AI zal de manier veranderen waarop we scheikunde bedrijven: de GPT-3-test

deIntelligenza Artificial het wordt een fundamenteel instrument in onderzoek chemie: het ontwerp van moleculen of de voorspelling van hun eigenschappen kan worden toevertrouwd aan speciaal opgeleide taalmodellen, en de machine learning het heeft zijn plaats al gevonden in chemische laboratoria.

Wat de onderzoekers ontdekten Federale Polytechnische Universiteit van Lausanneheeft echter het potentieel om het chemisch onderzoek volledig te revolutioneren: GPT-3, dit was de eerste titel van de studie die zojuist is gepubliceerd over “Nature Machine Intelligence”, het zou kunnen zijn “alles wat u nodig heeft voor chemisch onderzoek uit beperkte datasets'.

Ook al ken ik de meeste niet chemische literatuur, de versie van GPT-3 geperfectioneerd door het team van Berend Smit heeft bewezen dat het kan concurreren met traditionele en dure technieken automatisch leren, een pionier op het gebied van een compleet nieuwe benadering van de chemie die de manier waarop onderzoek wordt gedaan voor altijd zou kunnen veranderen.

Generatieve AI: “Dit zijn de banen die dankzij mij niet meer zullen bestaan”
De heilige graal van de groene chemie: gifvrije fluorchemicaliën
GPT-3, het algoritme dat schrijft als een mens, arriveert in Italië

Chemie in woorden: de GPT-3 AI-test

deIntelligenza Artificial is al een tijdje bezig met chemisch onderzoek: deautomatisch leren, in het bijzonder, is door de jaren heen zeer gewaardeerd vanwege zijn vermogen om beslissingen te nemen op basis van gegevens en om zeer nauwkeurige voorspellingen te doen, die gebruikt kunnen worden ook voor de creatie van nieuwe medicijnen.

Machine learning vereist echter wel grote hoeveelheden data om betrouwbare voorspellingen te doen, wat niet zo vanzelfsprekend is in de scheikunde: vaak zijn de beschikbare gegevens niet voldoende om de algoritmen in de praktijk te brengen, dus de effectiviteit van ‘gelabeld’ of onder toezicht staand machinaal leren is afhankelijk van ernstige beperkingen.

Aldus sommige wetenschappersEPFL ze dachten test het potentieel van GPT-3, aan de voet van de beroemde ChatGPT-applicatie"Het feit dat funderingsmodellen taken konden uitvoeren waarvoor ze niet expliciet waren opgeleid”, lezen we in het zojuist gepubliceerde onderzoek op 'Natuurmachine-intelligentie''deden ons afvragen of ze ook in staat waren wetenschappelijke vragen te beantwoorden waar wij geen antwoord op hebben'.

Omdat bij chemisch onderzoek de meeste problemen kunnen optreden uitgedrukt in woorden, dachten de onderzoekers erover om deze enorme modellen te trainen om enkele vragen te beantwoorden “chemici” vragen die onmogelijk op te lossen zijn zonder toevlucht te nemen tot ingewikkelde zaken simulaties en experimenten (bijvoorbeeld: “Als ik het metaal in mijn metaal-organische raamwerk vervang, zal het dan stabiel zijn in water?").

Kunstmatige intelligentie en hologrammen: de nieuwe grens van de gezondheidszorg
Een "holotransport" geïntegreerd met kunstmatige intelligentie maakt zijn debuut
SwissGPT: de Zwitserse AI die een revolutie teweegbrengt in de bedrijfsbeveiliging

Chemie: een verbeterde GPT-3 voor onmogelijke antwoorden

In tegenstelling tot wat sommige aanvankelijke scepsis zou kunnen suggereren, stelt de door EPFL-onderzoekers ontwikkelde methode niet direct vragen over de GPT-3-chemie. “GPT-3 is niet bekend met de meeste chemische literatuur, dus als we ChatGPT een chemische vraag stellen, zijn de antwoorden over het algemeen beperkt tot wat er op Wikipedia te vinden is.", Hij legt uit Kevin Maik Jablonka, hoofdauteur van de studie.

"In plaats daarvan”, legt Jablonka uit, “we geoptimaliseerde GPT-3 met een kleine dataset omgezet in vragen en antwoorden, en we hebben een nieuw model dat zeer nauwkeurige chemische informatie kan verschaffen'.

