Più istanze GPT di Chat vengono combinate per apprendere la chimica

Nonostante i rapidi progressi nel campo dell’intelligenza artificiale, l’intelligenza artificiale non è pronta a sostituire l’uomo nella pratica scientifica. Ma ciò non significa che non possano aiutare ad automatizzare parte del duro lavoro derivante dagli esperimenti scientifici quotidiani. Ad esempio, alcuni anni fa, i ricercatori hanno messo l’intelligenza artificiale al controllo delle apparecchiature di laboratorio automatizzate e le hanno insegnato come classificare in modo completo tutte le interazioni che potrebbero verificarsi tra un insieme di materie prime.

Sebbene ciò sia utile, richiede comunque molto intervento da parte dei ricercatori per addestrare il sistema in primo luogo. Un gruppo della Carnegie Mellon University ha ora capito come fare in modo che un sistema di intelligenza artificiale impari da solo come gestire la chimica. Il sistema richiede una serie di tre istanze AI, ciascuna specializzata in processi diversi. Ma, una volta impostato e fornito le materie prime, tutto ciò che devi fare è dirgli che tipo di reazione vuoi fare e lui lo capirà.

Trinità dell’intelligenza artificiale

I ricercatori sottolineano che sono interessati a comprendere le capacità che i grandi modelli linguistici (LLM) possono offrire all’attività scientifica. Quindi tutte le IA utilizzate in questo lavoro sono LLM, principalmente GPT-3.5 e GPT-4, sebbene siano state testate anche altre -Claude 1.3 e Falcon-40B-Instruct-. (GPT-4 e Claude 1.3 hanno ottenuto i risultati migliori.) Ma invece di utilizzare un unico sistema per gestire tutti gli aspetti della chimica, i ricercatori hanno creato distinte istanze di collaborazione per istituire una divisione del lavoro che hanno chiamato “mondo cosmico”.

I tre sistemi utilizzati sono:

Ricercatore web. Questo ha due capacità principali. Uno è utilizzare l’API di ricerca di Google per trovare pagine che potrebbero valere la pena di essere assorbite a causa delle informazioni che contengono. Il secondo è importare quelle pagine ed estrarne informazioni: consideralo simile al contesto di conversazioni precedenti che Chat GPT può conservare per informare le sue risposte successive. I ricercatori sono stati in grado di monitorare dove questa unità trascorreva il suo tempo e circa la metà dei luoghi visitati erano pagine di Wikipedia. I primi cinque siti visitati includevano riviste pubblicate dall’American Chemical Society e dalla Royal Society of Chemistry.

Ricercatore di documentazione. Pensa a questo come rtfm Esempio. All’intelligenza artificiale doveva essere dato il controllo di varie apparecchiature di automazione di laboratorio, come i manipolatori automatizzati di liquidi e simili, che spesso sarebbero stati controllati tramite comandi specializzati o qualcosa come un’API Python. A questa istanza di intelligenza artificiale è stato concesso l’accesso a tutti i manuali di quel dispositivo, consentendole di imparare a controllarlo.

un piano. Il pianificatore può impartire comandi ad entrambe le altre istanze dell’IA ed elaborare le loro risposte. Ha accesso a una sandbox di esecuzione del codice Python, che gli consente di eseguire calcoli. Ha anche accesso ad apparecchiature di laboratorio automatizzate, che gli consentono di condurre e analizzare virtualmente gli esperimenti. Quindi puoi pensare al pianificatore come a una parte del sistema che deve agire come un chimico, imparando dalla letteratura e cercando di utilizzare le attrezzature per implementare ciò che ha imparato.

Il pianificatore può anche identificare quando si verificano errori di programmazione (negli script Python o nei suoi tentativi di controllare macchine automatizzate), permettendogli di correggere i propri errori.

Metti in funzione il sistema

Inizialmente, al sistema è stato chiesto di sintetizzare una serie di sostanze chimiche come il paracetamolo e l’ibuprofene, confermando che in genere sarebbe stato possibile scoprire una formulazione valida dopo aver effettuato una ricerca sul web e nella letteratura scientifica. Quindi, la domanda è se il sistema è in grado di rilevare i dispositivi a cui ha accesso abbastanza bene da attivare la sua capacità concettuale.

