_ GPT-3 transformă cercetarea chimică

Inteligenta artificiala devine un instrument esential in cercetarea chimica, oferind metode noi pentru a aborda provocarile complexe cu care se confrunta abordarile traditionale. Un subtip de inteligență artificială care a cunoscut o utilizare din ce în ce mai mare în chimie este învățarea automată, care utilizează algoritmi și modele statistice pentru a lua decizii bazate pe date și pentru a îndeplini sarcini pentru care nu a fost programată în mod explicit.

Cu toate acestea, pentru a face predicții fiabile, învățarea automată necesită, de asemenea, cantități mari de date, care nu sunt întotdeauna disponibile în cercetarea chimică. Seturile de date chimice mici pur și simplu nu oferă suficiente informații pentru ca acești algoritmi să se antreneze, ceea ce limitează eficacitatea lor.

Oamenii de știință, din echipa lui Berend Smit de la EPFL, au găsit o soluție în modele de limbaj mari, cum ar fi GPT -3. Aceste modele sunt pre-instruite pe cantități masive de texte și sunt cunoscute pentru capacitățile lor largi de înțelegere și generare de text asemănător omului. GPT-3 formează baza celui mai popular ChatGPT de inteligență artificială.

Studiul, publicat în Nature Machine Intelligence, dezvăluie o abordare nouă care simplifică semnificativ analiza chimică folosind inteligența artificială. Spre deosebire de scepticismul inițial, metoda nu pune direct întrebări chimice GPT-3.

„GPT-3 nu a văzut cea mai mare parte din literatura de specialitate chimică, așa că dacă punem ChatGPT o întrebare chimică, răspunsurile sunt de obicei limitat la ceea ce se poate găsi pe Wikipedia”, spune Kevin Jablonka, cercetătorul principal al studiului.

„În schimb, reglam GPT-3 cu un set mic de date convertit în întrebări și răspunsuri, creând un noul model capabil să ofere perspective chimice precise.”

Acest proces implică furnizarea lui GPT-3 cu o listă de întrebări și răspunsuri. „De exemplu, pentru aliajele cu entropie mare, este important să știm dacă un aliaj apare într-o singură fază sau are mai multe faze”, spune Smit. „Lista pregătită de întrebări și răspunsuri este de tipul: Q= „Este (numele aliajului cu entropie ridicată) o singură fază?” A= „Da/Nu.””

El continuă: „În literatură, am găsit multe aliaje despre care răspunsul este cunoscut și am folosit aceste date pentru a regla GPT-3. we get back este un model AI rafinat care este antrenat să răspundă la această întrebare doar cu un da sau un nu."

În teste, modelul, antrenat cu relativ puține întrebări și răspunsuri, a răspuns corect la peste 95% dintre cele foarte diverse. probleme chimice, depășind adesea acuratețea modelelor de învățare automată de ultimă generație. „Ideea este că acest lucru este la fel de ușor ca o căutare în literatură, care funcționează pentru multe probleme chimice”, spune Smit.

Unul dintre cele mai izbitoare aspecte ale acestui studiu este simplitatea și viteza sa. Modelele tradiționale de învățare automată necesită luni de zile pentru a dezvolta și a solicita cunoștințe extinse. În schimb, abordarea dezvoltată de Jablonka durează cinci minute și necesită cunoștințe zero.

Implicațiile studiului sunt profunde. Introduce o metodă la fel de ușoară precum efectuarea unei căutări de literatură, aplicabilă diverselor probleme chimice. Capacitatea de a formula întrebări precum „Este mare randamentul unei [chimice] făcute cu această (rețetă)?” și primirea de răspunsuri exacte poate revoluționa modul în care este planificată și desfășurată cercetarea chimică.

În lucrare, autorii spun: „Lângă o căutare în literatură, interogarea unui model fundamental (de exemplu, GPT-3,4) ar putea deveni o modalitate de rutină de a porni un proiect prin valorificarea cunoștințelor colective codificate în aceste modele fundamentale.” Sau, așa cum spune Smit succint, „Acest lucru va schimba modul în care facem chimie.”

(Fluierul)

Inapoi