ਲਾਭ:
- ਇਹ ਪਛਾਣ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਕਿ ਕਿੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਰਸਾਇਣ ਵਿਗਿਆਨ ਦੇ ਵਰਕਫਲੋ (ਵਿਚਾਰ, ਡਿਜ਼ਾਈਨ, ਵਿਸ਼ਲੇਸ਼ਣ, ਰਿਪੋਰਟਿੰਗ) ਵਿੱਚ ਸਮਾਂ ਬਚਾਉਂਦੀ ਹੈ ਅਤੇ ਕਿੱਥੇ ਢਾਂਚਾ, ਸੰਖਿਆ, ਸਰੋਤ ਅਤੇ ਸੁਰੱਖਿਆ ਫੈਸਲੇ ਮਨੁੱਖਾਂ ਲਈ ਛੱਡੇ ਜਾਂਦੇ ਹਨ, ਜੋਖਮ ਦੇ ਪੱਧਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।
- ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਸਟ੍ਰਕਚਰ-ਨੰਬਰ-ਸਰੋਤ-ਸੁਰੱਖਿਆ ਦੇ ਚਾਰ ਪੜਾਵਾਂ ਨਾਲ ਹਰੇਕ ਆਉਟਪੁੱਟ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰਦੀ ਹੈ
- ਸਮਝੋ ਕਿ ਬਣਾਏ ਗਏ ਮਿਸ਼ਰਣ ਅਤੇ ਸੰਖਿਆਵਾਂ, ਝੂਠੇ ਹਵਾਲੇ, ਅਤੇ ਸੁਰੱਖਿਆ ਦੀਆਂ ਗਲਤ ਧਾਰਨਾਵਾਂ ਇਸ ਪੇਸ਼ੇ ਲਈ ਜੋਖਮ ਕਿਉਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਵਿਚਾਰਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਰਸਾਇਣ ਵਿਗਿਆਨ ਇੱਕ ਪ੍ਰਯੋਗਾਤਮਕ ਵਿਗਿਆਨ ਹੈ ਜੋ ਪਦਾਰਥ ਦੀ ਬਣਤਰ, ਪਰਿਵਰਤਨ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਅਧਿਐਨ ਕਰਦਾ ਹੈ। ਇੱਕ ਕੈਮਿਸਟ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਤੋਲਦਾ ਹੈ, ਘੁਲਦਾ ਹੈ, ਗਰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਮਾਪਦਾ ਹੈ; ਆਪਣੇ ਡੈਸਕ 'ਤੇ, ਉਹ ਅਣੂ ਖਿੱਚਦਾ ਹੈ, ਪ੍ਰਤੀਕਰਮਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ, ਸਪੈਕਟਰਾ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ, ਸਾਹਿਤ ਨੂੰ ਸਕੈਨ ਕਰਦਾ ਹੈ ਅਤੇ ਰਿਪੋਰਟਾਂ ਲਿਖਦਾ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (ਏਆਈ ਸੰਖੇਪ ਲਈ, ਇੱਥੇ ਖਾਸ ਤੌਰ 'ਤੇ ਸਾਫਟਵੇਅਰ ਜੋ "ਅਗਲੇ ਸਭ ਤੋਂ ਸੰਭਾਵਿਤ ਸ਼ਬਦ" ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਕੇ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਇੱਕ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਹੈ, ਭਾਵ, ਵਿਸ਼ਾਲ ਟੈਕਸਟ ਡੇਟਾ) ਇਹਨਾਂ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰੀਆਂ ਡੈਸਕ ਨੌਕਰੀਆਂ ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ। ਪਰ ਇਹ ਖੁਦ ਲੈਬ ਨਹੀਂ ਬਣਾਉਂਦਾ, ਇਹ ਪੈਮਾਨਿਆਂ ਨੂੰ ਨਹੀਂ ਪੜ੍ਹਦਾ, ਅਤੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ: