【儀表網(wǎng) 儀表深度】導(dǎo)讀：人工智能已經(jīng)對(duì)眾多科研領(lǐng)域產(chǎn)生了深遠(yuǎn)影響，例如在蛋白質(zhì)折疊領(lǐng)域AI已經(jīng)超越了人類。那么在化學(xué)領(lǐng)域會(huì)出現(xiàn)AI化學(xué)家嗎？
傳統(tǒng)有機(jī)合成模式需要大量經(jīng)驗(yàn)積累、成本和實(shí)驗(yàn)人員。人工智能和機(jī)器人已被引入，但由于化學(xué)合成的復(fù)雜性，尚未真正走入普通實(shí)驗(yàn)室。機(jī)器人化學(xué)家可能更適合在制藥公司工作，因?yàn)樗鼈冎皇侵貜?fù)合成化合物，沒有那么大的挑戰(zhàn)性。但對(duì)天然產(chǎn)物合成會(huì)遇到問題，需要重新設(shè)計(jì)合成路徑。
人工智能與化學(xué)研究
化學(xué)是一門以實(shí)驗(yàn)為基礎(chǔ)的學(xué)科。它是在原子層次上研究物質(zhì)的組成、結(jié)構(gòu)、性質(zhì)、及變化規(guī)律的自然科學(xué)，所以需要科學(xué)家做大量的實(shí)驗(yàn)去研究它。由于人工智能的優(yōu)越表現(xiàn)，毫無疑問它也逐漸被引入到各個(gè)科學(xué)領(lǐng)域，其中就包括化學(xué)領(lǐng)域。
當(dāng)前，化學(xué)領(lǐng)域中，人工智能的主要研究有：應(yīng)用自然語言處理技術(shù)的化學(xué)領(lǐng)域文獻(xiàn)文摘的自動(dòng)生成、化學(xué)數(shù)據(jù)中的智能檢索方法、化學(xué)實(shí)驗(yàn)室的自動(dòng)化與機(jī)器人、神經(jīng)網(wǎng)絡(luò)方法的化學(xué)應(yīng)用、化工過程系統(tǒng)綜合、故障診斷、過程控制中的人工智能方法等。
其中，最成功的是：研究開發(fā)由譜圖數(shù)據(jù)借助于計(jì)算機(jī)快速推定未知化合物結(jié)構(gòu)的解析系統(tǒng)。譜圖數(shù)據(jù)包括紅外、質(zhì)譜、核磁共振等數(shù)據(jù)，特別是二維和高維核磁共振數(shù)據(jù)。此外，人工智能在化學(xué)合成領(lǐng)域也扮演著舉足輕重的作用。自然界中有千千萬萬種化學(xué)反應(yīng)，如何能從中規(guī)劃出新穎且可行性的合成路線一直是困擾化學(xué)家的一大難題。
以往研究人員需要絞盡腦汁地去設(shè)計(jì)出一條化學(xué)合成路線，因?yàn)樵诓煌瑮l件下化學(xué)反應(yīng)是無窮變化的，而如果基于大數(shù)據(jù)與人工智能的計(jì)算機(jī)程序輔助研究人員進(jìn)行化學(xué)合成路線設(shè)計(jì)，就可以大大提升科研人員研發(fā)新藥和其它化合物的效率。
AI未來的四波浪潮
人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項(xiàng)工作的人必須懂得計(jì)算機(jī)知識(shí)，心理學(xué)和哲學(xué)。但不同的時(shí)代、不同的人對(duì)這種“復(fù)雜工作”的理解是不同的。
第一波是互聯(lián)網(wǎng)AI人工智能化，搜集大數(shù)據(jù)。以數(shù)據(jù)作為能源和燃料，數(shù)據(jù)越多，發(fā)展就越快。
第二波是商業(yè)AI人工智能化。它們因?yàn)樯虡I(yè)模式的塬因，累積了一套數(shù)據(jù)，這些數(shù)據(jù)足夠大，激活后也會(huì)在商業(yè)流程產(chǎn)生價(jià)值。讓已有的數(shù)據(jù)產(chǎn)生價(jià)值，并進(jìn)入商業(yè)。
第三波是實(shí)體世界感知AI人工智能化，把世界上還沒有數(shù)據(jù)化的東西數(shù)據(jù)化，變成AI人工智能化。例如人臉識(shí)別、語音識(shí)別，在機(jī)場(chǎng)、購物中心用很多監(jiān)視器來捕捉數(shù)據(jù)。
第四波浪潮是全自動(dòng)AI人工智能化 ，AI人工智能化一定是在采集大量的數(shù)據(jù)基礎(chǔ)上，實(shí)現(xiàn)技術(shù)迭代，第一是無人駕駛;另一個(gè)就是工業(yè)自動(dòng)化。這兩個(gè)將是未來5年的重點(diǎn)。
結(jié)語
人工智能技術(shù)大多是基于概率模型的，所以對(duì)一些現(xiàn)象和結(jié)果不能提供充分解釋。化學(xué)領(lǐng)域有一定的特有知識(shí)、機(jī)理或者機(jī)制為標(biāo)準(zhǔn)，并不是所有問題都可以單純用人工智能技術(shù)來解決。如何將基于人工智能技術(shù)的黑箱模型與化工領(lǐng)域的白箱模型(比如能量守恒、物料守恒等)結(jié)合，形成一套完善的研究方法，是目前化學(xué)領(lǐng)域面臨的難題。
所有評(píng)論僅代表網(wǎng)友意見，與本站立場(chǎng)無關(guān)。