W czasie krótszym niż przeczytanie tego artykułu system oparty na sztucznej inteligencji był w stanie samodzielnie dowiedzieć się o niektórych reakcjach chemicznych, na które nagrodzono Nagrodę Nobla, i zaprojektować skuteczną procedurę laboratoryjną do ich przeprowadzenia. Sztuczna inteligencja zrobiła to wszystko w ciągu zaledwie kilku minut i udało się za pierwszym razem.
„To pierwszy przypadek, kiedy nieorganiczna inteligencja zaplanowała, zaprojektowała i przeprowadziła tę złożoną reakcję wymyśloną przez człowieka” – mówi Gabe Gomes, chemik i inżynier chemik z Carnegie Mellon University, który kierował zespołem badawczym, który zmontował i przetestował sztuczną inteligencję. oparty na systemie. Nazwali swoje dzieło „Coscientist”.
Najbardziej złożone reakcje, które przeprowadził naukowiec, znane są w chemii organicznej jako katalizowane palladem sprzęgania krzyżowe, co przyniosło ich wynalazcom Nagrodę Nobla w dziedzinie chemii w 2010 r. w uznaniu ogromnej roli, jaką te reakcje odegrały w procesie rozwoju produktów farmaceutycznych i innych gałęziach przemysłu, które używaj delikatnych cząsteczek na bazie węgla.
Opublikowane w czasopiśmie Nature wykazane zdolności Coscientist pokazują, że ludzie mogą produktywnie wykorzystywać sztuczną inteligencję w celu zwiększenia tempa i liczby odkryć naukowych, a także poprawy powtarzalności i wiarygodności wyników eksperymentów. W skład czteroosobowego zespołu badawczego wchodzą doktoranci Daniil Boiko i Robert MacKnight, którzy otrzymali wsparcie i przeszkolenie odpowiednio od Centrum Syntezy Chemoenzymatycznej USA na Northwestern University i Centrum Syntezy Wspomaganej Komputerowo NSF na Uniwersytecie Notre Dame .
„Oprócz zadań związanych z syntezą chemiczną, jakie zapewnia ich system, Gomes i jego zespół z powodzeniem zsyntetyzowali coś w rodzaju niezwykle wydajnego partnera laboratoryjnego” – mówi dyrektor działu chemii NSF David Berkowitz. „Łączą wszystkie elementy w całość, a wynik końcowy to znacznie więcej niż suma poszczególnych części – można go wykorzystać do naprawdę przydatnych celów naukowych”.
Łączenie Coscientist w całość
Najważniejszym elementem oprogramowania Coscientist i jego części opartych na krzemie są duże modele językowe, z których składają się sztuczne „mózgi”. Model wielkojęzykowy to rodzaj sztucznej inteligencji, który potrafi wyodrębnić znaczenia i wzorce z ogromnych ilości danych, w tym tekstu pisanego zawartego w dokumentach. Wykonując serię zadań, zespół przetestował i porównał wiele dużych modeli językowych, w tym GPT-4 i inne wersje dużych modeli językowych GPT opracowane przez firmę OpenAI.
Coscientist został także wyposażony w kilka różnych modułów oprogramowania, które zespół przetestował najpierw indywidualnie, a następnie wspólnie.
„Próbowaliśmy podzielić wszystkie możliwe zadania naukowe na małe części, a następnie kawałek po kawałku stworzyć szerszy obraz” – mówi Boiko, która zaprojektowała ogólną architekturę Coscientist i jej zadania eksperymentalne. „W końcu udało nam się wszystko połączyć”.
Moduły oprogramowania umożliwiły Coscientist wykonywanie czynności, które wykonują wszyscy chemicy zajmujący się badaniami: przeszukiwanie informacji publicznych na temat związków chemicznych, znajdowanie i czytanie instrukcji technicznych dotyczących sterowania zrobotyzowanym sprzętem laboratoryjnym, pisanie kodu komputerowego do przeprowadzania eksperymentów oraz analizowanie uzyskanych danych w celu określenia, co zadziałało, a co nie.
W jednym z testów sprawdzano zdolność Coscientist do dokładnego planowania procedur chemicznych, których przeprowadzenie doprowadziłoby do powstania powszechnie stosowanych substancji, takich jak aspiryna, acetaminofen i ibuprofen. Indywidualnie przetestowano i porównano duże modele językowe, w tym dwie wersje GPT z modułem oprogramowania umożliwiającym korzystanie z Google w celu wyszukiwania informacji w Internecie w podobny sposób, w jaki mógłby to zrobić chemik. Powstałe procedury zostały następnie zbadane i ocenione na podstawie tego, czy doprowadziłyby do uzyskania pożądanej substancji, szczegółowości poszczególnych etapów i innych czynników. Niektóre z najwyższych wyników uzyskał moduł GPT-4 z możliwością wyszukiwania, który jako jedyny stworzył procedurę syntezy ibuprofenu o akceptowalnej jakości.