ਇਹ ਤੁਹਾਡੀ ਤਰਫੋਂ ਤਿਆਰ ਕੀਤੇ ਗਏ ਕਿਸੇ ਵੀ ਸੰਖਿਆ, ਫਾਰਮੂਲੇ ਜਾਂ ਹਵਾਲੇ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰਦਾ ਹੈ। ਇਹ ਮੋਡੀਊਲ ਸਿਖਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਕੈਮਿਸਟਰੀ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਕਰਨੀ ਹੈ ਪਰ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ।
ਇਸ ਪਹਿਲੀ ਇਕਾਈ ਵਿੱਚ, ਮੈਂ ਤੁਹਾਡੇ ਦਿਮਾਗ ਵਿੱਚ ਇੱਕ ਵਿਚਾਰ ਲਗਾਉਣਾ ਚਾਹੁੰਦਾ ਹਾਂ: AI ਰਸਾਇਣ ਵਿਗਿਆਨ ਵਿੱਚ ਇੱਕ ਸਹਾਇਕ ਹੈ, ਇੱਕ ਕੈਮਿਸਟ ਨਹੀਂ। ਕੋਡ ਲਿਖਦਾ ਹੈ, ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਰੀਟਰੋਸਿੰਥੇਸਿਸ ਫਰੇਮਵਰਕ ਬਣਾਉਂਦਾ ਹੈ, ਸਪੈਕਟ੍ਰਮ ਸਿਖਰਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਸਾਹਿਤ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਸਮਰੱਥ ਰਸਾਇਣ ਵਿਗਿਆਨੀ ਹੈ ਜੋ ਇਹ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਅਣੂ ਨੂੰ ਅਸਲ ਵਿੱਚ ਸੰਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਕੀ ਕੋਈ ਪ੍ਰਤੀਕ੍ਰਿਆ ਸੁਰੱਖਿਅਤ ਹੈ ਜਾਂ ਨਹੀਂ, ਕੀ ਇੱਕ ਹਵਾਲਾ ਸੱਚਾ ਹੈ ਜਾਂ ਨਹੀਂ, ਅਤੇ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।
AI ਕੈਮਿਸਟਰੀ ਵਰਕਫਲੋ ਵਿੱਚ ਕਿੱਥੇ ਫਿੱਟ ਹੁੰਦਾ ਹੈ?
ਆਉ ਅਸੀਂ ਇੱਕ ਕੈਮਿਸਟਰੀ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਪੰਜ ਪੜਾਵਾਂ ਵਿੱਚ ਵੰਡੀਏ: (1) ਵਿਚਾਰ ਅਤੇ ਸਾਹਿਤ, (2) ਅਣੂ ਅਤੇ ਪ੍ਰਤੀਕ੍ਰਿਆ ਡਿਜ਼ਾਈਨ, (3) ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਐਪਲੀਕੇਸ਼ਨ, (4) ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ, (5) ਰਿਪੋਰਟਿੰਗ। AI ਇਹਨਾਂ ਪੜਾਵਾਂ 'ਤੇ ਬਹੁਤ ਵੱਖਰੇ ਮੁੱਲ ਰੱਖਦਾ ਹੈ।
- ਵਿਚਾਰ ਅਤੇ ਸਾਹਿਤ: AI ਤੇਜ਼ੀ ਨਾਲ ਇੱਕ ਵਿਸ਼ੇ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ, ਮੁੱਖ ਸੰਕਲਪਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ, ਖੋਜ ਸ਼ਬਦ ਬਣਾਉਂਦਾ ਹੈ। ਪਰ ਉਹ ਵਿਸ਼ੇਸ਼ਤਾ ਬਣਾ ਸਕਦਾ ਹੈ; ਅਸੀਂ ਇਸਨੂੰ ਇੱਕ ਪਲ ਵਿੱਚ ਦੇਖਾਂਗੇ.
- ਡਿਜ਼ਾਈਨ: ਮੁਸਕਰਾਹਟ ਤਿਆਰ ਕਰਦਾ ਹੈ (ਅਣੂ ਨੂੰ ਟੈਕਸਟ ਸਤਰ ਵਜੋਂ ਲਿਖਣ ਦਾ ਇੱਕ ਰੂਪ; ਬਾਅਦ ਵਿੱਚ ਇਸ ਬਾਰੇ ਹੋਰ), ਰੀਟਰੋਸਿੰਥੇਸਿਸ ਦੇ ਕਦਮਾਂ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਵਿਕਲਪਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਂਦਾ ਹੈ। ਸੁਝਾਅ ਚੰਗਾ ਹੈ, ਗਾਰੰਟੀ ਨਹੀਂ।
