人工智能的未來有望執(zhí)行遠(yuǎn)超過當(dāng)前技術(shù)能力的任務(wù)

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(hù)理助手。可能還不是主流知識的其他應(yīng)用程序與科學(xué)探索，研究和開發(fā)有關(guān)。例如，人工智能有潛力通過增強醫(yī)學(xué)診斷來革新醫(yī)學(xué)實踐，并已在藥物發(fā)現(xiàn)中得到應(yīng)用。在許多地方，研究人員還嘗試使用AI算法以不同的設(shè)置配置來操縱生物學(xué)，化學(xué)和物理學(xué)，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(yīng)途徑，

現(xiàn)在，AI不僅將其簡單的反應(yīng)計劃擴(kuò)展到化學(xué)實驗室。在傳統(tǒng)的化學(xué)實驗室中，反應(yīng)是由實驗人員在單獨的燒杯和錐形燒瓶中進(jìn)行的，物質(zhì)轉(zhuǎn)移，實驗設(shè)置，反應(yīng)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(dǎo)著現(xiàn)代合成化學(xué)的未來，在現(xiàn)代合成化學(xué)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(kuò)展的障礙。未來的情況可能需要新化學(xué)專業(yè)的學(xué)生接受最少的技術(shù)培訓(xùn);假設(shè)他們可以在實驗室中遠(yuǎn)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(dāng)涉及風(fēng)險因素時，例如使用強酸或爆炸性成分進(jìn)行反應(yīng)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(fù)雜組裝可以在幾乎無人的環(huán)境中高效進(jìn)行。

在實驗室規(guī)模上完全自動化化學(xué)和化學(xué)工程的想法仍處于起步階段，其中AI獨立地探索新的反應(yīng)并優(yōu)化條件。但是，一些科研團(tuán)隊已朝著實現(xiàn)這一目標(biāo)邁進(jìn)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(xué)的團(tuán)隊開發(fā)的，有望革新藥物發(fā)現(xiàn)。化學(xué)機器人系統(tǒng)(因此得名)的功能很像臺式化學(xué)家：通過將化學(xué)程序的設(shè)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(jìn)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(xué)院的科學(xué)家設(shè)計了一個算法平臺，通過“學(xué)習(xí)”數(shù)百萬已發(fā)表的化學(xué)反應(yīng)來計劃合成化學(xué)的有效方案，然后命令機器人執(zhí)行該任務(wù)。

使合成化學(xué)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(xué)領(lǐng)域而且在生物學(xué)，材料和醫(yī)學(xué)領(lǐng)域都越來越受歡迎，因為可以以精確，省時和經(jīng)濟(jì)高效的方式進(jìn)行實驗。他們采用模塊化設(shè)計，每個模塊執(zhí)行特定任務(wù)，例如試劑混合或產(chǎn)物純化-這樣，多個反應(yīng)可以并行或順序進(jìn)行，而無需在每個步驟中中斷反應(yīng)。

清華大學(xué)的馬少華教授及其團(tuán)隊已使用微流控系統(tǒng)進(jìn)行合成反應(yīng)，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(yīng)分多個步驟進(jìn)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(yīng)任務(wù)。使用計算機程序控制反應(yīng)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(yīng)中。

該設(shè)計的優(yōu)點是能夠通過分子擴(kuò)散控制的質(zhì)量傳遞來控制反應(yīng)期間的反應(yīng)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。可以通過使用具有不同孔徑的膜來定制相對量。當(dāng)具有多個反應(yīng)性位點的一種反應(yīng)物基本上使另一種反應(yīng)物不堪重負(fù)時，通過偶聯(lián)兩個配偶體而發(fā)生的反應(yīng)將變?yōu)閱芜x擇性，并朝一個特定方向進(jìn)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(yīng)物將與多個配偶體反應(yīng)，并且反應(yīng)再次變?yōu)榉沁x擇性的。

標(biāo)準(zhǔn)的微流控系統(tǒng)(不包括流體化學(xué)中的標(biāo)準(zhǔn)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(jìn)行的高科技化學(xué)相比，其組裝相對容易。計算負(fù)荷相當(dāng)?shù)停驗楦鶕?jù)反應(yīng)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(dāng)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(yīng)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(xué)。可以對模塊進(jìn)行標(biāo)準(zhǔn)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(shè)置完全相同的系統(tǒng)。這將使探索性化學(xué)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(shè)計-合成-測試迭代的需要。

但是，在“智能化學(xué)”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(xué)比一組簡單的反應(yīng)選擇要復(fù)雜得多。與其他許多領(lǐng)域一樣，這一領(lǐng)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(dá)到這一水平。

此外，當(dāng)開發(fā)出針對特定反應(yīng)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(biāo)反應(yīng)，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(yuǎn)遠(yuǎn)超過當(dāng)前技術(shù)能力的任務(wù)，有望克服無數(shù)挑戰(zhàn)。而且我們相信這會早日發(fā)生。