Boiko i MacKnight zaobserwowali, jak Coscientist demonstruje „rozumowanie chemiczne”, które Boiko opisuje jako umiejętność wykorzystywania informacji związanych z chemią i wcześniej zdobytej wiedzy do kierowania swoimi działaniami. Wykorzystał publicznie dostępne informacje chemiczne zakodowane w formacie uproszczonego systemu wprowadzania danych molekularnych (SMILES) – rodzaju czytelnej maszynowo notacji przedstawiającej strukturę chemiczną cząsteczek – i wprowadził zmiany w swoich planach eksperymentalnych w oparciu o określone części cząsteczek analizowała dane SMILES. „To najlepsza możliwa wersja rozumowania chemicznego” – mówi Boiko.
Dalsze testy obejmowały moduły oprogramowania umożliwiające Coscientist wyszukiwanie i wykorzystywanie dokumentów technicznych opisujących interfejsy programowania aplikacji sterujące zrobotyzowanym sprzętem laboratoryjnym. Testy te odegrały ważną rolę w ustaleniu, czy Coscientist będzie w stanie przełożyć swoje teoretyczne plany syntezy związków chemicznych na kod komputerowy, który będzie kierować robotami laboratoryjnymi w świecie fizycznym.
Wprowadź roboty
Zaawansowany technologicznie, zrobotyzowany sprzęt chemiczny jest powszechnie używany w laboratoriach do ciągłego zasysania, wyciskania, podgrzewania, wstrząsania i innych czynności z małymi próbkami cieczy z wymaganą precyzją. Robotami takimi steruje się zwykle za pomocą kodu komputerowego napisanego przez chemików, którzy mogą znajdować się w tym samym laboratorium lub na drugim końcu kraju.
Był to pierwszy raz, kiedy takie roboty były sterowane za pomocą kodu komputerowego napisanego przez sztuczną inteligencję.
Zespół uruchomił program Coscientist z prostymi zadaniami, wymagającymi wykonania przez zautomatyzowaną maszynę do przenoszenia cieczy kolorowego płynu na płytkę zawierającą 96 małych dołków ułożonych w siatkę. Zadaniem dzieci było „pokolorowanie co drugiej linii wybranym przez siebie kolorem”, „narysowanie niebieskiej przekątnej” i wykonanie innych zadań przypominających zabawę w przedszkolu.
Po ukończeniu szkolenia w zakresie obsługi cieczy 101 zespół zapoznał Coscientist z większą liczbą typów sprzętu robotycznego. Nawiązali współpracę z Emerald Cloud Lab, komercyjnym obiektem wyposażonym w różnego rodzaju zautomatyzowane instrumenty, w tym spektrofotometry, które mierzą długości fal światła pochłanianego przez próbki chemiczne. Następnie zaprezentowano naukowcowi talerz zawierający płyny w trzech różnych kolorach (czerwonym, żółtym i niebieskim) i poproszono o określenie, jakie kolory są obecne i gdzie się znajdują na talerzu.
Ponieważ Coscientist nie ma oczu, napisał kod, który automatycznie przekazywał płytkę z tajemniczymi kolorami do spektrofotometru i analizował długości fal światła absorbowanego przez każdą studzienkę, identyfikując w ten sposób, które kolory były obecne i ich położenie na płytce. W ramach tego zadania badacze musieli lekko popchnąć Coscientist we właściwym kierunku, instruując go, aby zastanowił się, w jaki sposób różne kolory pochłaniają światło. Resztę zrobiła sztuczna inteligencja.
Egzamin końcowy naukowca polegał na połączeniu zmontowanych modułów i szkoleń w celu wykonania polecenia zespołu dotyczącego „przeprowadzenia reakcji Suzuki i Sonogashiry”, nazwanych na cześć ich wynalazców Akiry Suzuki i Kenkichi Sonogashiry. Odkryte w latach 70. reakcje wykorzystują metaliczny pallad do katalizowania wiązań między atomami węgla w cząsteczkach organicznych. Reakcje okazały się niezwykle przydatne w produkcji nowych rodzajów leków stosowanych w leczeniu stanów zapalnych, astmy i innych schorzeń. Są również stosowane w półprzewodnikach organicznych w diodach OLED stosowanych w wielu smartfonach i monitorach. Przełomowe reakcje i ich szerokie skutki zostały formalnie uznane Nagrodą Nobla przyznaną w 2010 r. wspólnie Sukuzi, Richardowi Heckowi i Ei-ichi Negishi.
Oczywiście Coscientist nigdy wcześniej nie próbował takich reakcji. Tak więc, jak to zrobił autor pisząc poprzedni akapit, udał się do Wikipedii i sprawdził je.
