Manusia dalam Percubaan: Etika, Privasi, Tanggungjawab dan Aliran Kerja Hujung-ke-Hujung

Keuntungan:

• Mengintegrasikan prinsip manusia ke dalam aliran kerja hujung ke hujung dalam eksperimen dan dapat mengasingkan kecerdasan buatan/peranan manusia pada setiap peringkat
• Keupayaan untuk bekerja dengan contoh proksi generik tanpa memberikan struktur dan data sulit kepada kecerdasan buatan am
• Keupayaan untuk meletakkan pintu kelulusan manusia pada titik kritikal dan memikul tanggungjawab muktamad dengan ketelusan dan kebolehkesanan

Dalam unit akhir ini kami menggabungkan keseluruhan modul ke dalam satu rangka kerja: manusia-dalam-gelung. Prinsip ini mengatakan bahawa tidak kira betapa berkebolehan AI, manusia mesti memahami, mengawal, dan meluluskan pada setiap titik kritikal keputusan kimia. Dalam unit ini, kami mula-mula akan menjelaskan aspek etika dan kerahsiaan, kemudian mewujudkan aliran kerja hujung ke hujung yang mengambil molekul daripada idea untuk dilaporkan, dan melihat cara AI dan manusia membahagikan tenaga kerja pada setiap peringkat. Matlamatnya adalah untuk menukar semua yang anda pelajari kepada sistem yang sesuai dengan kerja harian.

Privasi: apa yang tidak boleh diberikan kepada AI?

Kimia sering berfungsi dengan maklumat sulit: molekul tidak dipatenkan, laluan sintesis rahsia syarikat, data tidak diterbitkan, sampel pesakit. Teks yang anda masukkan ke dalam perkhidmatan AI awam mungkin disimpan atau diproses mengikut dasar perkhidmatan. Oleh itu:

• Semak dasar institusi anda sebelum mengeluarkan struktur asal yang tidak diterbitkan (molekul pra-paten) kepada AI awam.
• Jangan sekali-kali memasukkan data peribadi/pesakit (sampel klinikal) dalam bentuk yang boleh dikenal pasti.
• Semak perjanjian kerahsiaan sebelum berkongsi laluan sintesis rahsia perdagangan.
• Pilih alat AI penempatan dalaman/tersuai apabila perlu.

Awas: Bertanya kepada AI umum tentang molekul mungkin bermakna mendedahkan struktur molekul itu. Untuk struktur unik yang belum dipatenkan, ini mungkin menjejaskan keutamaan anda (hak paten). Minta struktur tersembunyi dengan contoh generik/pengganti.

Etika: empat prinsip

1. Ketelusan: Jangan sembunyikan tempat anda menggunakan AI; Mematuhi dasar penerbitan dan institusi.
2. Tanggungjawab: Manusia bertanggungjawab untuk keputusan muktamad; "AI dicadangkan" tidak memberi alasan kepada pelanggaran keselamatan atau integriti.
3. Non-maleficence: Jangan gunakan AI untuk sintesis berbahaya/haram, aplikasi dwi-guna (berpotensi senjata).
4. Keadilan dan kejujuran: Jangan memutarbelitkan data, jangan memperindah hasil, jangan reka atribusi.

Aliran kerja hujung ke hujung: molekul → laporan

Sekarang mari kita gabungkan keseluruhan modul ke dalam satu aliran. Pada setiap peringkat, perhatikan perbezaan antara apa yang AI lakukan dan apa yang manusia lakukan.

pentas

Peranan AI

Peranan (kritikal) manusia

1. Idea/sastera

Ringkasan konsep, istilah carian

Mencari sumber sebenar, pengesahan atribusi

2. Penerangan struktur

menjana SENYUMAN

Pengesahan dengan RDKit, InChIKey

3. Pelan sintesis

Retrosintesis, alternatif

Pengesahan literatur, pemilihan laluan

4. Keselamatan

Ringkasan SDS, ketidakpadanan awal

Bacaan SDS, kelulusan, keputusan PPE

5. Permohonan

(Tiada)