- ਪ੍ਰਯੋਗਸ਼ਾਲਾ: ਏਆਈ ਇੱਥੇ ਕੁਝ ਨਹੀਂ ਕਰਦਾ। ਤੋਲ, ਹੀਟਿੰਗ ਅਤੇ ਸੁਰੱਖਿਆ ਉਪਾਅ ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। AI ਸਿਰਫ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਲਿਖਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ; ਉਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਮਨੁੱਖ ਨੂੰ ਸੁਰੱਖਿਆ ਲਈ ਇਸਦੀ ਨਿਗਰਾਨੀ ਕਰਨੀ ਪੈਂਦੀ ਹੈ।
- ਵਿਸ਼ਲੇਸ਼ਣ: NMR, IR, ਪੁੰਜ ਸਪੈਕਟ੍ਰਮ (ਇਹ ਮਾਪ ਦੀਆਂ ਤਕਨੀਕਾਂ ਹਨ ਜੋ ਅਣੂ ਦੀ ਬਣਤਰ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ) ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ, YZ ਸਿਖਰਾਂ ਨੂੰ ਸਮੂਹ ਕਰਨ ਅਤੇ ਸੰਭਵ ਬਣਤਰਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਅੰਤਮ ਕਾਰਜ ਤੁਹਾਡੀ ਹੈ।
- ਰਿਪੋਰਟਿੰਗ: ਪ੍ਰਯੋਗਾਤਮਕ ਨੋਟਬੁੱਕ, ਲੇਖ ਡਰਾਫਟ, ਸੁਰੱਖਿਆ ਫਾਰਮ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਇਹ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ; ਪਰ ਨੰਬਰ ਤੁਹਾਡੇ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
ਸੰਕੇਤ: AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਸਥਾਨ "ਜੇਕਰ ਕੁਝ ਗਲਤ ਹੋ ਜਾਂਦਾ ਹੈ ਤਾਂ ਇਸ ਨੂੰ ਤੁਰੰਤ ਦੇਖਿਆ ਜਾਵੇਗਾ ਅਤੇ ਠੀਕ ਕੀਤਾ ਜਾਵੇਗਾ" ਖੇਤਰਾਂ ਵਿੱਚ ਹੈ: ਡਰਾਫਟ ਟੈਕਸਟ, ਕੋਡ ਪਿੰਜਰ, ਮਿਆਦ ਦਾ ਵੇਰਵਾ। ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਸਥਾਨ ਹਨ "ਜੇ ਗਲਤ, ਇਹ ਚੁੱਪਚਾਪ ਫੈਲਦਾ ਹੈ" ਖੇਤਰ: ਸਥਿਰਤਾ, ਸੰਦਰਭ, ਸੁਰੱਖਿਆ ਦਾਅਵੇ, ਸੰਖਿਆਤਮਕ ਨਤੀਜੇ।
ਸਾਨੂੰ ਸਾਵਧਾਨ ਕਿਉਂ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ? ਤਿੰਨ ਢਾਂਚਾਗਤ ਜੋਖਮ
ਵੱਡੀ ਭਾਸ਼ਾ ਮਾਡਲ ਇੱਕ ਕੈਲਕੁਲੇਟਰ ਜਾਂ ਇੱਕ ਰਸਾਇਣ ਇੰਜਣ ਨਹੀਂ ਹੈ। ਉਹ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜੋ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ "ਸੰਭਾਵਨਾ ਲੱਗਦਾ ਹੈ"। ਇਹ ਰਸਾਇਣ ਵਿਗਿਆਨ ਵਿੱਚ ਤਿੰਨ ਠੋਸ ਜੋਖਮਾਂ ਵੱਲ ਖੜਦਾ ਹੈ:
- ਮੇਡ ਅੱਪ (ਭਰਮ): ਭਰੋਸੇ ਨਾਲ ਇੱਕ ਮਿਸ਼ਰਣ ਲਿਖ ਸਕਦਾ ਹੈ ਜੋ ਇੱਕ ਮਾਡਲ ਨਹੀਂ ਹੈ, ਇੱਕ ਪ੍ਰਤੀਕ੍ਰਿਆ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹੈ, ਜਾਂ ਇੱਕ ਗਲਤ ਅਣੂ ਭਾਰ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇਹ ਕਹਿੰਦਾ ਹੈ "ਕੰਪਾਊਂਡ X ਦਾ ਅਣੂ ਭਾਰ 154.2 g/mol" ਹੈ, ਜਦੋਂ ਕਿ ਸਹੀ ਮੁੱਲ 168.2 ਹੈ।
- ਜਾਅਲੀ ਹਵਾਲਾ: ਅਜਿਹਾ ਸਰੋਤ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਯਥਾਰਥਵਾਦੀ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਪਰ ਬਿਲਕੁਲ ਮੌਜੂਦ ਨਹੀਂ ਹੈ, ਜਿਵੇਂ ਕਿ "ਸਮਿਥ ਐਟ ਅਲ., 2019, ਜਰਨਲ ਆਫ਼ ਆਰਗੈਨਿਕ ਕੈਮਿਸਟਰੀ।" ਉਹ ਇੱਕ DOI ਨੰਬਰ ਵੀ ਬਣਾ ਸਕਦਾ ਹੈ।
- ਸੁਰੱਖਿਆ ਭਰਮ: ਰੀਐਜੈਂਟਸ (ਜਿਵੇਂ ਕਿ ਇੱਕ ਆਕਸੀਡਾਈਜ਼ਰ ਅਤੇ ਇੱਕ ਅਣਉਚਿਤ ਅਨੁਪਾਤ ਵਿੱਚ ਇੱਕ ਜੈਵਿਕ ਘੋਲਨ ਵਾਲਾ) ਦੇ ਇੱਕ ਖਤਰਨਾਕ ਸੁਮੇਲ ਨੂੰ "ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ" ਵਜੋਂ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ।
ਇਹ ਤਿੰਨ ਜੋਖਮ ਇਸ ਮੋਡੀਊਲ ਦੀ ਹਰੇਕ ਇਕਾਈ ਵਿੱਚ ਬਾਰ ਬਾਰ ਦਿਖਾਈ ਦੇਣਗੇ। ਹੱਲ AI ਤੋਂ ਬਚਣਾ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਸੁਤੰਤਰ ਸਰੋਤ ਨਾਲ ਹਰੇਕ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦਾ ਅਨੁਸ਼ਾਸਨ ਸਥਾਪਤ ਕਰਨਾ ਹੈ।
ਮਿੰਨੀ ਕੇਸ
ਕੇਸ 1 — ਫਿੱਟ ਕੀਤੇ ਅਣੂ ਭਾਰ। ਇੱਕ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ ਨੇ AI ਨੂੰ ਪੈਰਾ-ਨਾਈਟ੍ਰੋਫੇਨੋਲ ਲਈ ਅਣੂ ਦਾ ਭਾਰ ਪੁੱਛਿਆ। “139.11 ਗ੍ਰਾਮ/ਮੋਲ,” ਏਆਈ ਨੇ ਕਿਹਾ। ਵਿਦਿਆਰਥੀ ਨੂੰ ਭਰੋਸਾ ਸੀ ਅਤੇ ਉਸਨੇ 0.05 ਮੋਲ ਲਈ 6.96 ਗ੍ਰਾਮ ਵਜ਼ਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਸੀ। ਹਾਲਾਂਕਿ, ਪੈਰਾ-ਨਾਈਟ੍ਰੋਫੇਨੋਲ ਦਾ ਅਣੂ ਭਾਰ 139.11 g/mol ਹੈ, ਅਤੇ ਇਸ ਵਾਰ ਇਹ ਸਹੀ ਸੀ - ਪਰ ਵਿਦਿਆਰਥੀ ਨੇ ਕਦੇ ਵੀ ਜਾਂਚ ਨਹੀਂ ਕੀਤੀ ਸੀ। ਅਗਲੇ ਮਿਸ਼ਰਣ 'ਤੇ (ਪੈਰਾ-ਐਮੀਨੋਫੇਨੋਲ, ਅਸਲ ਮੁੱਲ 109.13 g/mol) YZ ਨੇ ਕਿਹਾ "123.15"; ਇਸ ਵਾਰ ਵਿਦਿਆਰਥੀ ਨੇ ਇਸ ਨੂੰ ਫਾਰਮੂਲੇ (C6H7NO2): 6×12.011 + 7×1.008 + 14.007 + 2×15.999 = 109.13 ਤੋਂ ਹੱਥ ਨਾਲ ਗਣਨਾ ਕਰਕੇ ਇਸਨੂੰ ਫੜਿਆ। ਪਾਠ: ਬਿਨਾਂ ਫਾਰਮੂਲੇ ਦੇ ਹਰੇਕ ਅਣੂ ਦੇ ਭਾਰ ਦੀ ਗਣਨਾ ਕਰੋ।
ਕੇਸ 2 - ਨਕਲੀ DOI। ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਆਪਣੀ ਸਾਹਿਤ ਸਮੀਖਿਆ ਵਿੱਚ AI ਨੂੰ 5 ਸਰੋਤਾਂ ਲਈ ਕਿਹਾ। ਕਲਿਕ ਕਰਨ 'ਤੇ ਪੰਜਾਂ ਵਿੱਚੋਂ ਦੋ ਦਾ DOI "ਨਹੀਂ ਲੱਭਿਆ" ਵਾਪਸ ਆਇਆ; ਸੁਰਖੀਆਂ ਸੱਚੀਆਂ ਸਨ, ਪਰ ਲੇਖ ਨਹੀਂ ਸਨ। ਸਮੇਂ ਦੀ ਬਰਬਾਦੀ 40 ਮਿੰਟ. ਪਾਠ: ਡੇਟਾਬੇਸ (DOI, PubMed, Reaxys) ਵਿੱਚ ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ ਹਰ ਹਵਾਲੇ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ।