Wielka moc, wielka odpowiedzialność
„Dla mnie momentem eureki było to, że zadawał właściwe pytania” – mówi MacKnight, który zaprojektował moduł oprogramowania umożliwiający Coscientist przeszukiwanie dokumentacji technicznej.
Naukowcy szukali odpowiedzi głównie w Wikipedii oraz na wielu innych stronach, w tym na stronach Amerykańskiego Towarzystwa Chemicznego, Królewskiego Towarzystwa Chemii i innych, zawierających artykuły akademickie opisujące reakcje Suzuki i Sonogashiry.
W niecałe cztery minuty Coscientist zaprojektował dokładną procedurę wytwarzania wymaganych reakcji przy użyciu środków chemicznych dostarczonych przez zespół. Kiedy próbował przeprowadzić swoją procedurę w świecie fizycznym za pomocą robotów, popełnił błąd w napisanym kodzie sterującym urządzeniem podgrzewającym i wstrząsającym próbkami cieczy. Bez podpowiedzi ze strony ludzi Coscientist zauważył problem, odesłał do instrukcji technicznej urządzenia, poprawił kod i spróbował ponownie.
Wyniki zawarto w kilku maleńkich próbkach przejrzystego płynu. Boiko przeanalizował próbki i znalazł widmowe cechy charakterystyczne reakcji Suzuki i Sonogashiry.
Gomes nie mógł uwierzyć, gdy Boiko i MacKnight powiedzieli mu, co zrobił Naukowiec. „Myślałem, że ciągną mnie za nogę” – wspomina. „Ale tak nie było. Absolutnie nie. I wtedy dotarło do nas, że OK, mamy tu coś bardzo nowego, bardzo potężnego”.
Z tą potencjalną mocą wiąże się potrzeba jej mądrego wykorzystania i ochrony przed niewłaściwym użyciem. Gomes twierdzi, że zrozumienie możliwości i ograniczeń sztucznej inteligencji to pierwszy krok w tworzeniu świadomych zasad i zasad, które mogą skutecznie zapobiegać szkodliwemu wykorzystaniu sztucznej inteligencji, zamierzonemu lub przypadkowemu.
„Musimy być odpowiedzialni i rozważni przy wdrażaniu tych technologii” – mówi.
Gomes jest jednym z kilku badaczy zapewniających fachowe porady i wytyczne dotyczące wysiłków rządu USA mających na celu zapewnienie bezpiecznego korzystania ze sztucznej inteligencji, jak np. zarządzenie wykonawcze administracji Bidena z października 2023 r. w sprawie rozwoju sztucznej inteligencji.
Przyspieszenie odkryć, demokratyzacja nauki
Świat przyrody jest praktycznie nieskończony pod względem wielkości i złożoności i zawiera niezliczone odkrycia, które tylko czekają na odkrycie. Wyobraźcie sobie nowe materiały nadprzewodzące, które radykalnie zwiększają efektywność energetyczną, lub związki chemiczne, które leczą nieuleczalne choroby i wydłużają życie ludzkie. Jednak zdobycie wykształcenia i szkolenia niezbędnych do dokonania tych przełomów to długa i żmudna podróż. Bycie naukowcem jest trudne.
Gomes i jego zespół postrzegają systemy wspomagane sztuczną inteligencją, takie jak Coscientist, jako rozwiązanie, które może wypełnić lukę między niezbadanym ogromem natury a faktem, że brakuje wyszkolonych naukowców – i prawdopodobnie zawsze tak będzie.
Naukowcy-ludzcy mają także ludzkie potrzeby, takie jak spanie i okazjonalne wyjście z laboratorium. Podczas gdy sztuczna inteligencja kierowana przez człowieka może „myśleć” przez całą dobę, metodycznie przewracając każdy przysłowiowy kamień, sprawdzając i ponownie sprawdzając wyniki eksperymentów pod kątem powtarzalności. „Możemy mieć coś, co będzie działać autonomicznie, próbując odkrywać nowe zjawiska, nowe reakcje, nowe pomysły” – mówi Gomes.
„Możesz także znacznie zmniejszyć barierę wejścia w zasadzie w każdej dziedzinie” – mówi. Na przykład, jeśli biolog nieprzeszkolony w zakresie reakcji Suzuki chciałby zbadać ich zastosowanie w nowy sposób, mógłby poprosić naukowca o pomoc w zaplanowaniu eksperymentów.
„Może nastąpić masowa demokratyzacja zasobów i zrozumienia” – wyjaśnia.
W nauce istnieje proces iteracyjny, polegający na próbowaniu czegoś, ponoszeniu porażek, uczeniu się i doskonaleniu, który sztuczna inteligencja może znacznie przyspieszyć, mówi Gomes. „To samo w sobie będzie dramatyczną zmianą”.