Semua kerja makmal

6. Analisis

Sokongan ulasan spektrum

Tugasan struktur akhir

7. Pemprosesan data

menulis kod

Jalankan kod, sahkan hasilnya

8. Dokumentasi

Memformat, mengawal

Pemerhatian, penyelewengan, tandatangan

9. Pelaporan

draf teks

Pengesahan nombor/petikan, akauntabiliti

Jadual ini menunjukkan bagaimana 11 unit modul disusun menjadi satu kerja. AI mempercepatkan; orang mengesahkan dan memiliki.

Langkah demi langkah: menyediakan aliran kerja

1. Jelaskan peranan: Untuk setiap tugas, "Adakah AI atau manusia membuat keputusan?" tentukan dari awal.
2. Sediakan penapis privasi: Tanpa memberikan sesuatu kepada AI, anda boleh bertanya "adakah ini peribadi/peribadi?" bertanya.
3. Letakkan gerbang pengesahan: Langkah pengesahan pada akhir setiap peringkat (jadual dalam unit 10).
4. Kekalkan kebolehkesanan: Apakah output yang datang daripada AI, bagaimana ia disahkan, siapa yang meluluskannya.
5. Tetapkan titik kelulusan: Kelulusan manusia adalah wajib pada titik kritikal seperti keselamatan dan keputusan akhir.
6. Maklum balas: Rekod setiap ralat yang ditangkap dan tingkatkan aliran kerja.

Empat templat yang boleh disalin

1) Pra-penapis privasi:

Sebelum mengemukakan soalan, pertimbangkan ini:Kandungan: [APA YANG SAYA TANYA]Tugas: Adakah kandungan ini mengandungi artifak asal, data peribadi atau rahsia perdagangan yang tidak diterbitkan? Jika ya, cadangkan bagaimana saya boleh menulis semula soalan dengan contoh generik/pengganti yang akan menyembunyikan struktur.

2) Gerbang pengesahan fasa akhir:

Saya telah menyelesaikan fasa berikut: [FASA, mis. pelan sintesis].Tugas: Senaraikan semua elemen yang perlu disahkan keluar dari peringkat ini (nombor, petikan, struktur, tuntutan keselamatan). Untuk setiap satu, tulis kaedah pengesahan dan siapa yang harus mengesahkannya. Tandai mana-mana item terbuka yang perlu ditutup sebelum beralih ke langkah seterusnya.

3) Pelan pengagihan peranan Human-AI:

Projek saya: [HURAIAN RINGKAS].Tugas: Bahagikan projek ini kepada beberapa fasa. Untuk setiap peringkat, bezakan antara: - Apa yang AI boleh lakukan (draf, kod, ringkasan) - Apa yang manusia mesti putuskan (keselamatan, akibat, kelulusan). Tandakan titik kritikal di mana tanggungjawab utama terletak pada manusia.

4) Laporkan pemeriksaan integriti:

Di bawah ialah draf laporan saya:[DRAFT]Tugas: Semak dan tandakan perkara berikut:1) Adakah terdapat sebarang nombor/petikan yang tidak disahkan?2) Adakah penggunaan AI dinyatakan secara telus?3) Adakah data kelihatan "dipercantik" (penyorok terpencil)?4) Adakah terdapat sebarang kelemahan keselamatan/etika? [SEMAK] di mana anda tidak pasti.

Gesaan lemah / Gesaan kuat

lemah:

Apakah cara terbaik untuk mensintesis molekul rahsia baharu syarikat kami?[struktur asal sebenar]

Ini mendedahkan struktur pra-paten asal kepada perkhidmatan am; Ia meletakkan keutamaan dan kerahsiaan pada risiko.

kuat:

Saya ingin mempelajari strategi retrosintesis am untuk struktur serupa kelas keton aromatik. Terangkan melalui contoh generik (derivatif asetofenon) tanpa memberikan struktur asli yang konkrit. Saya akan menggunakan strategi itu kepada molekul saya sendiri secara dalaman.

