Zyski:
- Możliwość rozróżnienia, gdzie sztuczna inteligencja oszczędza czas w procesie chemicznym (pomysł, projektowanie, analiza, raportowanie), a gdzie decyzje dotyczące struktury, liczby, zasobów i bezpieczeństwa pozostawia się ludziom, w zależności od poziomu ryzyka.
- Możliwość zastosowania dyscypliny, która niezależnie sprawdza każde wyjście w czterech krokach: Struktura-Numer-Zasób-Bezpieczeństwo
- Zrozum, dlaczego wymyślone związki i liczby, fałszywe odniesienia i błędne przekonania dotyczące bezpieczeństwa stanowią ryzyko dla tego zawodu, które należy wziąć pod uwagę od samego początku.
Chemia jest nauką eksperymentalną badającą strukturę, przemiany i właściwości materii. Chemik waży, rozpuszcza, podgrzewa i mierzy w laboratorium; Przy biurku rysuje cząsteczki, planuje reakcje, interpretuje widma, przegląda literaturę i pisze raporty. Sztuczna inteligencja (w skrócie sztuczna inteligencja, w tym przypadku oprogramowanie generujące tekst na podstawie przewidywania „następnego najbardziej prawdopodobnego słowa”, wyszkolonego na dużym modelu językowym, tj. ogromnych danych tekstowych) może radykalnie przyspieszyć wiele z tych zadań biurowych. Ale nie buduje samego laboratorium, nie odczytuje skal i co najważniejsze: nie weryfikuje żadnych liczb, wzorów ani cytatów, które tworzy w Twoim imieniu. Ten moduł uczy, jak kompleksowo, ale odpowiedzialnie wykorzystywać sztuczną inteligencję w chemii.
W tej pierwszej części chcę zasiać w Twojej głowie jedną myśl: sztuczna inteligencja jest asystentem w chemii, a nie chemikiem. Pisze kod, tworzy konspekty, buduje ramy retrosyntezy, pomaga interpretować piki widma, podsumowuje literaturę. Jednakże to kompetentny chemik decyduje, czy cząsteczkę faktycznie można zsyntetyzować, czy reakcja jest bezpieczna, czy nie, czy odniesienie jest autentyczne, czy nie, i ostateczna odpowiedzialność.
Gdzie sztuczna inteligencja pasuje do przepływu pracy w chemii?
Podzielmy z grubsza projekt chemiczny na pięć faz: (1) pomysł i literatura, (2) projekt cząsteczki i reakcji, (3) zastosowanie laboratoryjne, (4) analiza i charakterystyka, (5) raportowanie. AI na tych etapach niesie ze sobą bardzo różne wartości.
- Pomysły i literatura: AI szybko podsumowuje temat, wyjaśnia kluczowe pojęcia, generuje wyszukiwane hasła. Ale potrafi wymyślić atrybucję; Zobaczymy to za chwilę.
- Projekt: Generuje SMILES (forma zapisu cząsteczki jako ciąg tekstowy; więcej o tym później), sugeruje etapy retrosyntezy, wymienia reaktywne alternatywy. Sugestia jest dobra, a nie gwarancja.
- Laboratorium: Sztuczna inteligencja tutaj nic nie robi. Ważenie, ogrzewanie i środki bezpieczeństwa przeprowadzane są przez ludzi. AI pomaga jedynie napisać procedurę; Przed wykonaniem tej procedury człowiek musi ją nadzorować ze względów bezpieczeństwa.
- Analiza: Przy interpretacji NMR, IR, widma masowego (są to techniki pomiarowe pokazujące strukturę cząsteczki), YZ pomaga grupować piki i wymieniać możliwe struktury. Ostatnie zadanie należy do Ciebie.
- Sprawozdania: Tworzy notatnik eksperymentalny, projekt artykułu, projekt formularza bezpieczeństwa. Jest bardzo potężny; ale liczby powinny pasować do Twoich.
Wskazówka: najbezpieczniejszym miejscem do wykorzystania sztucznej inteligencji są obszary „jeśli coś pójdzie nie tak, zostanie to zauważone i natychmiast naprawione”: tekst wersji roboczej, szkielet kodu, opis terminu. Najbardziej ryzykowne miejsca to obszary „jeśli fałszywe, rozprzestrzeniają się po cichu”: stałe, odniesienia, potwierdzenia bezpieczeństwa, wyniki liczbowe.
Dlaczego musimy zachować ostrożność? Trzy ryzyka strukturalne
Model dużego języka nie jest kalkulatorem ani silnikiem chemicznym. Tworzy tekst, który statystycznie „wygląda prawdopodobny”. Prowadzi to do trzech konkretnych zagrożeń w chemii:
- Zmyślone (halucynacje): Potrafi z całą pewnością zapisać związek, który nie jest modelem, reakcję, która nie istnieje, lub nieprawidłową masę cząsteczkową. Na przykład jest napisane: „Masa cząsteczkowa związku X wynosi 154,2 g/mol”, podczas gdy prawidłowa wartość to 168,2.
