På kortare tid än det tar dig att läsa den här artikeln kunde ett artificiell intelligensdrivet system självständigt lära sig om vissa Nobelprisbelönta kemiska reaktioner och utforma ett framgångsrikt laboratorieförfarande för att göra dem. AI:n gjorde allt det på bara några minuter – och spikade det på första försöket.
"Det här är första gången som en icke-organisk intelligens planerade, designade och utförde denna komplexa reaktion som uppfanns av människor", säger kemisten och kemiingenjören Gabe Gomes vid Carnegie Mellon University, som ledde forskargruppen som satte ihop och testade AI- baserat system. De kallade sin skapelse "Coscientist."
De mest komplexa reaktionerna Coscientist åstadkom är kända inom organisk kemi som palladiumkatalyserade korskopplingar, vilket gav sina mänskliga uppfinnare 2010 års Nobelpris i kemi som ett erkännande av den stora roll som dessa reaktioner kom att spela i den farmaceutiska utvecklingsprocessen och andra industrier som använd petiga, kolbaserade molekyler.
Publicerad i tidskriften Nature , visar Coscientists påvisade förmågor människors potential att produktivt använda AI för att öka takten och antalet vetenskapliga upptäckter, samt förbättra replikerbarheten och tillförlitligheten av experimentella resultat.
Forskargruppen på fyra personer inkluderar doktoranderna Daniil Boiko och Robert MacKnight, som fick stöd och utbildning från U.S. National Science Foundation Center for Chemoenzymatic Synthesis vid Northwestern University respektive NSF Center for Computer-Assisted Synthesis vid University of Notre Dame. .
"Utöver de kemiska syntesuppgifterna som demonstreras av deras system, har Gomes och hans team framgångsrikt syntetiserat en sorts hypereffektiv labbpartner", säger NSF Chemistry Division Director David Berkowitz. "De sätter ihop alla delar och slutresultatet är mycket mer än summan av dess delar - det kan användas för genuint användbara vetenskapliga ändamål."
Passar Coscientist
Chefen bland Coscientists mjukvara och kiselbaserade delar är de stora språkmodellerna som består av dess artificiella "hjärnor". En stor språkmodell är en typ av AI som kan extrahera mening och mönster från enorma mängder data, inklusive skriven text som finns i dokument.
Genom en rad uppgifter testade och jämförde teamet flera stora språkmodeller, inklusive GPT-4 och andra versioner av GPTs stora språkmodeller tillverkade av företaget OpenAI.
Coscientist var också utrustad med flera olika mjukvarumoduler som teamet testade först individuellt och sedan tillsammans.
"Vi försökte dela upp alla möjliga uppgifter inom vetenskap i små bitar och sedan bit för bit konstruera den större bilden", säger Boiko, som designade Coscientists allmänna arkitektur och dess experimentella uppdrag. "Till slut slog vi ihop allt."
Programvarumodulerna gjorde det möjligt för Coscientist att göra saker som alla forskarkemister gör:söka offentlig information om kemiska föreningar, hitta och läsa tekniska manualer om hur man kontrollerar robotlabbutrustning, skriva datorkod för att utföra experiment och analysera de resulterande data för att avgöra vad fungerade och vad som inte fungerade.
Ett test undersökte Coscientists förmåga att noggrant planera kemiska procedurer som, om de genomfördes, skulle resultera i vanliga ämnen som acetylsalicylsyra, paracetamol och ibuprofen. De stora språkmodellerna testades individuellt och jämfördes, inklusive två versioner av GPT med en mjukvarumodul som gör att den kan använda Google för att söka information på internet som en mänsklig kemist.
De resulterande procedurerna undersöktes sedan och poängsattes baserat på om de skulle ha lett till det önskade ämnet, hur detaljerade stegen var och andra faktorer. Några av de högsta poängen fick den sökaktiverade GPT-4-modulen, som var den enda som skapade en procedur av acceptabel kvalitet för att syntetisera ibuprofen.
