你有沒有想過，可能就在你閱讀這篇文章的幾分鐘內，獲得諾貝爾獎的化學反應就能被完美復刻出來。

是的，你沒有聽錯，現在由AI驅動的系統已經能夠自主了解這些化學反應，甚至設計出了實驗室程序來制造它們。

人工智能在短短幾分鐘內就完成了這一切，并且一次嘗試就成功了。“這是第一次非有機智能計劃、設計和執行人類發明的復雜反應?！笨▋然仿〈髮W化學家兼化學工程師Gabe Gomes表示，他領導了組裝和測試基于人工智能的系統的研究團隊。

他們將該AI命名為Coscientist。

而Coscientist實現的復雜反應在有機化學中被稱為鈀催化交叉偶聯，該反應為美國化學家Richard Fred Heck與兩位日本化學家Ei-ichi Negishi和Akira Suzuki贏得了2010年諾貝爾獎化學獎，用以表彰他們發現這些反應在藥物開發過程和其他使用挑剔的碳基分子的行業中發揮的巨大作用。

Coscientist所展示的能力表明，人類有潛力有效地利用人工智能來提高計算速度和數量科學發現，并提高實驗結果的可重復性和可靠性。

目前該論文已經發表在了Nature上。

論文鏈接：

https://www.nature.com/articles/s41586-023-06792-0。

揭秘Coscientist

Coscientist的軟件和硅基部件中最主要的是構成其人工“大腦”的大型語言模型。為此團隊測試并比較了多個大語言模型，包括GPT-4以及GPT其他版本。

Coscientist配備了幾個不同的軟件模塊，團隊首先對這些模塊進行單獨測試，然后進行協同測試。

“我們試圖將科學中所有可能的任務分成小部分，然后逐個構建更大的圖景，”參與研究的博士生Daniil Boiko說道，他設計了Coscientist的總體架構及其實驗任務，“最后，我們把一切整合到了一起”。

借助軟件模塊，Coscientist可以完成所有研究化學家都會做的事情：搜索有關化合物的公共信息，查找并閱讀相關技術手冊如何控制機器人實驗室設備，編寫計算機代碼來進行實驗，并分析結果數據以確定哪些有效、哪些無效。

團隊還測試檢驗了Coscientist準確規劃化學程序的能力。如果執行該程序，將產生阿司匹林、對乙酰氨基酚和布洛芬等常用物質。大型語言模型經過單獨測試和比較，然后對最終的程序進行檢查并根據它們是否會產生所需的物質、步驟的詳細程度以及其他因素進行評分。

最高分是由支持搜索的GPT-4模塊獲得，該模塊是唯一一個創建了可接受質量的布洛芬合成程序的模塊。

Boiko和同事Robert MacKnight觀察了Coscientist演示“化學推理”的過程。Boiko將其描述為使用化學相關信息和先前獲得的知識來指導自己行動的能力。它使用以簡化分子輸入線輸入系統（SMILES）格式（一種代表分子化學結構的機器可讀符號）編碼的公開化學信息，并根據分子的特定部分對其實驗計劃進行了更改仔細檢查SMILES數據。

“這是化學推理的最佳版本?！盉oiko說。

進一步的測試納入了軟件模塊，允許Coscientist搜索和使用描述控制機器人實驗室設備的應用程序編程接口的技術文檔。這些測試對于確定Coscientist能否將其合成化合物的理論計劃轉化為指導物理世界中的實驗室機器人的計算機代碼非常重要。

不到四分鐘，設計并改進了程序

高科技機器人化學設備通常在實驗室中使用，以精確的精度一遍又一遍地吸取、噴射、加熱、搖動微小的液體樣品以及執行其他操作。此類機器人通常通過人類化學家編寫的計算機代碼進行控制。

這是此類機器人首次由人工智能編寫的計算機代碼控制。

該團隊以簡單的任務啟動Coscientist，要求其使用機器人液體處理機將有色液體分配到包含96個網格排列的小孔的板中，執行命令包括“用你選擇的一種顏色為每條線著色”，“畫一條藍色對角線”等。