- Fałszywy cytat: może podawać źródło, które wygląda realistycznie, ale w ogóle nie istnieje, np. „Smith et al., 2019, Journal of Organie Chemistry”. Potrafi nawet wymyślić numer DOI.
- Błąd bezpieczeństwa: może przedstawiać niebezpieczną kombinację odczynników (np. Utleniacza i rozpuszczalnika organicznego w nieodpowiednich proporcjach) jako „nie ma problemu”.
Te trzy ryzyka będą pojawiać się wielokrotnie w każdej części tego modułu. Rozwiązaniem nie jest ucieczka od AI, ale ustanowienie dyscypliny weryfikacji każdego wyjścia z niezależnym źródłem.
mini etui
Przypadek 1 — Dopasowana masa cząsteczkowa. Absolwent zapytał AI o masę cząsteczkową para-nitrofenolu. „139,11 g/mol” – stwierdziła sztuczna inteligencja. Uczeń był pewny siebie i planował ważyć 6,96 g na 0,05 mola. Jednakże masa cząsteczkowa para-nitrofenolu wynosi 139,11 g/mol i tym razem była prawidłowa – choć student nigdy tego nie sprawdzał. W przypadku następnego związku (paraaminofenolu, rzeczywista wartość 109,13 g/mol) YZ podał „123,15”; Tym razem uczeń wyłapał to obliczając ręcznie ze wzoru (C6H7NO2): 6×12,011 + 7×1,008 + 14,007 + 2×15,999 = 109,13. Lekcja: oblicz każdą masę cząsteczkową bez wzoru.
Przypadek 2 – Fałszywy DOI. W swoim przeglądzie literatury badacz poprosił sztuczną inteligencję o 5 źródeł. DOI dwóch z pięciu po kliknięciu zwróciło komunikat „nie znaleziono”; Nagłówki były oparte na faktach, ale artykuły nie. Strata czasu 40 minut. Lekcja: nie z każdego cytatu należy korzystać bez weryfikacji w bazie (DOI, PubMed, Reaxys).
Przypadek 3 – Zagrożenie, które wydaje się bezpieczne. Użytkownik zapytał sztuczną inteligencję o procedurę czyszczenia; Sztuczna inteligencja pośrednio zasugerowała zmieszanie roztworu zawierającego podchloryn z roztworem kwaśnym – co mogłoby spowodować uwolnienie gazowego chloru. Na szczęście użytkownik przejrzał kartę charakterystyki (SDS) i zatrzymał się. Lekcja: przed wdrożeniem każda procedura jest sprawdzana przez człowieka pod kątem karty charakterystyki i zagrożeń.
Słaba zachęta/silna zachęta
Słaba zachęta:
Zsyntetyzuj tę cząsteczkę.
To twierdzenie jest niejasne: jaka cząsteczka, jakie materiały wyjściowe, jaka skala, jakie ograniczenia? Sztuczna inteligencja nadrabia luki.
Potężny monit:
Rola: Jesteś doświadczonym asystentem w syntezie organicznej. Cząsteczka docelowa: 4-metoksyacetofenon (SMILES: COc1ccc(cc1)C(C)=O). Jako materiał wyjściowy stosujemy anizol. Zadanie: Podaj propozycję dwuetapowej retrosyntezy. Dla każdego etapu: odczynniki, warunki (temperatura, rozpuszczalnik) i MOŻLIWE reakcje uboczne. Ograniczenie: Zaznacz „WERYFIKUJ” tam, gdzie nie jesteś pewien, czy pasuje. Wynik: ponumerowane kroki + lista punktów do sprawdzenia.
Różnica: rola, dokładny cel (z SMILES), kontekst, liczba kroków, format wyjściowy i ograniczenie „dopasowania”. Oto pięć składników dobrego podpowiedzi w chemii: rola, precyzyjne przedstawienie struktury, kontekst, zadanie, ograniczenie weryfikacyjne.
Rodzaje narzędzi AI: model językowy czy narzędzie chemiczne?
W chemii spotykasz dwie różne „AI” i bardzo ważne jest, aby ich nie mylić:
Gatunek
Co robi
niezawodność
Przykładowe użycie
Ogólny model języka
Generuje tekst/kod, wyjaśnia, pisze wersje robocze
Mało liczb, dużo języka
Zarys procedury, wyjaśnienie terminologii
Biblioteka chemiczna (RDKit itp.)