Perbezaan: tanpa mendedahkan struktur terpendam, pembelajaran yang sama dicapai seperti contoh pengganti generik.

kes mini

Kes 1 — Struktur asal didedahkan. Satu pasukan bertanya kepada AI am tentang molekul unik sebelum memohon paten. Unit undang-undang menyatakan bahawa ini boleh membawa keutamaan kepada persoalan; Proses itu ditangguhkan. Pelajaran: minta struktur unik dengan proksi generik, hormati dasar privasi.

Kes 2 — Keizinan manusia menghalang kemalangan itu. Dalam aliran kerja automatik, AI menghasilkan draf prosedur dan akan dilaksanakan secara langsung; Tetapi seorang ahli kimia berpengalaman menangkap sepasang reagen yang tidak serasi di pintu masuk "pelepasan keselamatan". Pengajaran: pada titik kritikal, pintu kelulusan manusia menyelamatkan nyawa.

Kes 3 — Disiplin hujung ke hujung. Pelajar sarjana melaksanakan keseluruhan modul dalam satu projek: ringkasan literatur + pengesahan petikan sebenar dengan AI, pengesahan struktur dengan RDKit, analisis data dengan kod, keselamatan dengan SDS, dokumentasi jujur, pelaporan telus. Hasilnya adalah lebih cepat dan lebih mantap; dalam pertahanan tesis "Bagaimana anda mengesahkan AI?" Dia menjawab soalan itu dengan jelas. Pelajaran: Disiplin pengesahan AI + berfungsi paling baik bersama-sama.

Kesilapan biasa

• Memberi struktur terpendam kepada AI am. Ia menjejaskan keutamaan paten dan rahsia perdagangan.
• Memasukkan data peribadi/pesakit yang boleh dikenal pasti. Pelanggaran privasi dan risiko undang-undang.
• Melangkau pintu kelulusan. Keselamatan dan akhirnya bergerak ke hadapan tanpa persetujuan manusia.
• Memindahkan tanggungjawab kepada AI. "AI dicadangkan" tidak memaafkan sebarang kesilapan.
• Mengelakkan ketelusan. Menyembunyikan penggunaan AI menjejaskan integriti.
• Mengabaikan risiko penggunaan dua kali. Adalah tidak beretika untuk menggunakan AI untuk aplikasi berbahaya.

Petua: Reka aliran kerja anda dengan "setiap keputusan kritikal yang dihentikan dan diluluskan oleh manusia." Jadikan AI sebagai pautan yang mempercepatkan rantai, dan nod yang memegang rantai itu sentiasa manusia.

Secara ringkasnya

• Prinsip manusia dalam eksperimen: dalam setiap keputusan kimia kritikal, manusia memahami, menyelia dan meluluskan.
• Privasi: jangan berikan artifak unik, data peribadi dan rahsia perdagangan kepada AI awam; Gunakan proksi generik.
• Etika: ketelusan, tanggungjawab, tidak jahat, kejujuran adalah empat prinsip asas.
• Dalam aliran kerja hujung ke hujung, AI mempercepatkan pada setiap peringkat; orang mengesahkan dan memiliki.
• Letakkan pintu kelulusan manusia pada titik kritikal (keselamatan, hasil akhir) dan kekalkan kebolehkesanan.

