Sztuczna inteligencja zmieni sposób, w jaki podchodzimy do chemii: test GPT-3

L 'Sztuczna inteligencja staje się podstawowym narzędziem w badaniach chimica: projektowanie cząsteczek lub przewidywanie ich właściwości można powierzyć specjalnie wyszkolonym modelom językowym, oraz uczenie maszynowe znalazła już swoje miejsce w laboratoriach chemicznych.

Co odkryli naukowcy Federalna Politechnika w Lozanniema jednak potencjał, aby całkowicie zrewolucjonizować badania chemiczne: GPT-3, to był pierwszy tytuł badania właśnie opublikowanego w „Nature Machine Intelligence”, mógł brzmieć „wszystko, czego potrzebujesz do badań chemicznych, z ograniczonych zbiorów danych".

Choć większości nie znam literatura chemiczna, wersja GPT-3 udoskonalona przez zespół przy Berenda Smitha udowodniło, że może konkurować z technikami tradycyjnymi i kosztownymi automatyczne uczenie się, pionierskie zupełnie nowe podejście do chemii, które może na zawsze zmienić sposób prowadzenia badań.

Generatywna AI: „To są zawody, których dzięki mnie już nie będzie”
Święty Graal zielonej chemii: wolne od toksyczności fluorochemikalia
GPT-3, algorytm, który pisze jak człowiek, przybywa do Włoch

Chemia w słowach: test GPT-3 AI

L 'Sztuczna inteligencja od pewnego czasu zajmuje się badaniami chemicznymi:automatyczne uczenie sięw szczególności jest od lat wysoko ceniona za zdolność podejmowania decyzji w oparciu o dane i sporządzania bardzo dokładnych przewidywań, które można wykorzystać także do tworzenia nowych leków.

Uczenie maszynowe tego jednak wymaga duże ilości danych do dokonywania wiarygodnych przewidywań, co w chemii nie jest tak oczywiste: często dostępne dane nie są wystarczające, aby algorytmy mogły je ćwiczyć, dlatego skuteczność „oznakowanego” lub nadzorowanego uczenia maszynowego jest uzależniona od poważne ograniczenia.

Dlatego niektórzy naukowcyEPFL pomyśleli przetestować potencjał GPT-3, u podstawy słynnego Aplikacja ChatGPT"Fakt, że modele fundamentów mogły wykonywać zadania, do których nie zostały specjalnie przeszkolone– czytamy w opublikowanym właśnie badaniuInteligencja maszyn natury”"skłoniło nas do zastanowienia się, czy były one również w stanie odpowiedzieć na pytania naukowe, na które nie mamy odpowiedzi".

Ponieważ w badaniach chemicznych większość problemów może wystąpić wyrażone słowamibadacze pomyśleli o przeszkoleniu tych ogromnych modeli, aby uzyskać odpowiedzi na niektóre pytania pytania „chemiczne”. których nie da się rozwiązać bez uciekania się do skomplikowanych rozwiązań symulacje i eksperymenty (na przykład: „Jeśli wymienię metal w mojej metaloorganicznej strukturze, czy będzie on stabilny w wodzie?").

Sztuczna inteligencja i hologramy: nowa granica opieki zdrowotnej
Debiut „holotransportu” zintegrowanego ze sztuczną inteligencją
SwissGPT: szwajcarska sztuczna inteligencja, która rewolucjonizuje bezpieczeństwo korporacyjne

Chemia: ulepszony GPT-3 dla niemożliwych odpowiedzi

Wbrew temu, co mógłby sugerować początkowy sceptycyzm, metoda opracowana przez badaczy z EPFL nie zadaje bezpośrednio pytań na temat chemii GPT-3. „GPT-3 nie jest zaznajomiony z większością literatury chemicznej, więc jeśli zadamy ChatGPT pytanie chemiczne, odpowiedzi są zazwyczaj ograniczone do tego, co można znaleźć w Wikipedii", On tłumaczy Kevin Maik Jabłonka, główny autor badania.

"Zamiast– wyjaśnia Jabłonka – „abbiamo zoptymalizowany GPT-3 z małym zbiorem danych przekształcono w pytania i odpowiedzi i otrzymaliśmy nowy model, który może dostarczyć bardzo dokładnych informacji chemicznych".