Przetwarza cząsteczkę w sposób deterministyczny, oblicza masę cząsteczkową
Wysoki (w oparciu o reguły)
Weryfikacja SMILES, konto MA
Niestandardowy model predykcyjny (retrosynteza, funkcja)
Zapewnia prognozy oparte na danych
Średni, w zależności od obszaru
Retrosynteza, ocena rozpuszczalności
Literatura/narzędzie wyszukiwania
Prawdziwe zapytania do bazy danych
Wysoka w zależności od źródła
Potwierdzenie atrybucji, wyszukiwanie reakcji
Najbardziej niezawodny przepływ pracy łączy w sobie te elementy: model językowy generuje pomysł, biblioteka chemii oblicza liczbę w sposób deterministyczny, narzędzie literaturowe weryfikuje atrybucję, człowiek weryfikuje. Łańcuch ten będziemy zakładać w kolejnych jednostkach.
Dyscyplina weryfikacji: CZTERY kroki
Przed wprowadzeniem każdego wyniku AI do laboratorium lub raportu wykonaj następujące cztery kroki:
- Struktura: Czy zapis cząsteczka/reakcja (SMILES/InChI) jest prawidłowy? Czy można go przeanalizować za pomocą narzędzia (RDKit)?
- Numer: Czy masa cząsteczkowa, stechiometria i obliczenia wydajności zostały zweryfikowane niezależnie (ręcznie lub w bibliotece)?
- Źródło: Czy każde twierdzenie i atrybucja zostały zweryfikowane w prawdziwej bazie danych?
- Bezpieczeństwo: Czy przeczytano kartę charakterystyki każdego odczynnika w procedurze i czy występują jakieś niebezpieczne kombinacje?
Uwaga: te cztery kroki mają zastosowanie „zawsze”, a nie „czasami”. 20 sytuacji, w których AI jest poprawna, nie usprawiedliwia 1 sytuacji, w której jest niepoprawna; ponieważ w chemii tą sytuacją może być eksplozja, zatrucie lub wycofany przedmiot.
Typowe błędy
- Mylenie wyników AI z „zasobem”. AI nie jest zasobem, ale generatorem, który próbuje zapamiętać zasoby (czasami nieprawidłowo). Jest to źródłowa baza danych.
- Zaufanie numerowi. Używanie liczb takich jak masa cząsteczkowa, pKa, temperatura wrzenia bez ich weryfikacji. Można je obliczać/przeszukiwać deterministycznie; Pytanie o model języka jest najsłabszym sposobem.
- Outsourcing bezpieczeństwa w stronę sztucznej inteligencji. „Sztuczna inteligencja nie powiedziała, że to niebezpieczne” nie oznacza, że jest bezpieczne. Ocena zagrożeń jest zadaniem człowieka i SDS.
- Niejasny monit. Nie podając cząsteczki po nazwie, ale po jej strukturze (SMILES/InChI); Prowadzi to do nieprawidłowych cząsteczek z powodu pomieszania nazw.
- Zaufanie w jednej próbie. Zadawanie tego samego pytania ponownie w inny sposób i nie sprawdzanie spójności.
Podsumowując
- AI to potężny asystent biurowy w chemii: tworzy kod, kontury, opisy, skanuje szkielety; ale laboratorium tego nie robi i nie weryfikuje wyników.
- Istnieją trzy nieodłączne zagrożenia: fałszywy związek/numer, fałszywe przypisanie, błąd bezpieczeństwa.
- Rozdzielaj i łącz ogólny model języka i narzędzia chemii deterministycznej (RDKit, bazy danych).
- Przeprowadź każde wyjście przez cztery etapy: Struktura – Numer – Źródło – Bezpieczeństwo.
- Dobra podpowiedź: obejmuje rolę, wyraźną reprezentację struktury, kontekst, zadanie, ograniczenie sprawdzające.
Zadanie aplikacji
Wybierz cząsteczkę, którą sam badałeś (np. aspiryna, SMILES: CC(=O)Oc1cccccc1C(=O)O). Zapytaj AI o trzy rzeczy: (1) masę cząsteczkową, (2) dwa artykuły referencyjne, (3) etap syntezy. Następnie zweryfikuj każdy z osobna: ręcznie oblicz masę cząsteczkową ze wzoru, potwierdź cytaty za pomocą DOI, przyjrzyj się etapowi syntezy okiem bezpieczeństwa. Które dane wyjściowe wypadły prawidłowo, a które wymagały korekty? Prowadź półstronicowy „dziennik weryfikacji”.
lista kontrolna
- [ ] Zdałem sobie sprawę, że AI jest asystentem, a nie chemikiem.
- [ ] Zdaję sobie sprawę z ryzyka fabrykacji, fałszywego przypisania i braku zaufania do przykładów.
- [ ] Potrafię rozróżnić model językowy od narzędzi chemii deterministycznej.
- [ ] Zastosuję cztery kroki Struktura – Numer – Źródło – Bezpieczeństwo do każdego wyjścia.
- [ ] Opisuję cząsteczki za pomocą zapisu struktury (SMILES/InChI), a nie nazwy.
- [ ] Prowadziłem co najmniej jeden dziennik weryfikacji.