ਕੇਸ 3 - ਖ਼ਤਰਾ ਜੋ ਸੁਰੱਖਿਅਤ ਲੱਗਦਾ ਹੈ। ਇੱਕ ਉਪਭੋਗਤਾ ਨੇ ਏਆਈ ਨੂੰ ਇੱਕ ਸਫਾਈ ਪ੍ਰਕਿਰਿਆ ਬਾਰੇ ਪੁੱਛਿਆ; AI ਨੇ ਅਸਿੱਧੇ ਤੌਰ 'ਤੇ ਹਾਈਪੋਕਲੋਰਾਈਟ ਵਾਲੇ ਘੋਲ ਨੂੰ ਤੇਜ਼ਾਬ ਵਾਲੇ ਘੋਲ ਨਾਲ ਮਿਲਾਉਣ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ-ਇੱਕ ਅਜਿਹਾ ਮਿਸ਼ਰਨ ਜੋ ਕਲੋਰੀਨ ਗੈਸ ਨੂੰ ਛੱਡ ਸਕਦਾ ਹੈ। ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ ਉਪਭੋਗਤਾ ਨੇ ਸੁਰੱਖਿਆ ਡੇਟਾ ਸ਼ੀਟ (SDS) ਨੂੰ ਦੇਖਿਆ ਅਤੇ ਰੁਕ ਗਿਆ। ਸਬਕ: ਲਾਗੂ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ SDS ਅਤੇ ਖਤਰੇ ਲਈ ਹਰੇਕ ਪ੍ਰਕਿਰਿਆ ਦਾ ਮਨੁੱਖੀ-ਮੁਆਇਨਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਅਣੂ ਨੂੰ ਸਿੰਥੇਸਾਈਜ਼ ਕਰੋ।
ਇਹ ਦਾਅਵਾ ਅਸਪਸ਼ਟ ਹੈ: ਕਿਹੜਾ ਅਣੂ, ਕਿਹੜੀ ਸ਼ੁਰੂਆਤੀ ਸਮੱਗਰੀ, ਕਿਹੜਾ ਪੈਮਾਨਾ, ਕਿਹੜੀਆਂ ਰੁਕਾਵਟਾਂ? AI ਅੰਤਰਾਲ ਬਣਾਉਂਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਭੂਮਿਕਾ: ਤੁਸੀਂ ਜੈਵਿਕ ਸੰਸਲੇਸ਼ਣ ਵਿੱਚ ਇੱਕ ਤਜਰਬੇਕਾਰ ਸਹਾਇਕ ਹੋ। ਟੀਚਾ ਅਣੂ: 4-ਮੇਥੋਕਸਿਆਸੀਟੋਫੇਨੋਨ (ਮੁਸਕਾਨ: COc1ccc(cc1)C(C)=O)। ਸਾਡੇ ਕੋਲ ਸ਼ੁਰੂਆਤੀ ਸਮੱਗਰੀ ਦੇ ਰੂਪ ਵਿੱਚ ਐਨੀਸੋਲ ਹੈ। ਟਾਸਕ: 2-ਪੜਾਅ ਰੀਟਰੋਸਿੰਥੇਸਿਸ ਪ੍ਰਸਤਾਵ ਦਿਓ। ਹਰੇਕ ਪੜਾਅ ਲਈ: ਰੀਐਜੈਂਟਸ, ਸਥਿਤੀਆਂ (ਤਾਪਮਾਨ, ਘੋਲਨ ਵਾਲਾ), ਅਤੇ ਸੰਭਵ ਪਾਸੇ ਦੀਆਂ ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ। ਪਾਬੰਦੀ: ਜਿੱਥੇ ਤੁਸੀਂ ਨਿਸ਼ਚਤ ਨਹੀਂ ਹੋ, ਉੱਥੇ "ਤਸਦੀਕ ਕਰੋ" 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ, ਫਿਟਿੰਗ। ਆਉਟਪੁੱਟ: ਨੰਬਰ ਵਾਲੇ ਕਦਮ + ਤਸਦੀਕ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਬਿੰਦੂਆਂ ਦੀ ਸੂਚੀ।
ਅੰਤਰ: ਭੂਮਿਕਾ, ਸਹੀ ਟੀਚਾ (ਮੁਸਕਾਨ ਦੇ ਨਾਲ), ਸੰਦਰਭ, ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ, ਆਉਟਪੁੱਟ ਫਾਰਮੈਟ ਅਤੇ "ਫਿਟਿੰਗ" ਰੁਕਾਵਟ। ਇਹ ਕੈਮਿਸਟਰੀ ਵਿੱਚ ਚੰਗੀ ਪ੍ਰੇਰਣਾ ਦੇ ਪੰਜ ਹਿੱਸੇ ਹਨ: ਭੂਮਿਕਾ, ਸਹੀ ਢਾਂਚੇ ਦੀ ਨੁਮਾਇੰਦਗੀ, ਸੰਦਰਭ, ਕਾਰਜ, ਪੁਸ਼ਟੀਕਰਨ ਰੁਕਾਵਟ।
ਏਆਈ ਟੂਲਸ ਦੀਆਂ ਕਿਸਮਾਂ: ਭਾਸ਼ਾ ਮਾਡਲ ਜਾਂ ਕੈਮਿਸਟਰੀ ਟੂਲ?
