化学会被人工智能取代吗
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了化学会被人工智能取代吗相关的知识,希望对你有一定的参考价值。
参考技术A 非常大的可能,特别随着物理化学的发展。 参考技术B ?2016年,“阿尔法围棋”在围棋人机大战中击败了韩国九段棋手、世界冠军李世石,引发巨大关注。在今年的政府工作报告中提到,加强新一代人工智能研发应用,在医疗、养老、教育、文化、体育等多领域推进“互联网+”。发展智能产业,拓展智能生活,运用新技术、新业态、新模式,大力改造提升传统产业。那么人工智能是否可以应用在化学领域,实现部分化学工作的自动化呢?最近,Segler等人在Nature上发表研究工作,展示了他们设计的软件程序在有机合成中的神奇应用,文章DOI: 10.1038/nature25978。同时,Nature发文对此进行了点评,文章DOI: 10.1038/d41586-018-03774-5。随着人工智能的发展,人类不禁感慨,人工智能的发展是否会让部分化学工作者失业呢?人工智能会让化学家失业吗?人工智能会让化学家失业吗?
Scheme 1. 逆合成分析举例
合成化学是从简单的分子构建目标化合物的过程,是化学学科的重要分支,长期以来,合成化学家的理论知识和经验被认为是成功构建分子的关键。在上个世纪60年代,有机合成大师E. J. Corey提出了“逆合成分析”的概念,并因此获得1990年的诺贝尔化学奖。合成化学家在考虑分子合成时,都会使用“逆合成分析”的方法,思考一系列问题(Scheme 1),比如:
1)该分子的前体结构是什么,该由什么样的最初原料构建?
2)每一步的产率怎么样?
3)每一步的操作可行性如何?
然而,这一切真的只有人类才能完成吗?在查询每一步反应时,通常化学家会通过网络数据库如Scifinder或Reaxys等检索,那么是否可以设计一个程序,往其中植入足够多化学反应的数据库,让程序来设计合成路线呢?自上个世纪60年代起,人类一直都在设法寻找这样的程序,然而该研究很难取得成功。
有两个最基本的因素,阻碍了该研究的成功。首先,电脑硬件无法应对这样的挑战;其次,软件程序无法完全理解化学文献的复杂性。有机化学反应是极为复杂的,比如对某个特定反应,只有当Z基团不存在时,X基团可以顺利地转化为Y基团;但当Z基团存在时,也可以通过改变温度、酸碱度、溶剂等条件实现相应的转化。这样复杂的过程,是软件程序难于理解的。
针对第二个问题,人类已经开发了许多不同的解决方法。一种方法是往程序中植入足够多的化学反应,包括反应的局限性和条件限制。这样的程序往往会产生很多类似的合成路线,对这些路线进行评估便可以产生最合理的路线。目前这样的思路已经取得了一定的成功,并且产生了具有一定竞争力的软件产品。
Segler等人采用了另一种方法,他们考虑不把研究者的经验注入电脑,而让程序自己学习设计路线。事实上,程序存贮和记忆的容量比人脑要大得多,能提供的可能性也更多。目前,这样的研究已经产生了惊人的效果。
在该工作中,作者设计了一个电脑程序,可以自主地从一个大的数据库中学习化学反应,并进行细致地筛选。并且,它只会筛选已经被多次成功应用的反应。当程序被要求设计合成路线时,它可以像人类一样进行逆合成分析,根据自己掌握的知识制定出最有希望的合成前体,并对合成路线的可行性进行分析。作者将三个人工神经网络和一个随机Monte Carlo tree search结合起来(作者称之为3N-MCTS),用来产生最有希望的合成路线。
比如对如下药物候选分子的合成,在过去的报道中需要如下六步合成路线(Asian J. Chem. 2015, 27, 2117-2124)。令人惊讶的是,作者利用他们开发的计算程序可以在5.4 s内发现该合成路线。
人工智能会让化学家失业吗?
Scheme 2. 软件程序设计的逆合成分析
值得一提的是,程序设计的合成路线不仅可以接受程序评分系统的考核,也可以接受训练有素的合成化学家的双盲实验审查。研究发现,对于test a, 化学家对于文献报道的路线和 3N-MCTS设计的路线没有明显的倾向性(Scheme 3a);对于test b, 相对没有知规矩制约的heuristic BFS程序,化学家高度倾向于3N-MCTS程序设计的合成路线(Scheme 3b)。对于test a 的task 1, MCTS 提供的路线是通过Ohira-Bestmann试剂发生Seyferth-Gilbert 增碳反应,而化学家倾向于选择经由Grignard反应的合成路线。尽管MCTS 路线在理论上是可能的,但在操作上不太方便。但接下来构建环系的方法则是一致的(Scheme 3c)。而对于test b,由于没有规矩的制约和范围的限制,heuristic BFS 产生了在逆合成分析中备受指责的错误(Scheme 3d)。因此,总体来说3N-MCTS产生的合成路线是较为合理的。
人工智能会让化学家失业吗?