In het kader van de zogenaamde ‘fine-tuning’ voorzagen de onderzoekers GPT-3 van een samengestelde lijst van Vragen en antwoorden"Voor legeringen met een hoge entropie is het bijvoorbeeld belangrijk om te weten of een legering in één fase voorkomt of meerdere fasen heeft'Legt hij uit Berend Smit, hoogleraar chemische technologie aan de School of Basic Sciences van EPFL.

Een dergelijk probleem, legt Smit uit, wordt vertaald in een samengestelde lijst met vragen en antwoorden, zoals “D = 'De Is het eenfasig?' R= 'Ja/Nee".

"In de literatuur hebben we verschillende legeringen gevonden waarvoor het antwoord bekend is, en deze gegevens hebben we gebruikt om GPT-3 te ontwikkelen”, vervolgt Smit, “waar we uiteindelijk mee zijn gekomen is een verfijnd AI-model dat alleen is getraind om deze vraag te beantwoorden een ja of een nee'.

Kunstmatige intelligentie ook voor de ontwikkeling van nieuwe medicijnen
Ontwikkeling van nieuwe medicijnen, bibliotheken verbeterd dankzij chemie
Op weg naar digitaal humanisme: analyse van een revolutie met verlossing

Basismodellen zoals GPT-3 in de routine van onderzoekers

Het “verbeterde” model, getraind met relatief weinig vragen en antwoorden, werd correct opgelost ruim 95 procent van de problemen op zeer verschillende chemische problemen, vaak beter presterend dan machine learning-modellen die specifiek voor die taak zijn geprogrammeerd.

"Het punt is dat het net zo eenvoudig is als het zoeken naar literatuur”, legt Smit uit, “die echter bij veel chemische problemen werkt". Verder is de aanpak ontwikkeld door Kevin Maik Jablonka dat wel buitengewoon snel en vereist geen specifieke vaardigheden, in tegenstelling tot traditionele modellen machine learning.

De implicaties van dit onderzoek zouden doorslaggevend kunnen zijn: de mogelijkheid om vragen te formuleren als “Wat is de opbrengst van een [chemische stof] bereid met dit [recept]?' en ontvang een accuraat antwoord zou een revolutie teweeg kunnen brengen in de manier waarop de chemisch onderzoek wordt gepland en beheerd.

Zoals de studie stelt: “het kunnen ondervragen van een basismodel als GPT-3 zou een routinemethode kunnen worden voor het starten van een onderzoeksproject waarbij gebruik wordt gemaakt van de collectieve kennis die in deze fundamentele modellen is gecodeerd, of voor het verschaffen van een basis voor voorspellende activiteitene ”.

"Het zal de manier veranderen waarop we scheikunde bedrijven”, zegt professor Smit bot.

Water, gras en menselijkheid: de cognitieve grenzen van kunstmatige intelligentie
Kunstmatige intelligentie zal ons helpen de oceanen van plastic te ontdoen
De Big 100 van de chemie en de uitdagingen van de wereldeconomie

GPT-3 is “slechts” een hulpmiddel: het onderzoek gaat door

De resultaten van het onderzoek roepen een niet-secundaire vraag op: hoe is het mogelijk dat a natuurlijk taalmodel, zonder enige specifieke opleiding in de scheikunde, kan dat wel zijn nauwkeuriger dan speciaal geprogrammeerde modellen?

"Gebaseerd op onze kennis”, lezen we in de krant, “Er bestaat geen rigoureus antwoord op deze vraag'.

Het feit dat er zeer veelbelovende resultaten worden verkregen, zelfs met behulp van volledig hypothetische chemische representaties, toont aan dat deze basismodellen "zeer geschikt om correlaties uit elke tekst te halen”.

Ma de zoektocht is nog maar net begonnen. Zoals de onderzoekers uitleggen, is het feit dat GPT-3 correlaties identificeert die met succes kunnen worden benut om voorspellingen te doen betekent niet dat correlaties altijd significant zijn of gekoppeld aan oorzaak-gevolgrelaties.

Op dit moment concluderen de onderzoekers: GPT-3 “het is slechts een hulpmiddel waarmee we efficiënter gebruik kunnen maken van de kennis die wetenschappers door de jaren heen hebben verzameld'.

En nogmaals: "De volgende stap zal zijn om GPT-3 te gebruiken om deze correlaties te identificeren en uiteindelijk een dieper inzicht te krijgen'.

Hier ziet u hoe AI een revolutie teweegbrengt in het koopgedrag
De evolutie van zoekmachines: de impact van AI, de rol van Google
Dit is hoe op AI gebaseerde systemen verborgen morele waarden hebben...