ਕੈਮਿਸਟਰੀ ਵਿੱਚ ਤੁਸੀਂ ਦੋ ਵੱਖ-ਵੱਖ "AI" ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਉਲਝਣ ਵਿੱਚ ਨਾ ਪਾਉਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ:
ਸ਼ੈਲੀ
ਕੀ ਕਰਦਾ ਹੈ
ਭਰੋਸੇਯੋਗਤਾ
ਉਦਾਹਰਨ ਵਰਤੋਂ
ਆਮ ਭਾਸ਼ਾ ਮਾਡਲ
ਟੈਕਸਟ/ਕੋਡ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਸਮਝਾਉਂਦਾ ਹੈ, ਡਰਾਫਟ ਲਿਖਦਾ ਹੈ
ਗਿਣਤੀ ਵਿੱਚ ਘੱਟ, ਭਾਸ਼ਾ ਵਿੱਚ ਉੱਚ
ਵਿਧੀ ਦੀ ਰੂਪਰੇਖਾ, ਪਰਿਭਾਸ਼ਾ ਵਿਆਖਿਆ
ਕੈਮਿਸਟਰੀ ਲਾਇਬ੍ਰੇਰੀ (RDKit ਆਦਿ)
ਅਣੂ ਨੂੰ ਨਿਰਧਾਰਿਤ ਤੌਰ 'ਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ, ਅਣੂ ਦੇ ਭਾਰ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ
ਉੱਚ (ਨਿਯਮ-ਆਧਾਰਿਤ)
SMILES ਪੁਸ਼ਟੀਕਰਨ, MA ਖਾਤਾ
ਕਸਟਮ ਪੂਰਵ-ਅਨੁਮਾਨ ਮਾਡਲ (ਰਿਟ੍ਰੋਸਿੰਥੇਸਿਸ, ਵਿਸ਼ੇਸ਼ਤਾ)
ਡਾਟਾ-ਸਿਖਿਅਤ ਭਵਿੱਖਬਾਣੀ ਦਿੰਦਾ ਹੈ
ਮੱਧਮ, ਖੇਤਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ
Retrosynthesis, ਘੁਲਣਸ਼ੀਲਤਾ ਅਨੁਮਾਨ
ਸਾਹਿਤ/ਖੋਜ ਸੰਦ
ਅਸਲ ਡਾਟਾਬੇਸ ਸਵਾਲ
ਸਰੋਤ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਉੱਚ
ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਪੁਸ਼ਟੀ, ਪ੍ਰਤੀਕ੍ਰਿਆ ਖੋਜ
ਸਭ ਤੋਂ ਮਜਬੂਤ ਵਰਕਫਲੋ ਇਹਨਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ: ਭਾਸ਼ਾ ਮਾਡਲ ਵਿਚਾਰ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਕੈਮਿਸਟਰੀ ਲਾਇਬ੍ਰੇਰੀ ਨਿਰਧਾਰਿਤ ਤੌਰ 'ਤੇ ਸੰਖਿਆ ਦੀ ਗਣਨਾ ਕਰਦੀ ਹੈ, ਸਾਹਿਤ ਸਾਧਨ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ, ਮਨੁੱਖੀ ਪ੍ਰਮਾਣਿਤ ਕਰਦਾ ਹੈ। ਅਸੀਂ ਇਸ ਲੜੀ ਨੂੰ ਅਗਲੀਆਂ ਇਕਾਈਆਂ ਵਿੱਚ ਸਥਾਪਿਤ ਕਰਾਂਗੇ।
ਪੁਸ਼ਟੀਕਰਨ ਅਨੁਸ਼ਾਸਨ: ਚਾਰ ਕਦਮ
ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਲੈਬ ਜਾਂ ਰਿਪੋਰਟ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਇਹਨਾਂ ਚਾਰ ਪੜਾਵਾਂ ਰਾਹੀਂ ਲਓ:
- ਢਾਂਚਾ: ਕੀ ਅਣੂ/ਪ੍ਰਤੀਕਿਰਿਆ ਸੰਕੇਤ (SMILES/InChI) ਵੈਧ ਹੈ? ਕੀ ਇਸਨੂੰ ਟੂਲ (RDKit) ਨਾਲ ਪਾਰਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ?
- ਨੰਬਰ: ਕੀ ਅਣੂ ਭਾਰ, ਸਟੋਈਚਿਓਮੈਟਰੀ, ਉਪਜ ਗਣਨਾ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਹੈ (ਹੱਥ ਜਾਂ ਲਾਇਬ੍ਰੇਰੀ ਦੁਆਰਾ)?
- ਸਰੋਤ: ਕੀ ਹਰੇਕ ਦਾਅਵੇ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਅਸਲ ਡੇਟਾਬੇਸ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਹੈ?
