人工智能的未來有望執(zhí)行遠超過當前技術(shù)能力的任務

如今，人工智能(AI)和計算機程序已經(jīng)滲透到我們生活的幾乎每個角落。從面部識別，語言翻譯，圖像和視頻制作，到自動駕駛汽車和個人護理助手?？赡苓€不是主流知識的其他應用程序與科學探索，研究和開發(fā)有關。例如，人工智能有潛力通過增強醫(yī)學診斷來革新醫(yī)學實踐，并已在藥物發(fā)現(xiàn)中得到應用。在許多地方，研究人員還嘗試使用AI算法以不同的設置配置來操縱生物學，化學和物理學，以檢測表觀遺傳調(diào)控或基因突變期間引起的DNA修飾，選擇合成中最理想的反應途徑，

現(xiàn)在，AI不僅將其簡單的反應計劃擴展到化學實驗室。在傳統(tǒng)的化學實驗室中，反應是由實驗人員在單獨的燒杯和錐形燒瓶中進行的，物質(zhì)轉(zhuǎn)移，實驗設置，反應監(jiān)控和產(chǎn)品純化均由人工完成。

用機器和計算機程序取代這些耗時的實踐正指導著現(xiàn)代合成化學的未來，在現(xiàn)代合成化學中，不再需要人工，減少了實驗者的可，降低了技術(shù)轉(zhuǎn)化和擴展的障礙。未來的情況可能需要新化學專業(yè)的學生接受最少的技術(shù)培訓;假設他們可以在實驗室中遠程執(zhí)行并行實驗，而在咖啡廳或酒吧放松時一只手喝酒，另一只手拿著iPad。此外，當涉及風險因素時，例如使用強酸或爆炸性成分進行反應時，始終傾向于使用無人駕駛系統(tǒng)。

盡管工業(yè)化工廠已經(jīng)采用了部分自動化，但是這種自動化水平幾乎無法與汽車制造工廠相提并論，在汽車制造工廠中，大型車輛的復雜組裝可以在幾乎無人的環(huán)境中高效進行。

在實驗室規(guī)模上完全自動化化學和化學工程的想法仍處于起步階段，其中AI獨立地探索新的反應并優(yōu)化條件。但是，一些科研團隊已朝著實現(xiàn)這一目標邁進了一大步。

一個著名的例子是Chemputer，它是由Lee Cronin教授及其格拉斯哥大學的團隊開發(fā)的，有望革新藥物發(fā)現(xiàn)?；瘜W機器人系統(tǒng)(因此得名)的功能很像臺式化學家：通過將化學程序的設計圖上傳到機器可讀的步驟中，使藥物化合物的合成自動化，這些步驟由具有嵌入式傳感器的機器人依次進行，以判斷在繼續(xù)下一步之前，每個步驟的完成程度。同時，麻省理工學院的科學家設計了一個算法平臺，通過“學習”數(shù)百萬已發(fā)表的化學反應來計劃合成化學的有效方案，然后命令機器人執(zhí)行該任務。

使合成化學自動化的另一種策略涉及微流體系統(tǒng)，該系統(tǒng)最初于1992年作為分析工具出現(xiàn)，并以小型化形式提供了整個實驗室的功能。微流體系統(tǒng)以簡化的過程傳輸，混合和分離液體。這項技術(shù)不僅在化學領域而且在生物學，材料和醫(yī)學領域都越來越受歡迎，因為可以以精確，省時和經(jīng)濟高效的方式進行實驗。他們采用模塊化設計，每個模塊執(zhí)行特定任務，例如試劑混合或產(chǎn)物純化-這樣，多個反應可以并行或順序進行，而無需在每個步驟中中斷反應。

清華大學的馬少華教授及其團隊已使用微流控系統(tǒng)進行合成反應，而使用傳統(tǒng)技術(shù)則是具有挑戰(zhàn)性或無法實現(xiàn)的。在拐彎處，反應分多個步驟進行，每個步驟都有多個(不需要的)可能的結(jié)果或“軌跡”，這些結(jié)果或軌跡很難控制。為了克服這一挑戰(zhàn)，作者開發(fā)了一種微流體系統(tǒng)，該系統(tǒng)由按順序排列的幾個模塊組成，每個模塊執(zhí)行特定的反應任務。使用計算機程序控制反應序列中的每個事件，該計算機程序使用注射泵通過橡膠管將液體供入反應中。

該設計的優(yōu)點是能夠通過分子擴散控制的質(zhì)量傳遞來控制反應期間的反應物數(shù)量。較小的分子比較大的分子以更高的速率跨過多孔通道壁(膜)運輸?？梢酝ㄟ^使用具有不同孔徑的膜來定制相對量。當具有多個反應性位點的一種反應物基本上使另一種反應物不堪重負時，通過偶聯(lián)兩個配偶體而發(fā)生的反應將變?yōu)閱芜x擇性，并朝一個特定方向進行。如果沒有使用多孔膜和微流體控制建立極端的比率，則反應物將與多個配偶體反應，并且反應再次變?yōu)榉沁x擇性的。

標準的微流控系統(tǒng)(不包括流體化學中的標準儀器的注射泵)，消耗性塑料管的價格為幾十美分，與有時在實驗室中進行的高科技化學相比，其組裝相對容易。計算負荷相當?shù)停驗楦鶕?jù)反應物流線性地編程了命令控制(算法)。該程序僅在暫時暫停和啟動時向前運行，而沒有形成循環(huán)的向后動作。當減少計算成本時，該軟件不需要工作站，但是可以使用手機上的已編程應用程序運行。

想象一個有趣的世界，其中通過這種模塊化系統(tǒng)完成研究化學。可以對模塊進行標準化，并且更容易大規(guī)模地制造分子，同時降低成本并保證質(zhì)量。每個系統(tǒng)，包括其命令程序，都是高度可定制的，并取決于用戶的需求，從而可以輕松地重現(xiàn)性，因為可以在世界各地的實驗室中設置完全相同的系統(tǒng)。這將使探索性化學實驗更加簡單-實質(zhì)上減少了屏幕上的選項-并消除了冗長的設計-合成-測試迭代的需要。

但是，在“智能化學”概念成為現(xiàn)實之前，仍然有許多挑戰(zhàn)需要克服。實時化學比一組簡單的反應選擇要復雜得多。與其他許多領域一樣，這一領域的研究需要比AlphaGo更高的創(chuàng)造性和創(chuàng)造力來解決，也許人工智能還沒有達到這一水平。

此外，當開發(fā)出針對特定反應類型的無人值守解決方案的自動化系統(tǒng)時，它可能不適合另一種，就像為自動駕駛儀開發(fā)的算法無法直接轉(zhuǎn)換為診斷腫瘤一樣，即使這兩種方法均源于計算機視覺技術(shù)。即使對于一個目標反應，要使算法執(zhí)行的水平能夠超過人類的表現(xiàn)，這仍然需要迭代優(yōu)化和增加計算量。這將提高計算能力并減小硬件尺寸甚至更具挑戰(zhàn)性。

無論面臨什么挑戰(zhàn)，我們都希望新一代AI受新計算方法(例如可能會破壞摩爾定律的光電計算和新的神經(jīng)體系結(jié)構(gòu))的增長所培育。人工智能的未來有望執(zhí)行遠遠超過當前技術(shù)能力的任務，有望克服無數(shù)挑戰(zhàn)。而且我們相信這會早日發(fā)生。