人工智慧將改變我們進行化學反應的方式:GPT-3 測試
EPFL 研究人員改進了生成式人工智慧,發現它比專門為科學訓練的模型效果更好
L“人工智能 它正在成為研究的基本工具 煙囪:分子的設計或對其特徵的預測可以委託給經過專門訓練的語言模型,並且 機器學習 它已經在化學實驗室中找到了自己的位置。
研究人員發現了什麼 洛桑聯邦理工學院然而,它有可能徹底改變化學研究: GPT-3, 這是剛發表在《自然·機器智能》上的研究的第一個標題,可能是“從有限的數據集中進行化學研究所需的一切“。
雖然我不知道大部分 化學文獻,團隊完善的GPT-3版本 貝倫德史密斯 已證明它可以與傳統且昂貴的技術競爭 自動學習,開創了一種全新的化學方法,可能會永遠改變研究的方式。
生成式人工智慧:“由於我,這些工作將不再存在”
綠色化學的聖杯:無毒含氟化合物
GPT-3,像人類一樣書寫的算法抵達意大利
文字化學:GPT-3 AI 測試
L“人工智能 進入化學研究已有一段時間了:自動學習特別是,多年來因其基於數據做出決策並做出非常準確的預測的能力而受到高度讚賞,這些預測可用於 也用於創造新藥.
然而,機器學習需要 大量數據 做出可靠的預測,這在化學中並不那麼明顯:通常可用的數據不足以用於演算法的實踐,因此「標記」或監督機器學習的有效性取決於 嚴重的限制.
因此一些科學家EPFL 他們想到了 測試 GPT-3 的潛力,在著名的基地 ChatGPT 應用程式“事實上,基礎模型可以執行未經明確訓練的任務”,我們在剛剛發表的研究中讀到'自然機器智能'“讓我們想知道他們是否也有能力回答我們沒有答案的科學問題“。
因為在化學研究中大多數問題都可以 用言語表達,研究人員考慮訓練這些巨大的模型來回答一些問題 “化學家”問題 如果不訴諸複雜的手段是不可能解決的 模擬和實驗 (例如: 「如果我替換金屬有機框架中的金屬,它在水中會穩定嗎?“)。
人工智慧和全息圖:醫療保健的新領域
與人工智慧融合的「全息運輸」首次亮相
SwissGPT:徹底改變企業安全的瑞士人工智能
化學:增強型 GPT-3,解答不可能的答案
與一些最初的懷疑論相反,洛桑聯邦理工學院研究人員開發的方法並沒有直接詢問有關 GPT-3 化學的問題。 “GPT-3 並不熟悉大多數化學文獻,因此如果我們向 ChatGPT 詢問化學問題,答案通常僅限於維基百科上可以找到的內容“,他解釋說 凱文·麥克·賈布隆卡,該研究的主要作者。
“代替”,雅布隆卡解釋道,“我們 使用小數據集優化 GPT-3 轉化為問題和答案,我們得到了一個新模型,可以提供非常準確的化學訊息“。
在所謂的微調過程中,研究人員向 GPT-3 提供了一份精選列表 問題和解答“例如,對於高熵合金,重要的是要知道合金是單相還是多相,“解釋 貝倫德史密斯洛桑聯邦理工學院基礎科學學院化學工程教授。
斯密特解釋說,這樣的問題被轉化為一系列問題和答案,例如“D = '該是單相的嗎? R='是/否'”。
“在文獻中,我們找到了幾種已知答案的合金,我們使用這些數據開發了 GPT-3”,斯密特繼續說道,“我們最終得到的是一個經過訓練的精煉人工智慧模型,只需使用 是或否“。
人工智慧也可用於新藥開發
新藥開發、化學庫得到增強
邁向數位人文主義:救贖革命的分析
研究者日常工作中的 GPT-3 等基本模型
「增強」模型,以相對較少的問題和答案進行訓練,並正確解決 95%以上的問題 在非常不同的化學問題上,通常優於專門為該任務編程的機器學習模型。
“重點是,這就像進行文獻檢索一樣簡單”,斯密特解釋道,“然而,它可以解決許多化學問題”。此外,Kevin Maik Jablonka 開發的方法是 異常快速 與傳統模式不同,不需要任何特定技能 機器學習.
這項研究的影響可能是決定性的:提出諸如“用此[配方]製備的[化學品]的產量是多少?”並收到 準確答案 可以徹底改變 化學研究 是有計劃和管理的。
正如研究指出的那樣,“能夠詢問像 GPT-3 這樣的基本模型可能會成為啟動研究計畫的常規方法,利用這些基本模型中編碼的集體知識或為預測活動提供基線電子”。
“它將改變我們進行化學的方式”,斯密特教授直言不諱地說。
水、草與人類:人工智慧的認知極限
人工智慧將幫助我們清理海洋中的塑料
化學百強與全球經濟的挑戰
GPT-3「只是」一個工具:研究仍在繼續
研究結果提出了一個非次要問題: 自然語言模型, 沒有任何化學方面的專門培訓,可能 比專門編程的模型更準確?
“根據我們的知識”,我們在報紙上讀到,“這個問題沒有嚴格的答案“。
即使使用完全假設的化學表示也能獲得非常有希望的結果,這一事實表明這些基本模型是“非常適合從任何文本中提取相關性”.
Ma 搜尋才剛開始。正如研究人員所解釋的那樣,GPT-3 識別出可以成功利用來進行預測的相關性 並不意味著相關性總是顯著的 或與因果關係相關。
目前,研究人員得出結論,GPT-3“它只是一個工具,可以讓我們更有效地利用科學家多年來收集的知識“。
再說一次:下一步將使用 GPT-3 來識別這些相關性並最終獲得更深入的理解“。