- ਸੁਰੱਖਿਆ: ਕੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਹਰੇਕ ਰੀਐਜੈਂਟ ਲਈ SDS ਨੂੰ ਪੜ੍ਹਿਆ ਗਿਆ ਹੈ, ਕੀ ਕੋਈ ਖਤਰਨਾਕ ਸੰਜੋਗ ਹਨ?
ਨੋਟ: ਇਹ ਚਾਰ ਪੜਾਅ "ਹਮੇਸ਼ਾ" ਲਾਗੂ ਹੁੰਦੇ ਹਨ, "ਕਈ ਵਾਰ" ਨਹੀਂ। 20 ਸਥਿਤੀਆਂ ਜਿਨ੍ਹਾਂ ਵਿੱਚ AI ਸਹੀ ਹੈ, 1 ਸਥਿਤੀ ਨੂੰ ਮਾਫ਼ ਨਹੀਂ ਕਰਦੇ ਜਿਸ ਵਿੱਚ ਇਹ ਗਲਤ ਹੈ; ਕਿਉਂਕਿ ਕੈਮਿਸਟਰੀ ਵਿੱਚ ਕਿ 1 ਸਥਿਤੀ ਇੱਕ ਵਿਸਫੋਟ, ਜ਼ਹਿਰ ਜਾਂ ਵਾਪਸ ਲਿਆ ਗਿਆ ਲੇਖ ਹੋ ਸਕਦਾ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- AI ਆਉਟਪੁੱਟ ਨੂੰ "ਸਰੋਤ" ਵਜੋਂ ਗਲਤੀ ਕਰਨਾ। AI ਇੱਕ ਸਰੋਤ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਜਨਰੇਟਰ ਹੈ ਜੋ ਸਰੋਤਾਂ ਨੂੰ ਯਾਦ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ (ਕਈ ਵਾਰ ਗਲਤ)। ਇਹ ਸਰੋਤ ਡੇਟਾਬੇਸ ਹੈ।
- ਨੰਬਰ 'ਤੇ ਭਰੋਸਾ ਹੈ। ਸੰਖਿਆਵਾਂ ਜਿਵੇਂ ਕਿ ਅਣੂ ਭਾਰ, pKa, ਉਬਾਲਣ ਬਿੰਦੂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਇਹਨਾਂ ਦੀ ਗਣਨਾ/ਖੋਜ ਨਿਰਧਾਰਿਤ ਤੌਰ 'ਤੇ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ; ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਪੁੱਛਣਾ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਤਰੀਕਾ ਹੈ।
- AI ਨੂੰ ਆਊਟਸੋਰਸਿੰਗ ਸੁਰੱਖਿਆ। "AI ਨੇ ਇਹ ਨਹੀਂ ਕਿਹਾ ਕਿ ਇਹ ਖਤਰਨਾਕ ਹੈ" ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇਹ ਸੁਰੱਖਿਅਤ ਹੈ। ਖਤਰੇ ਦਾ ਮੁਲਾਂਕਣ ਮਨੁੱਖ ਅਤੇ SDS ਦਾ ਕੰਮ ਹੈ।
- ਅਸਪਸ਼ਟ ਪ੍ਰੋਂਪਟ। ਅਣੂ ਨੂੰ ਇਸਦੇ ਨਾਮ ਦੁਆਰਾ ਨਹੀਂ ਬਲਕਿ ਇਸਦੀ ਬਣਤਰ (SMILES/InChI) ਦੁਆਰਾ ਦੇਣਾ; ਇਹ ਨਾਮ ਉਲਝਣ ਦੇ ਕਾਰਨ ਗਲਤ ਅਣੂ ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ.