Boiko och MacKnight observerade Coscientist som demonstrerade "kemiskt resonemang", vilket Boiko beskriver som förmågan att använda kemirelaterad information och tidigare förvärvad kunskap för att vägleda ens handlingar. Den använde allmänt tillgänglig kemisk information kodad i formatet Simplified Molecular Input Line Entry System (SMILES) - en typ av maskinläsbar notation som representerar den kemiska strukturen hos molekyler - och gjorde ändringar i sina experimentplaner baserat på specifika delar av molekylerna den var. granska i SMILES-data.
"Det här är den bästa möjliga versionen av kemiskt resonemang", säger Boiko.
Ytterligare tester inkorporerade mjukvarumoduler som gör det möjligt för Coscientist att söka och använda tekniska dokument som beskriver applikationsprogrammeringsgränssnitt som styr robotlaboratorieutrustning. Dessa tester var viktiga för att avgöra om Coscientist kunde översätta sina teoretiska planer för att syntetisera kemiska föreningar till datorkod som skulle vägleda laboratorierobotar i den fysiska världen.
Högteknologisk robotkemiutrustning används ofta i laboratorier för att suga upp, spruta ut, värma, skaka och göra andra saker med små vätskeprover med exakt precision om och om igen. Sådana robotar styrs vanligtvis genom datorkod skriven av mänskliga kemister som kan vara i samma labb eller på andra sidan landet.
Detta var första gången sådana robotar skulle styras av datorkod skriven av AI.
Teamet startade Coscientist med enkla uppgifter som krävde att den skulle få en robotbaserad vätskehanterare att fördela färgad vätska i en platta som innehåller 96 små brunnar i linje med ett rutnät. Det blev tillsagt att "färga varannan linje med en valfri färg", "rita en blå diagonal" och andra uppgifter som påminner om dagis.
Efter examen från vätskehanterare 101 introducerade teamet Coscientist för fler typer av robotutrustning. De samarbetade med Emerald Cloud Lab, en kommersiell anläggning fylld med olika sorters automatiserade instrument, inklusive spektrofotometrar, som mäter våglängderna av ljus som absorberas av kemiska prover. Coscientist presenterades sedan för en tallrik som innehöll vätskor i tre olika färger (röd, gul och blå) och ombads att bestämma vilka färger som fanns och var de fanns på plattan.
Eftersom Coscientist inte har några ögon, skrev den kod för att robotiskt skicka den mystiska färgplattan till spektrofotometern och analysera våglängderna av ljus som absorberas av varje brunn, och på så sätt identifiera vilka färger som fanns och deras placering på plattan. För det här uppdraget var forskarna tvungna att ge Coscientist en liten knuff i rätt riktning och instruera den att tänka på hur olika färger absorberar ljus. AI:n gjorde resten.
Coscientists slutprov var att sätta ihop sina sammansatta moduler och träning för att uppfylla teamets kommando att "utföra Suzuki- och Sonogashira-reaktioner", uppkallad efter deras uppfinnare Akira Suzuki och Kenkichi Sonogashira.
Upptäcktes på 1970-talet använder reaktionerna metallen palladium för att katalysera bindningar mellan kolatomer i organiska molekyler. Reaktionerna har visat sig vara extremt användbara för att ta fram nya typer av medicin för att behandla inflammation, astma och andra tillstånd. De används också i organiska halvledare i OLED:er som finns i många smartphones och monitorer. Genombrottsreaktionerna och deras breda effekter uppmärksammades formellt med ett Nobelpris som gemensamt delades ut 2010 till Sukuzi, Richard Heck och Ei-ichi Negishi.
Naturligtvis hade Coscientist aldrig försökt med dessa reaktioner tidigare. Så, som den här författaren gjorde för att skriva föregående stycke, gick den till Wikipedia och slog upp dem.
"För mig var "eureka"-ögonblicket att se den ställa alla de rätta frågorna, säger MacKnight, som designade mjukvarumodulen så att Coscientist kunde söka i teknisk dokumentation.