Tugasan permohonan

Pilih projek anda sendiri (sebenar atau hipotetikal) dan reka aliran kerja AI-manusia dari awal hingga akhir. Sesuaikan jadual 9 peringkat di atas dengan projek anda sendiri: apakah yang akan dilakukan oleh AI pada setiap peringkat, apakah yang akan diluluskan oleh manusia? Gunakan pra-penapis privasi: apakah maklumat yang anda tidak berikan kepada AI, bagaimana anda menjanakannya? Tentukan sekurang-kurangnya dua pintu kelulusan manusia dan satu kaedah kebolehkesanan. Tulis "pelan aliran kerja dan pengesahan" satu halaman.

senarai semak

• [ ] Dalam eksperimen, saya memahami prinsip manusia dan mengapa ia perlu.
• [ ] Saya menjanakan struktur/data tersembunyi tanpa memberikannya kepada AI umum.
• [ ] Saya mematuhi prinsip ketelusan, tanggungjawab, tidak jahat dan kejujuran.
• [ ] Saya memisahkan peranan AI/manusia dalam aliran kerja hujung ke hujung.
• [ ] Saya meletakkan pintu kelulusan manusia pada titik kritikal.
• [ ] Saya menjejaki output yang datang daripada AI dan bagaimana ia disahkan.

Peperiksaan Modul

1. Antara berikut, yang manakah kedudukan paling tepat untuk kecerdasan buatan dalam kimia?

• A) Kepintaran buatan ialah pembantu kod, draf dan penyuntingan; Tanggungjawab terhadap struktur, nombor, sumber, keselamatan dan keputusan beretika terletak pada manusia ✔
• B) Kepintaran buatan ialah enjin kimia dan berat molekul yang diberikannya sentiasa tepat.
• C) Kecerdasan buatan hanya berfungsi dalam kajian literatur, ia tidak ada kaitan dengan analisis dan keselamatan
• D) Memandangkan kecerdasan buatan lebih tidak berat sebelah daripada manusia, keputusan keselamatan harus diserahkan kepadanya

Penerangan: Kepintaran buatan; Ia adalah pembantu yang menulis kod, menghasilkan draf, membina rangka retrosintesis, membantu dan mengatur tafsiran spektrum. Walau bagaimanapun, pengiraan deterministik berat molekul dan stoikiometri, pengesahan struktur dengan RDKit, pengesahan petikan dalam pangkalan data, keputusan keselamatan dengan SDS/GHS dan tanggungjawab akhir adalah milik ahli kimia yang kompeten. Model bahasa besar bukanlah kalkulator atau enjin kimia; Ia ialah penjana teks yang menghasilkan 'perkataan kemungkinan besar seterusnya' dan outputnya yang tidak disahkan boleh membawa kepada struktur, nombor atau bahaya yang salah.

2. Apakah cara yang paling boleh dipercayai untuk menggambarkan molekul kepada kecerdasan buatan?

• A) Menulis hanya nama Turki biasa
• B) Memberi perwakilan struktur seperti SMILES dan mengesahkan identiti dengan InChIKey ✔
• C) Hanya memberitahu berat molekul
• D) Adalah memadai untuk menulis tanda dagangan

Penjelasan: Nama (terutamanya nama perdagangan dan sinonim) adalah samar-samar dan boleh membawa kepada molekul yang salah. Memberi molekul tatatanda struktur seperti SMILES memberikan ketepatan; Identitinya disahkan dalam pangkalan data dengan InChIKey. Selain itu, SMILES yang diberikan oleh kecerdasan buatan mesti dihuraikan dengan RDKit dan disahkan melalui kanonik.

3. Bagaimanakah anda harus menggunakan berat molekul yang diberikan oleh kecerdasan buatan?

• A) Menggunakannya secara langsung, kerana AI boleh dipercayai dalam angka
• B) Kira dan sahkan secara bebas daripada formula secara manual atau dengan RDKit ✔
• C) Cukup sekadar bertanya kecerdasan buatan yang lain dan bandingkan
• D) Berat molekul tidak penting, tidak perlu pengesahan

Penjelasan: Berat molekul ialah kuantiti yang dikira secara deterministik daripada formula molekul. Jadi bertanya model bahasa adalah cara yang paling lemah; Ia harus disahkan secara bebas dengan alat seperti RDKit atau dengan mengiranya secara manual daripada formula. Model bahasa boleh memuatkan nombor sedemikian dengan nilai 'kemungkinan kelihatan'.