Per iniziare con qualcosa di semplice, i ricercatori hanno utilizzato una piastra campione standard, contenente una serie di piccoli pozzetti disposti in una griglia rettangolare. Al sistema è stato chiesto di riempire quadrati, linee diagonali o altri motivi utilizzando liquidi di diversi colori ed è stato in grado di farlo in modo efficace.

Proseguendo, hanno posizionato tre diverse soluzioni colorate in posizioni casuali nella rete di pozzi; Al sistema è stato chiesto di identificare i pozzi e di che colore fossero. Di per sé, Coscientist non sapeva come farlo. Ma quando gli è stato ricordato che colori diversi avrebbero mostrato spettri di assorbimento diversi, ha utilizzato uno spettrometro a cui aveva accesso ed è stato in grado di identificare i diversi colori.

Poiché il comando e il controllo di base sembravano funzionare, i ricercatori hanno deciso di provare un po’ di chimica. Hanno dotato la piastra del campione di pozzetti riempiti con semplici sostanze chimiche, catalizzatori e simili, e le hanno chiesto di eseguire una reazione chimica specifica. Il cosmologo capì la chimica fin dall’inizio, ma i suoi tentativi di far funzionare la sintesi fallirono perché inviava un comando non valido alle macchine che riscaldano e guidano le reazioni. Ciò lo ha riportato al modulo di documentazione, permettendogli di correggere il problema ed eseguire le interazioni.

E ha funzionato. Nella miscela di reazione erano presenti impronte spettrali dei prodotti desiderati e la loro presenza è stata confermata mediante cromatografia.

migliorare

Una volta funzionate le reazioni di base, i ricercatori hanno quindi chiesto al sistema di ottimizzare l’efficienza della reazione e hanno presentato il processo di ottimizzazione come un gioco in cui il punteggio aumentava con l’esito della reazione.

Il sistema ha fatto alcune ipotesi errate nel primo ciclo di feedback dei test, ma si è rapidamente concentrato sull’ottenimento di rendimenti migliori. I ricercatori hanno anche scoperto che potevano evitare scelte sbagliate nel primo turno fornendo al Coscientista informazioni sui risultati generati da alcune miscele iniziali casuali. Ciò significa che non importa da dove un Coscientista trae le sue informazioni – sia dal proprio feedback o da qualche fonte di informazione esterna – è in grado di incorporare le informazioni nella sua pianificazione.

I ricercatori hanno concluso che il Coscientista ha diverse abilità notevoli:

• Pianificare la sintesi chimica utilizzando informazioni generali
• Navigare ed elaborare manuali tecnici per dispositivi complessi
• Usa questa conoscenza per controllare una gamma di apparecchiature di laboratorio
• Integrate queste funzionalità della strumentazione nel flusso di lavoro del vostro laboratorio
• Analizza le sue reazioni e utilizza tali informazioni per progettare condizioni di reazione migliorate.

In molti modi, questa sembra l’esperienza che uno studente potrebbe vivere nel primo anno di scuola di specializzazione. Idealmente, lo studente laureato andrà oltre questo. Ma forse anche GPT-5 sarà in grado di farlo.

Ancora più pericoloso è che l’architettura coscientista, che si basa sull’interazione di una serie di sistemi specializzati, è simile al modo in cui funziona la mente. Chiaramente, i sistemi cerebrali specializzati sono capaci di un’ampia gamma di attività, e ce ne sono molte. Ma questo tipo di struttura può essere fondamentale per consentire comportamenti più complessi.

Tuttavia, i ricercatori stessi sono preoccupati per alcune delle capacità del cosscienziato. Ci sono molte sostanze chimiche (si pensi a cose come gli agenti nervini) che non vogliamo vedere più facili da produrre. Capire come dire alle istanze GPT di non fare qualcosa è diventata una sfida costante.

Natura, 2023. DOI: 10.1038/s41586-023-06792-0 (Informazioni sugli ID digitali).