Coscientist sökte svar främst på Wikipedia, tillsammans med en mängd andra webbplatser, inklusive de från American Chemical Society, Royal Society of Chemistry och andra som innehåller akademiska artiklar som beskriver Suzuki och Sonogashira reaktioner.
På mindre än fyra minuter hade Coscientist utformat en noggrann procedur för att producera de nödvändiga reaktionerna med hjälp av kemikalier från teamet. När den försökte utföra sin procedur i den fysiska världen med robotar, gjorde den ett misstag i koden den skrev för att styra en enhet som värmer och skakar vätskeprover. Utan att fråga från människor upptäckte Coscientist problemet, hänvisade till den tekniska manualen för enheten, korrigerade dess kod och försökte igen.
Resultaten fanns i några små prover av klar vätska. Boiko analyserade proverna och fann de spektrala kännetecknen för Suzuki- och Sonogashira-reaktioner.
Gomes var förtvivlad när Boiko och MacKnight berättade för honom vad Coscientist gjorde. "Jag trodde att de drog i mitt ben", minns han. "Men det var de inte. Det var de absolut inte. Och det var då det klickade att, okej, vi har något här som är väldigt nytt, väldigt kraftfullt."
Med den potentiella kraften följer behovet av att använda den klokt och att skydda sig mot missbruk. Gomes säger att förståelsen av AI:s möjligheter och begränsningar är det första steget i att skapa välgrundade regler och policyer som effektivt kan förhindra skadlig användning av AI, vare sig det är avsiktligt eller oavsiktligt.
"Vi måste vara ansvarsfulla och eftertänksamma om hur dessa tekniker används", säger han.
Gomes är en av flera forskare som tillhandahåller expertråd och vägledning för den amerikanska regeringens ansträngningar för att säkerställa att AI används säkert och säkert, till exempel Biden-administrationens verkställande order från oktober 2023 om AI-utveckling.
Den naturliga världen är praktiskt taget oändlig i sin storlek och komplexitet, och innehåller otaliga upptäckter som bara väntar på att bli hittade. Föreställ dig nya supraledande material som dramatiskt ökar energieffektiviteten eller kemiska föreningar som botar sjukdomar som annars inte går att behandla och förlänger människors liv. Och ändå är det en lång och mödosam resa att skaffa sig den utbildning och träning som krävs för att göra dessa genombrott. Det är svårt att bli vetenskapsman.
Gomes och hans team föreställer sig AI-stödda system som Coscientist som en lösning som kan överbrygga klyftan mellan naturens outforskade vidd och det faktum att utbildade vetenskapsmän är en bristvara – och förmodligen alltid kommer att vara det.
Människoforskare har också mänskliga behov, som att sova och ibland komma utanför labbet. Medan människostyrd AI kan "tänka" dygnet runt, metodiskt vända på varje känd sten, kontrollera och återkontrollera dess experimentella resultat för replikerbarhet. "Vi kan ha något som kan köras autonomt och försöka upptäcka nya fenomen, nya reaktioner, nya idéer", säger Gomes.
"Du kan också minska inträdesbarriären avsevärt för i princip vilket område som helst", säger han. Till exempel, om en biolog otränad i Suzuki-reaktioner ville utforska deras användning på ett nytt sätt, kunde de be Coscientist att hjälpa dem att planera experiment.
"Du kan få den här massiva demokratiseringen av resurser och förståelse", förklarar han.
Det finns en iterativ process inom vetenskapen att prova något, misslyckas, lära sig och förbättra, som AI kan påskynda avsevärt, säger Gomes. "Det i sig kommer att bli en dramatisk förändring."
Mer information: Gabe Gomes, autonoma vetenskapliga forskningsmöjligheter för stora språkmodeller, Nature (2023). DOI:10.1038/s41586-023-06792-0. www.nature.com/articles/s41586-023-06792-0
Journalinformation: Natur
Tillhandahålls av National Science Foundation