4. Apakah yang perlu dilakukan sebelum menggunakan petikan sastera (artikel/DOI) yang dikembalikan oleh kecerdasan buatan?

• A) Tiada apa-apa; Jika kecerdasan buatan memberi rujukan, ia adalah nyata
• B) Melihat tajuk untuk nampak meyakinkan sudah memadai.
• C) Mengesahkan setiap petikan dan DOI dengan menyahkodnya dalam pangkalan data (doi.org, Crossref) ✔
• D) Nombor DOI yang panjang membuktikan bahawa ia adalah benar.

Penerangan: Model bahasa boleh menjana artikel, pengarang dan DOI yang kelihatan realistik tetapi tidak wujud (petikan palsu). Hanya kerana ia memberikan DOI tidak bermakna ia sah. Setiap petikan mesti disahkan melalui resolusi dalam pangkalan data seperti doi.org, Crossref, atau tapak penerbit; Aliran paling selamat adalah untuk manusia mencari artikel sebenar dan mempunyai teks yang diringkaskan oleh kecerdasan buatan.

5. Di kawasan manakah kecerdasan buatan paling lemah dan memerlukan pengesahan dalam perancangan tindak balas?

• A) Dalam mengenali kelas am yang mana tindak balas itu tergolong
• B) Nombor keadaan tepat, nilai hasil dan nama reagen/mangkin ✔
• C) Menerangkan mekanisme dalam bahasa mudah
• D) Sumbangsaran untuk laluan alternatif

Penjelasan: AI secara amnya meramalkan jenis tindak balas dan produk utama tindak balas yang didokumentasikan dengan baik. Walau bagaimanapun, nombor keadaan tepat (suhu, masa, setara), nilai hasil, tindak balas yang jarang berlaku, dan nama reagen/mangkin adalah yang paling lemah dan paling terdedah kepada fabrikasi; ini harus disahkan dengan kesusasteraan dan katalog.

6. Apakah cara yang paling boleh dipercayai untuk menggunakan kecerdasan buatan dalam tafsiran spektrum?

• A) Hanya berikan beberapa puncak dan tanya 'spektrum apakah ini?' untuk bertanya
• B) Memberi struktur yang diharapkan dan data mentah penuh dan mempunyai semakan konsistensi (ujian hipotesis) ✔
• C) Menulis hanya nilai anjakan tanpa melakukan integrasi dan pembahagian
• D) Mempunyai tugasan struktur muktamad dilakukan dengan satu teknik (IR sahaja)

Penerangan: Tanya AI 'kompaun manakah spektrum ini?' Bertanya dari awal meningkatkan kadar ralat. Cara yang paling boleh dipercayai adalah dengan memberikan struktur yang dijangkakan (SENYUM) dan data mentah (integrasi, pemisahan, penyelesai, senarai puncak) bersama-sama dan bertanya 'adakah data ini konsisten dengan struktur ini?' ialah bertanya; iaitu menggunakan kecerdasan buatan sebagai penguji hipotesis. Tugasan terakhir adalah untuk ahli kimia yang memeriksa spektrum eksperimen.

7. Apakah cara yang paling boleh dipercayai untuk mendapatkan hasil pengiraan kimia (cth. peratus hasil)?

• A) Meminta hasil secara langsung daripada kecerdasan buatan secara lisan
• B) Cetak dan jalankan kod Python akaun dan uji dengan contoh yang diketahui ✔
• C) Tanya soalan yang sama beberapa kali dan dapatkan nombor yang paling kerap muncul
• D) Menganggar dengan cepat tanpa menyatakan unit

Penjelasan: Model bahasa melakukan aritmetik dengan 'meramalkan kemungkinan hasil' dan boleh menjadi salah walaupun dengan pendaraban yang sangat mudah. Cara yang paling boleh dipercayai ialah meminta AI menulis KODnya (cth. Python), bukan akaun itu sendiri, dan menjalankan kod itu; kod adalah deterministik dan boleh diaudit. Kod itu juga harus diuji dengan sampel kecil yang jawapannya diketahui.

