Několik instancí Chat GPT je kombinováno, aby se naučili chemii

Navzdory rychlému pokroku v oblasti umělé inteligence není AI zdaleka připravena nahradit lidi ve vědecké praxi. To ale neznamená, že nemohou pomoci zautomatizovat část tvrdé práce, která pochází z každodenních vědeckých experimentů. Například před pár lety vědci ovládli automatizované laboratorní vybavení umělou inteligenci a naučili je, jak komplexně klasifikovat všechny interakce, které by mohly nastat mezi sadou surovin.

I když je to užitečné, stále to vyžaduje hodně zásahů ze strany výzkumníků, aby systém na prvním místě trénovali. Skupina z Carnegie Mellon University nyní přišla na to, jak přimět systém umělé inteligence, aby se sám naučil zacházet s chemií. Systém vyžaduje sadu tří instancí AI, z nichž každá se specializuje na jiné procesy. Ale jakmile to nastavíte a dodáte mu suroviny, stačí mu říct, jaký typ reakce chcete udělat, a ono na to přijde.

Trojice umělé inteligence

Výzkumníci poznamenávají, že mají zájem porozumět schopnostem, které mohou velké lingvistické modely (LLM) nabídnout vědeckému úsilí. Takže všechny umělé inteligence použité v této práci jsou LLM, většinou GPT-3.5 a GPT-4, i když byly testovány i jiné – Claude 1.3 a Falcon-40B-Instruct. (Nejlépe si vedly GPT-4 a Claude 1.3.) Ale namísto použití jediného systému pro zvládnutí všech aspektů chemie vytvořili výzkumníci odlišné příklady spolupráce při vytváření dělby práce, kterou nazvali „kosmický svět“.

Používali tři systémy:

Webový vyhledávač. To má dvě hlavní schopnosti. Jedním z nich je použití rozhraní Google Search API k nalezení stránek, které by se kvůli informacím, které obsahují, mohly vyplatit. Druhým je zpracovat tyto stránky a extrahovat z nich informace – považujte to za podobné kontextu předchozích konverzací, které si Chat GPT může ponechat, aby informoval své pozdější odpovědi. Vědcům se podařilo vysledovat, kde tato jednotka trávila čas, a zhruba polovina míst, která navštívila, byly stránky Wikipedie. Mezi pět nejlepších navštívených míst patřily časopisy vydávané American Chemical Society a Royal Society of Chemistry.

Výzkumník dokumentace. Přemýšlejte o tom jako rtfm Příklad. Umělá inteligence měla dostat ovládání různých laboratorních automatizačních zařízení, jako jsou automatizované manipulátory s kapalinami a podobně, které by se často ovládaly buď pomocí specializovaných příkazů nebo něčeho jako Python API. Této instanci AI byl udělen přístup ke všem příručkám pro dané zařízení, což jí umožňuje naučit se jej ovládat.

plán. Plánovač může vydávat příkazy oběma dalším instancím AI a zpracovávat jejich odpovědi. Má přístup do karantény pro provádění kódu Python, která mu umožňuje provádět výpočty. Má také přístup k automatizovanému laboratornímu vybavení, které mu umožňuje provádět a analyzovat experimenty virtuálně. Plánovač si tedy můžete představit jako součást systému, který se musí chovat jako chemik, učí se z literatury a snaží se používat zařízení k realizaci toho, co se naučil.

Plánovač může také identifikovat, kdy se vyskytnou chyby v programování (buď ve skriptech Pythonu nebo při pokusech řídit automatizované stroje), což mu umožňuje opravit chyby.

Uveďte systém do provozu

Zpočátku byl systém požádán, aby syntetizoval řadu chemikálií, jako je acetaminofen a ibuprofen, což potvrdilo, že by mohl obecně objevit životaschopnou formulaci po prohledání webu a vědecké literatury. Otázkou tedy je, zda je systém schopen dostatečně dobře detekovat zařízení, ke kterým má přístup, aby spustil svou koncepční kapacitu.

Pro začátek s něčím jednoduchým použili vědci standardní destičku na vzorky obsahující řadu malých jamek uspořádaných do obdélníkové mřížky. Systém byl požádán, aby vyplnil čtverce, diagonální čáry nebo jiné vzory pomocí různobarevných kapalin a byl schopen to udělat efektivně.

Pokračovali a umístili tři různé barevné roztoky na náhodná místa v síti studní; Systém byl požádán, aby identifikoval jamky a jakou mají barvu. Coscientist sám o sobě nevěděl, jak to udělat. Ale když mu bylo připomenuto, že různé barvy budou vykazovat různá absorpční spektra, použil spektrometr, ke kterému měl přístup a byl schopen různé barvy identifikovat.

Vzhledem k tomu, že základní příkazy a ovládání zdánlivě fungují, rozhodli se výzkumníci vyzkoušet nějakou chemii. Vybavili destičku se vzorky jamkami naplněnými jednoduchými chemikáliemi, katalyzátory a podobně a požádali ji, aby provedla specifickou chemickou reakci. Kosmolog pochopil chemii hned od začátku, ale jeho pokusy uvést syntézu do provozu selhaly, protože poslal neplatný příkaz do strojů, které zahřívají a řídí reakce. To ho přivedlo zpět do modulu dokumentace, což mu umožnilo opravit problém a spustit interakce.

A fungovalo to. V reakční směsi byly přítomny spektrální otisky požadovaných produktů a jejich přítomnost byla potvrzena chromatografií.

zlepšit

Když základní reakce fungovaly, výzkumníci poté požádali systém, aby optimalizoval účinnost reakce, a představili proces optimalizace jako hru, kde skóre rostlo s výsledkem reakce.

Systém provedl v prvním kole zpětné vazby testu několik špatných odhadů, ale rychle se zaměřil na dosažení lepších výnosů. Výzkumníci také zjistili, že se mohou vyhnout špatným rozhodnutím v prvním kole tím, že poskytnou Coscientistovi informace o výsledcích generovaných několika náhodnými počátečními směsmi. To znamená, že bez ohledu na to, odkud kosvědec získává informace – ať už z vlastní zpětné vazby nebo z nějakého externího informačního zdroje – je schopen tyto informace začlenit do svého plánování.

Vědci dospěli k závěru, že Koscientist má několik pozoruhodných schopností:

• Plánování chemické syntézy pomocí obecných informací
• Procházet a zpracovávat technické manuály pro složitá zařízení
• Využijte tyto znalosti k ovládání řady laboratorních zařízení
• Integrujte tyto možnosti instrumentace do svého laboratorního pracovního postupu
• Analyzujte jeho reakce a použijte tyto informace k návrhu lepších reakčních podmínek.

V mnoha ohledech to zní jako zkušenost, kterou může student zažít v prvním ročníku postgraduální školy. V ideálním případě postgraduální student pokročí dále. Možná to ale zvládne i GPT-5.

Ještě nebezpečnější je, že architektura kosvědců, která se opírá o interakci řady specializovaných systémů, je podobná tomu, jak fungují mysli. Je zřejmé, že specializované mozkové systémy jsou schopny široké škály činností a není jich málo. Ale tento druh struktury může být rozhodující pro umožnění komplexnějšího chování.

Sami výzkumníci se však obávají některých schopností kosvědce. Existuje mnoho chemikálií (například nervově paralytické látky), které nechceme snáze vyrábět. Zjistit, jak říci instancím GPT, aby něco nedělaly, se stalo neustálým problémem.

Příroda, 2023. DOI: 10.1038/s41586-023-06792-0 (O digitálních ID).