然后向科學家展示一個含有三種不同顏色（紅色、黃色和藍色）液體的盤子，并要求其確定存在哪些顏色以及它們在盤子上的位置。

由于Coscientist沒有眼睛，編寫代碼自動將神秘色板傳遞到分光光度計，并分析每個孔吸收的光的波長，從而識別存在哪些顏色及其在色板上的位置。對于這項任務，研究人員必須在正確的方向上稍微推動Coscientist，指示它思考不同顏色如何吸收光線。

Coscientist的期末考試是將其組裝的模塊和訓練放在一起，以完成“Suzuki和Sonogashira反應”。

該反應發現于20世紀70年代，利用金屬鈀催化有機分子中碳原子之間的鍵。事實證明，這些反應對于生產治療炎癥、哮喘和其他疾病的新型藥物非常有用。它們還用于許多智能手機和顯示器中OLED的有機半導體。2010 年，Sukuzi、Richard Heck和Ei-ichi Negishi聯合獲得諾貝爾獎，正式認可了這些突破性反應及其廣泛影響。

當然，Coscientist以前從未嘗試過這些反應。因此，它在網上查找了相關知識，包括維基百科、美國化學會、英國皇家化學會和其他包含描述該反應的學術論文網站。

在不到四分鐘的時間里，Coscientist設計了一個精確的程序，使用團隊提供的化學品產生所需的反應。不過當它試圖用機器人在現實世界中執行程序時，它在為控制加熱和搖動液體樣本的設備而編寫的代碼中犯了一個錯誤。

但是，即使沒有人類提示，Coscientist自己就發現了問題，查閱了設備的技術手冊，更正了代碼并再次嘗試。

結果包含在一些透明液體的微小樣本中。Boiko分析了樣品，發現了反應的光譜特征。

當Boiko和MacKnight描述出Coscientist的所作所為時，Gomes表示難以置信?！拔乙詾樗麄冊陂_玩笑”，“那時我們突然意識到，我們這里有一些非常新、非常強大的東西”。

能力越大，責任越大

有了這種潛在的力量，就需要明智地使用它并防止濫用。Gomes表示，了解人工智能的能力和局限性是制定明智的規則和政策的第一步，這些規則和政策可以有效防止人工智能的有害使用，無論是有意還是無意。

“我們需要對如何部署這些技術負責并深思熟慮，”他說。

自然世界的規模和復雜性實際上是無限的，其中蘊藏著無數的發現等待著我們去發現。想象一下新的超導材料可以顯著提高能源效率，或者可以治愈其他無法治療的疾病并延長人類壽命的化合物。然而，獲得實現這些突破所需的教育和培訓是一個漫長而艱巨的旅程。

Gomes和團隊設想像Coscientist這樣的人工智能輔助系統作為一種解決方案，可以彌合未經探索的浩瀚自然與訓練有素的科學家短缺（而且可能永遠如此）之間的差距。

人類科學家也有人類的需求，比如睡覺和偶爾走出實驗室。而人類引導的人工智能可以“思考”。夜以繼日，有條不紊地翻閱每一塊眾所周知的石頭，檢查并重新檢查其實驗結果的可復制性。

“我們可以擁有可以自主運行的東西，嘗試發現新現象、新反應、新想法?！盙omes說。

“你還可以顯著降低基本上任何領域的進入門檻。”他說。例如，如果未受過相關培訓的生物學家想要以新的方式探索其用途，他們可以要求Coscientist幫助他們計劃實驗。

“這可以實現資源和理解的大規模民主化。”他解釋道。

Gomes表示，科學中有一個嘗試、失敗、學習和改進的迭代過程，人工智能可以大大加速這個過程。“這本身就將是一個巨大的變化”。

相關報道：

https://www.nature.com/articles/d41586-023-04073-4。

https://phys.org/news/2023-12-coscientist-ai-lab-partner-succeeds.html。