8. Apakah maksud konsep 'domain kebolehgunaan' dalam ramalan sifat molekul?

• A) Kuasa pemprosesan komputer di mana model dijalankan
• B) Rantau molekul serupa dengan data latihan, di mana model memberikan ramalan yang boleh dipercayai ✔
• C) Kawasan jaminan di mana nombor yang diberikan oleh model sentiasa tepat
• D) Julat suhu di mana molekul boleh disintesis dalam makmal

Penjelasan: Model QSAR/ramalan berfungsi dengan baik pada molekul yang serupa dengan molekul yang dilatih. Memandangkan molekul yang sangat berbeza daripada data latihan, model masih menghasilkan nombor, tetapi ini tidak boleh dipercayai; ini dipanggil 'berada di luar skop kebolehgunaan'. Model sentiasa memberikan jawapan; Terpulang kepada manusia untuk menilai sama ada jawapan itu boleh dipercayai atau tidak.

9. Apakah pendekatan yang betul untuk menangani pemerhatian dalam dokumentasi eksperimen?

• A) Menulis pemerhatian kepada kecerdasan buatan untuk menjimatkan masa
• B) Orang yang melakukan eksperimen menulis pemerhatian; AI hanya memformat dan menyemak ✔
• C) Adalah memadai untuk tidak merekodkan pemerhatian, hanya tulis hasil akhir
• D) Menyembunyikan penyelewengan daripada rancangan untuk menjadikan laporan kelihatan bagus

Penjelasan: Kepintaran buatan tidak tahu apa itu; Membuat pemerhatian (perubahan warna, pelepasan gas, dsb.) muat ke dalamnya menghasilkan rekod yang kelihatan munasabah tetapi tidak berlaku, dan ini adalah penipuan saintifik. AI memformatkan rakaman, mengingat semula medan yang hilang, dan menyemak kebolehulangan; tetapi penguji manusia mesti memberikan pemerhatian dan fakta. Penyimpangan daripada rancangan juga mesti direkodkan.

10. Apakah peranan kecerdasan buatan dalam keselamatan makmal dan sumber kebenaran?

• A) Jika kecerdasan buatan mengatakan 'selamat', tidak perlu sumber lain
• B) Sumber kebenaran ialah SDS dan GHS; AI membantu tetapi tidak boleh membuat keputusan akhir ✔
• C) Keputusan keselamatan boleh diserahkan sepenuhnya kepada kecerdasan buatan
• D) SDS tidak diperlukan; Forum Internet menyediakan maklumat yang mencukupi.

Perihalan: Keselamatan adalah keutamaan tertinggi dalam kimia, dan kecerdasan buatan tidak boleh digunakan untuk kata terakhir di sini. Sumber maklumat keselamatan sebenar ialah klasifikasi SDS (Helaian Data Keselamatan) dan GHS yang disediakan oleh pengilang. AI boleh meringkaskan teks SDS, menjana draf borang dan melakukan saringan awal ketidakpatuhan; Walau bagaimanapun, semua tuntutan mesti disahkan dengan SDS dan prosedur mesti diluluskan oleh orang yang berpengalaman/pegawai keselamatan.