W trakcie tak zwanego dostrajania badacze dostarczyli GPT-3 wyselekcjonowaną listę Pytania i odpowiedzi"Na przykład w przypadku stopów o wysokiej entropii ważne jest, aby wiedzieć, czy stop występuje w jednej fazie, czy ma wiele faz„Wyjaśnia Berenda Smitha, profesor inżynierii chemicznej w Szkole Nauk Podstawowych EPFL.

Taki problem, wyjaśnia Smit, przekłada się na wyselekcjonowaną listę pytań i odpowiedzi, takich jak „D = „The Czy jest jednofazowy? R= 'Tak/Nie„”.

"W literaturze znaleźliśmy kilka stopów, dla których znana jest odpowiedź, i wykorzystaliśmy te dane do opracowania GPT-3”, Smit kontynuuje, „Skończyło się na udoskonalonym modelu sztucznej inteligencji, przeszkolonym tak, aby odpowiadał tylko na to pytanie tak lub nie".

Sztuczna inteligencja także do opracowywania nowych leków
Rozwój nowych leków, biblioteki wzbogacone dzięki chemii
W stronę humanizmu cyfrowego: analiza rewolucji z odkupieniem

Podstawowe modele, takie jak GPT-3, w rutynie badaczy

Model „ulepszony”, trenowany przy stosunkowo niewielkiej liczbie pytań i odpowiedzi, został rozwiązany poprawnie ponad 95 procent problemów nad bardzo różnymi problemami chemicznymi, często przewyższając modele uczenia maszynowego zaprogramowane specjalnie do tego zadania.

"Chodzi o to, że jest to tak proste, jak przeszukanie literatury”, wyjaśnia Smit, „który jednak działa w przypadku wielu problemów chemicznych”. Co więcej, podejście opracowane przez Kevina Maika Jablonkę jest niezwykle szybko i nie wymaga żadnych specjalnych umiejętności, w przeciwieństwie do tradycyjnych modeli uczenie maszynowe.

Konsekwencje tego badania mogą być decydujące: możliwość sformułowania pytań takich jak „Jaka jest wydajność [substancji chemicznej] przygotowanej według tego [przepisu]?” i otrzymaj trafna odpowiedź może zrewolucjonizować sposób badania chemiczne jest planowany i zarządzany.

Jak stwierdza badanie: „możliwość zbadania podstawowego modelu, takiego jak GPT-3, mogłaby stać się rutynową metodą rozpoczynania projektu badawczego wykorzystującego zbiorową wiedzę zakodowaną w tych podstawowych modelach lub zapewniającą punkt odniesienia dla działań predykcyjnychmi".

"To zmieni sposób, w jaki stosujemy chemię”, komentuje bez ogródek profesor Smit.

Woda, trawa i ludzkość: ograniczenia poznawcze sztucznej inteligencji
Sztuczna inteligencja pomoże nam oczyścić oceany z plastiku
Wielka 100 chemii i wyzwania globalnej gospodarki

GPT-3 to „tylko” narzędzie: badania trwają

Wyniki badania nasuwają pytanie nie drugorzędne: jak to możliwe, że a model języka naturalnego, bez specjalnego przeszkolenia z chemii dokładniejsze niż specjalnie zaprogramowane modele?

"Bazując na naszej wiedzy”, czytamy w gazecie, „Nie ma rygorystycznej odpowiedzi na to pytanie".

Fakt, że bardzo obiecujące wyniki uzyskuje się nawet przy użyciu całkowicie hipotetycznych reprezentacji chemicznych, pokazuje, że te podstawowe modele są „bardzo nadaje się do wydobywania korelacji z dowolnego tekstu”.

Ma poszukiwania właśnie się rozpoczęły. Jak wyjaśniają naukowcy, fakt, że GPT-3 identyfikuje korelacje, które można z powodzeniem wykorzystać do prognozowania nie oznacza, że ​​korelacje są zawsze istotne lub powiązane ze związkami przyczynowo-skutkowymi.

W tej chwili naukowcy dochodzą do wniosku, że GPT-3 „to tylko narzędzie, które pozwala nam efektywniej wykorzystać wiedzę, którą naukowcy gromadzili przez lata".

I znowu: „Następnym krokiem będzie wykorzystanie GPT-3 do zidentyfikowania tych korelacji i ostatecznie uzyskania głębszego zrozumienia".

Oto, jak sztuczna inteligencja rewolucjonizuje zachowania zakupowe
Ewolucja wyszukiwarek: wpływ AI, rola Google
W ten sposób systemy oparte na sztucznej inteligencji mają ukryte wartości moralne…