Scheme 3. MCTS产生的路线与文献报道的路线、BFS产生的路线进行双盲实验比较
然而,这并不意味着程序给出的所有路线都是合理的,但化学家设计的合成路线也并不都是可行的。小编曾听不少学生抱怨,导师设计的合成路线是行不通的。因此,Segler等人报道的机器提出的路线不比人类提出的路线差,已经历史性地突破了。机器可以在短时间内分析众多的文献,在最短时间内提出可行的合成方案,这远远不是人类能比的。
那么人类不仅设想,如果人工智能继续发展下去,是否有一天会对合成化学家的工作岗位构成威胁呢?尽管软件无法处理特别复杂的、不常见的结构,但一些常规的合成问题会渐渐被AI取代。
总结:人工智能的发展,对很多化学家的工作岗位构成了威胁。然而,人工智能确实可以帮助化学家避免了许多重复的工作,让化学家把更多的精力放在思考高质量的问题上,比如该合成怎么样的分子、为什么要合成该分子,而不是把精力放在合成的具体细节上。目前来说,并不是所有化学家都能接受这一转变,然而历史的车轮滚滚向前,它不会随任何人的意志而改变,人工智能改变化学发展的日子终究要来。...
零基础入门人工智能有门槛吗?学会这些就够了
在科技高速发展的今天,人工智能是一个很酷很潮的字眼,几乎每天都出现在科技媒体中,人工智能应用案例应接不暇:人工智能写稿取代编辑、人工智能医疗诊断取代医生、人工智能定投取代基金经理人、人工智能机器人取代银行大堂经理、人工智能自学习策略取代产品经理……
很多人认为学习人工智能知识门槛较高、学习难度较大,便只好望而却步。实际上,入门人工智能并不难,对于初学者来说,可以根据自己的发展规划来制定学习路线,如果未来要从事行业领域内的人工智能技术开发,可以分别学习编程语言和人工智能平台知识,然后通过实践来提升开发能力。
在这个AI大时代下,零基础如何学习并进入人工智能领域,享受到人工智能风口的红利?个人又该如何合理规划学习路线提高竞争力?
本号强烈推荐你参加《人工智能基础实战训练营》,从零基础入门到进阶,帮你收获人工智能的基本应用知识,并且学会使用模型框架落地实战。内容不错,推荐给你们。
3天时间,带你学会人工智能▼
仅需3天时间,每天120分钟左右
课程配备有专职班主任督促学习、群内互动交流干货分享不断、更有资深助教为大家在线答疑解惑。聚焦人工智能实战训练。
限时福利
9月9日 19点前
早鸟价仅需 49 元 原价399元
按照要求 3天全勤全部返还 = 0元学
扫描下方二维码 报名
每递增200人价格将上涨50元
无论你是刚毕业的大学生,还是从事一年的IT从业者,还是具有理工背景转行业人员,学习人工智能,这个训练营都非常适合。
01
这是一个什么样的训练营?
这是由开课吧出品,专为入门人工智能领域的同学倾心打造的三天实战训练营。由开课吧人工智能高级导师 Lee 亲自授课。
Lee老师拥有4年工程+3年算法研发经验。目前在一家TOP级互联网公司的人工智能研究院任职算法工程师,是短视频业务和个性化信息流推荐的算法负责人。主要负责算法落地与工程优化,以及大数据平台数据开发的相关工作。这门课程中老师将用三天时间带你入门AI,构建你的第一个神经网络模型。
02
学会机器学习应用+深度学习框架
通过对机器学习任务和算法模型的介绍与案例实践,消除同学们对知识和概念的距离感,使学员掌握机器学习内涵并开展机器学习项目的工作流,并且掌握深度学习内涵并了解其应用领域。
通过讲述机器学习局限性,引出深度学习;并且前沿应用介绍,强调深度学习的必要性与优势;让学员掌握机器学习与深度学习的区别与联系。
介绍Pytorch框架,并且老师带着学员让其自己动手制作数据集,搭建神经网络,并且使用Pytorch完成数据集预处理、模型构建、训练与评测,让学员掌握深度学习框架Pytorch的特性和学习路径。
介绍计算机视觉应用,激发同学们学习兴趣;回顾图像任务的技术演化,理解CNN优势;通过类视觉神经处理机制,探索CNN解释性与合理性;并且介绍目标检测技术实现原理与开源项目使用。让学员掌握神经网络的构建方法和技巧,卷积神经网络的构造方法及特性,以及迁移学习应用和工作中解决图像任务的基本流程。
03
寻找你的人工智能起点
本次训练营,老师将从机器学习到计算机视觉,让你深度掌握人工智能基础知识。不断学习是每一个工程师的核心能力,训练营助力你的成长。
课程大纲
04
课程都有哪些服务?
3大课程服务 满足学员多元化学习需求
05
强烈建议以下同学加入
如果你是以下人群,那么非常适合学习这门课程:
06
训练营更多福利
目前,2000+ 参加过这个训练营的同学都顺利进入人工智能行业。
限时福利
9月9日 19点前
早鸟价仅需 49 元 原价399元
按照要求 3天全勤全部返还 = 0元学
扫描下方二维码 报名
每递增200人价格将上涨50元
本次训练营开课时间(9月9/10/11日 19:30),希望各位同学报名后:
能提前预留好时间,准时参加直播学习;
结合自身情况,提前整理好工作或就业中遇到的问题,确保自己能充分利用这次宝贵的答疑时间;
可提前和小助理咨询相关学习资料进行预习,确保自己能充分汲取老师所授技术点,并能应用到实际业务中。
最后,希望能和大家开启一段充实的学习历程,愿大家都能突破职场瓶颈,提升竞争力。
以上是关于化学会被人工智能取代吗的主要内容,如果未能解决你的问题,请参考以下文章