- ਸਿਰਫ਼ ਇੱਕ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਭਰੋਸਾ ਕਰਨਾ। ਉਹੀ ਸਵਾਲ ਦੁਬਾਰਾ ਵੱਖਰੇ ਤਰੀਕੇ ਨਾਲ ਪੁੱਛਣਾ ਅਤੇ ਇਕਸਾਰਤਾ ਦੀ ਜਾਂਚ ਨਾ ਕਰਨਾ।
ਸੰਖੇਪ ਵਿੱਚ
- AI ਰਸਾਇਣ ਵਿਗਿਆਨ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਡੈਸਕ ਸਹਾਇਕ ਹੈ: ਇਹ ਕੋਡ, ਰੂਪਰੇਖਾ, ਵਰਣਨ, ਸਕੈਨ ਪਿੰਜਰ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਪਰ ਲੈਬ ਅਜਿਹਾ ਨਹੀਂ ਕਰਦੀ ਹੈ ਅਤੇ ਇਸਦੇ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰਦੀ ਹੈ।
- ਇੱਥੇ ਤਿੰਨ ਅੰਦਰੂਨੀ ਜੋਖਮ ਹਨ: ਜਾਅਲੀ ਮਿਸ਼ਰਣ/ਨੰਬਰ, ਜਾਅਲੀ ਵਿਸ਼ੇਸ਼ਤਾ, ਸੁਰੱਖਿਆ ਭਰਮ।
- ਸਧਾਰਣ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਅਤੇ ਨਿਰਣਾਇਕ ਰਸਾਇਣ ਵਿਗਿਆਨ ਸਾਧਨਾਂ (RDKit, ਡੇਟਾਬੇਸ) ਨੂੰ ਵੱਖਰਾ ਅਤੇ ਜੋੜੋ।
- ਸਟਰਕਚਰ-ਨੰਬਰ-ਸਰੋਤ-ਸੁਰੱਖਿਆ ਦੇ ਚਾਰ ਪੜਾਵਾਂ ਰਾਹੀਂ ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਲਓ।
- ਵਧੀਆ ਪ੍ਰੋਂਪਟ: ਭੂਮਿਕਾ, ਸਪਸ਼ਟ ਢਾਂਚੇ ਦੀ ਨੁਮਾਇੰਦਗੀ, ਸੰਦਰਭ, ਕਾਰਜ, ਪ੍ਰਮਾਣਿਕਤਾ ਰੁਕਾਵਟ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਅਣੂ ਚੁਣੋ ਜਿਸਦਾ ਤੁਸੀਂ ਖੁਦ ਅਧਿਐਨ ਕੀਤਾ ਹੈ (ਜਿਵੇਂ ਕਿ ਐਸਪਰੀਨ, ਮੁਸਕਰਾਹਟ: CC(=O)Oc1cccc1C(=O)O)। AI ਨੂੰ ਤਿੰਨ ਚੀਜ਼ਾਂ ਪੁੱਛੋ: (1) ਅਣੂ ਭਾਰ, (2) ਦੋ ਸੰਦਰਭ ਪੱਤਰ, (3) ਇੱਕ ਸੰਸਲੇਸ਼ਣ ਪੜਾਅ। ਫਿਰ ਹਰੇਕ ਨੂੰ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰੋ: ਫਾਰਮੂਲੇ ਤੋਂ ਅਣੂ ਦੇ ਭਾਰ ਦੀ ਦਸਤੀ ਗਣਨਾ ਕਰੋ, DOI ਨਾਲ ਹਵਾਲੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਸੁਰੱਖਿਆ ਅੱਖ ਨਾਲ ਸੰਸਲੇਸ਼ਣ ਪੜਾਅ ਦੀ ਜਾਂਚ ਕਰੋ। ਕਿਹੜਾ ਆਉਟਪੁੱਟ ਸਹੀ ਨਿਕਲਿਆ ਅਤੇ ਕਿਸ ਨੂੰ ਸੁਧਾਰ ਦੀ ਲੋੜ ਹੈ? ਅੱਧਾ ਪੰਨਾ “ਪੁਸ਼ਟੀਕਰਣ ਲਾਗ” ਰੱਖੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਨੂੰ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ AI ਇੱਕ ਸਹਾਇਕ ਹੈ, ਇੱਕ ਕੈਮਿਸਟ ਨਹੀਂ।
- [ ] ਮੈਂ ਉਦਾਹਰਨਾਂ ਦੇ ਨਾਲ ਮਨਘੜਤ, ਗਲਤ ਵਿਸ਼ੇਸ਼ਤਾ, ਅਤੇ ਅਵਿਸ਼ਵਾਸ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਪਛਾਣਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਭਾਸ਼ਾ ਮਾਡਲ ਅਤੇ ਨਿਰਣਾਇਕ ਰਸਾਇਣ ਵਿਗਿਆਨ ਦੇ ਸਾਧਨਾਂ ਵਿੱਚ ਫਰਕ ਕਰ ਸਕਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਹਰੇਕ ਆਉਟਪੁੱਟ 'ਤੇ ਸਟ੍ਰਕਚਰ-ਨੰਬਰ-ਸਰੋਤ-ਸੁਰੱਖਿਆ ਦੇ ਚਾਰ ਕਦਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਾਂਗਾ।
- [ ] ਮੈਂ ਅਣੂਆਂ ਦਾ ਵਰਣਨ ਸੰਰਚਨਾ ਸੰਕੇਤ (SMILES/InChI) ਦੁਆਰਾ ਕਰਦਾ ਹਾਂ, ਨਾਂ ਦੁਆਰਾ ਨਹੀਂ।
- [ ] ਮੈਂ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਪੁਸ਼ਟੀਕਰਨ ਲੌਗ ਰੱਖਿਆ ਹੈ।