단계별: 안전한 문헌 + 계획 흐름

  1. 개념 학습: AI가 주제, 반응 수업, 용어를 설명하도록 합니다. 여기서는 제조 위험이 낮습니다.
  2. 검색어 생성: AI에게 8~10개의 키워드/동의어 및 가능한 저널을 요청합니다. 이것으로 실제 데이터베이스를 검색하십시오.
  3. 실제 기사 얻기: PubChem/Reaxys/Google Scholar에서 직접 기사를 찾아보세요.
  4. 요약: 기사 텍스트를 AI에 붙여넣고 구조화된 요약(방법, 조건, 수율, 제한 사항)을 만듭니다.
  5. 계획 세우기: 목표에 대한 종합 로드맵을 만듭니다. 각 렁을 실제 소스에 연결합니다.
  6. 확인: DOI로 각 인용을 해결합니다. 각 중요한 숫자를 원본 텍스트와 비교하십시오.

복사 가능한 템플릿 4개

1) 컨셉 + 검색어 생성(안전영역) :

주제: Suzuki-Miyaura 결합 반응을 통해 아릴-아릴 결합 설정. 과제: 1) 반응을 5개의 문장으로 설명합니다(용어 정의).2) 문헌 검색을 위한 10개의 키워드/동의어를 생성합니다.3) 이 주제가 자주 출판되는 저널 5개를 추천합니다. 규칙: 특정 기사/DOI를 제공하지 마십시오. 데이터베이스에서 검색하겠습니다.

2) 기사 요약(귀하가 텍스트 제공):

아래에는 기사의 실험 부분을 붙여넣었습니다.[TEXT]작업: 다음 제목으로 요약합니다. - 대상 화합물 및 그 의미 - 사용된 방법/시약 - 조건(온도, 시간, 용매) - 수율 - 명시된 제한사항 텍스트에 없는 숫자는 추가하지 마세요. 그렇지 않으면 "지정되지 않음"이라고 씁니다.

3) 합성 로드맵(소스에 따라 다름):

목표: 2-페닐벤즈이미다졸(웃음: c1ccc(cc1)c1nc2ccccc2[nH]1). 과제: 2단계 합성 계획의 초안을 제공합니다. 각 단계에 대해: 시약, 조건, 정제 방법. 규칙: 각 단계에 대해 "검색할 키워드가 포함된 이러한 유형의 반응에 대한 일반적인 참조" 정보를 추가합니다. 도이 페이크.

4) 인용확인 체크리스트:

아래에 4개의 참고자료가 있습니다. 각각에 대해 사실 확인 체크리스트를 작성하십시오. 어떤 필드(DOI, 저널, 볼륨, 연도, 저자)를 확인해야 하며 어디에서 확인해야 합니까?[인용]참고: 인용이 정확하다고 주장하지 마십시오. 확인하는 방법을 단계별로 알려주세요.

약한 프롬프트 / 강한 프롬프트

약함:

이 화합물의 합성에 관한 5가지 출처를 알려주십시오.

AI는 현실적이지만 검증되지 않은 속성을 생성할 가능성이 높으며, 그 중 일부는 조작된 것입니다.

강한:

주제: 화합물 합성 I은 데이터베이스에서 실제 소스를 찾을 것입니다. 당신은 내 검색 전략을 강화합니다.

차이점: AI가 강력한 작업(검색 전략, 컨셉)을 지향하고, 조작되기 쉬운 작업(구체적인 귀속)에는 멀리했습니다.

소스 유형 및 신뢰성

소스/도구

무엇을 제공하는가

신뢰성

역할

메모리의 AI(언어 모델)

개념, 개요, 검색 아이디어

개념은 높지만 참조는 낮음

아이디어/요약

AI + 붙여넣은 텍스트

주어진 텍스트 요약

높음(텍스트에 따라 다름)

요약

DOI 파서 (doi.org)

귀속의 진정성

높다

확인

PubChem / Reaxys / SciFinder

화합물, 반응, 소스

높다

기본 검색

Google 학술검색/상호참조

논문발견, 인용

높다

확인

미니 케이스

사례 1 — 3개의 제작된 소스. 한 연구원이 AI에게 특정 주제에 대한 6가지 소스를 요청했습니다. 그가 DOI를 하나씩 해결했을 때 그 중 3개가 유효하지 않았습니다. 헤드라인은 설득력이 있었지만 기사는 그렇지 않았습니다. 확인에는 25분이 걸렸지만 기사에 3개의 가짜 인용이 들어가는 것을 방지했습니다. 교훈: 각 참조는 하나씩 해결됩니다.