11. Manakah antara kombinasi reagen berikut adalah padanan berbahaya (tidak serasi) yang diketahui?

• A) Mencampurkan air dan garam meja
• B) Mencampurkan larutan berasid dengan larutan yang mengandungi hipoklorit (risiko gas klorin) ✔
• C) Mencampurkan etanol dan air
• D) Melarutkan gula dan air

Penjelasan: Walaupun sesetengah bahan kimia agak selamat sahaja, ia berbahaya bersama-sama. Mencampurkan asid dan hipoklorit membebaskan gas klorin; Pengoksida + organik menimbulkan risiko kebakaran/letupan, air + haba logam reaktif/hidrogen. Walaupun AI mengetahui kebanyakan gabungan ini, ia tidak menjamin kesemuanya dan kadangkala boleh mengemukakan cadangan berbahaya dalam bahasa yang tidak bersalah; setiap prosedur hendaklah disaring untuk ketidakpatuhan SDS.

12. Apakah ungkapan yang paling tepat untuk 'halusinasi' (kecerdasan buatan yang menghasilkan maklumat rekaan)?

• A) Ia adalah ralat perisian yang jarang berlaku dan dihapuskan sepenuhnya dengan kemas kini.
• B) Ia adalah tingkah laku yang wujud dalam model bahasa; Penyelesaiannya adalah untuk mengesahkan secara bebas setiap output ✔
• C) Ia hanya muncul dalam gesaan yang ditulis dengan salah, tidak sekali-kali dalam gesaan yang betul.
• D) Jika kecerdasan buatan bercakap dalam bahasa yang selamat, ia bukan halusinasi

Penjelasan: Halusinasi bukanlah suatu kerosakan tetapi hasil daripada sifat model bahasa yang menghasilkan 'perkataan kemungkinan besar seterusnya'; Model menyasarkan yang mungkin, bukan yang benar. Bahagian yang paling berbahaya ialah ia menyampaikan maklumat palsu dalam bahasa yakin yang sama dengan kebenaran. Penyelesaiannya bukan untuk cuba membetulkan model, tetapi untuk membina shell pengesahan jenis yang sesuai di sekeliling setiap output; kelancaran tidak pernah menjadi bukti ketepatan.

13. Apakah maksud 'triangulasi' untuk mengesahkan nilai kritikal (cth. berat molekul)?

• A) Menanyakan soalan yang sama kepada kecerdasan buatan yang sama sebanyak tiga kali
• B) Membandingkan dan mencapai kesimpulan yang sama dalam lebih daripada satu cara bebas ✔
• C) Mengira berat tiga molekul berbeza pada masa yang sama
• D) Membundarkan keputusan kepada tiga tempat perpuluhan

Penjelasan: Triangulasi mencapai kesimpulan yang sama melalui berbilang laluan bebas; Contohnya, membandingkan berat molekul mengikut kecerdasan buatan, pengiraan RDKit dan pengiraan manual. Jika dua laluan bebas bertindih, kepercayaan adalah tinggi; Jika ada yang menyimpang, ia dihentikan dan disiasat. Daripada bergantung pada satu sumber, sekurang-kurangnya dua kaedah bebas harus dicari.

14. Apakah cara yang betul untuk bertanya kepada perkhidmatan AI am tentang molekul unik yang belum dipatenkan?

• A) Memberi struktur asal secara langsung, kerana kelajuan adalah penting
• B) Mempelajari strategi melalui contoh generik/ganti tanpa mendedahkan struktur asal ✔
• C) Memberi struktur tidak menjadi masalah, AI tidak pernah menyembunyikan maklumat
• D) Tidak memberikan nama molekul tetapi hanya berkongsi keseluruhan SENYUMANnya adalah perlindungan yang mencukupi.

Penerangan: Kandungan yang dimasukkan ke dalam perkhidmatan kecerdasan buatan am boleh disimpan atau diproses mengikut dasar perkhidmatan; Memberi struktur asal berisiko kerahsiaan dan keutamaan paten. Pendekatan yang betul ialah mempelajari strategi daripada contoh generik/pengganti (kelas struktur yang serupa) dan menerapkannya pada molekulnya sendiri secara dalaman, tanpa mendedahkan struktur asal. Data peribadi/pesakit juga tidak boleh dimasukkan dalam bentuk yang boleh dikenal pasti.