사례 2 - 잘못된 수익률. AI는 절차를 설명하면서 “효율성은 92%입니다.”라고 말했습니다. 사용자가 원본 기사를 찾아서 봤을 때 수익률은 64%였습니다. AI가 기억에서 숫자를 만들어낸 것이다. 교훈: 중요한 숫자를 원본 텍스트와 비교하고 AI 요약을 신뢰하지 마십시오.

사례 3 - 개념상의 가치, 참조상의 위험. 한 학생이 AI에게 반응 수업을 설명하게 했습니다. 설명이 정확하고 유익했습니다. 그럼 "상위 기사 3개는요?" 그는 말했다; 그 중 2개는 조작된 것이었다. AI는 동일한 세션에서 매우 유용하면서도 위험했습니다. 교훈: 동일한 차량이 다양한 작업에서 서로 다른 신뢰성을 보여줍니다. 당신의 의무에 따라 신뢰하십시오.

일반적인 실수

  • 확인 없이 참조를 사용합니다. 가장 흔하고 가장 심각한 실수입니다. 기사 철회로 이어질 수 있습니다.
  • 요약에서 생산량/조건 번호를 가져옵니다. AI 요약에는 소스보다는 '가능한 값'이 반영되는 경우가 있습니다. 원본과 비교하세요.
  • AI를 검색 엔진으로 착각합니다. 달리 명시하지 않는 한, 언어 모델은 라이브 데이터베이스를 쿼리하지 않습니다. 기억에서 생산됩니다.
  • 하나의 언어로 검색합니다. 단순히 터키어/영어에서 핵심 용어를 빼면 리소스가 누락됩니다. AI는 동의어 생성을 돕습니다.
  • 소스와 개념을 혼동합니다. AI가 올바른 개념을 설명한다는 사실이 AI가 제공하는 참조가 정확하다는 것을 의미하지는 않습니다.
팁: 가장 강력한 작업 흐름은 '사람이 먼저 찾은 다음 AI가 요약하는' 것입니다. 실제 기사를 가져와 AI가 텍스트를 읽어주게 하면 됩니다. 따라서 AI의 강점(요약)을 사용하고 약점(소스 피팅)을 비활성화합니다.

요약하면

  • AI는 문헌의 개념, 요약, 검색 전략에서 강력하고 구체적인 인용을 생성하는 데 위험합니다.
  • 허위 인용(조작된 기사/DOI)은 화학 분야에서 가장 심각한 AI 위험입니다. 모든 참조가 확인되었습니다.
  • 가장 안전한 흐름: 인간이 실제 기사를 찾고 AI가 텍스트를 요약합니다.
  • 초록이 아닌 소스 텍스트에서 수확량 및 조건과 같은 중요한 수치를 가져옵니다.
  • 합성 계획의 각 단계를 실제 소스에 연결합니다.

응용과제

대상 화합물을 선택합니다. 먼저 AI에게 검색어와 개념적 요약만 요청합니다(구체적인 속성은 묻지 않음). 실제 데이터베이스에서 이 용어를 사용하는 기사를 두 개 이상 찾으세요. 기사 텍스트를 AI로 요약하고 생산량/조건 수치를 원본과 비교합니다. 이와는 별도로 AI에게 "5개 소스"를 의도적으로 요청하고 AI가 제공하는 DOI를 하나씩 해독합니다. 실제는 몇 개입니까? 한 페이지 분량의 "인용 검증 보고서"를 작성합니다.

체크리스트

  • [ ] 나는 AI를 검색 엔진이 아닌 개념/요약 도구로 포지셔닝합니다.
  • [ ] 구체적인 인용을 원할 때 doi.org에서 각 DOI를 디코딩합니다.
  • [ ] 수율/조건 수치를 원본 소스와 비교하고 있습니다.
  • [ ] 실제 기사를 찾아서 AI가 본문을 요약하게 합니다.
  • [ ] 나는 합성 계획의 각 단계를 출처에 귀속시킵니다.
  • [ ] 인용확인보고서를 1개 이상 준비했습니다.
이전 다음