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

如今，人工智能(AI)和計(jì)算機(jī)程序已經(jīng)滲透到我們生活的幾乎每個(gè)角落。從面部識(shí)別，語(yǔ)言翻譯，圖像和視頻制作，到自動(dòng)駕駛汽車和個(gè)人護(hù)理助手?？赡苓€不是主流知識(shí)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(guò)增強(qiáng)醫(yī)學(xué)診斷來(lái)革新醫(yī)學(xué)實(shí)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(lái)操縱生物學(xué)，化學(xué)和物理學(xué)，以檢測(cè)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(jiǎn)單的反應(yīng)計(jì)劃擴(kuò)展到化學(xué)實(shí)驗(yàn)室。在傳統(tǒng)的化學(xué)實(shí)驗(yàn)室中，反應(yīng)是由實(shí)驗(yàn)人員在單獨(dú)的燒杯和錐形燒瓶中進(jìn)行的，物質(zhì)轉(zhuǎn)移，實(shí)驗(yàn)設(shè)置，反應(yīng)監(jiān)控和產(chǎn)品純化均由人工完成。

用機(jī)器和計(jì)算機(jī)程序取代這些耗時(shí)的實(shí)踐正指導(dǎo)著現(xiàn)代合成化學(xué)的未來(lái)，在現(xiàn)代合成化學(xué)中，不再需要人工，減少了實(shí)驗(yàn)者的可，降低了技術(shù)轉(zhuǎn)化和擴(kuò)展的障礙。未來(lái)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(shí)驗(yàn)室中遠(yuǎn)程執(zhí)行并行實(shí)驗(yàn)，而在咖啡廳或酒吧放松時(shí)一只手喝酒，另一只手拿著iPad。此外，當(dāng)涉及風(fēng)險(xiǎn)因素時(shí)，例如使用強(qiáng)酸或爆炸性成分進(jìn)行反應(yīng)時(shí)，始終傾向于使用無(wú)人駕駛系統(tǒng)。

盡管工業(yè)化工廠已經(jīng)采用了部分自動(dòng)化，但是這種自動(dòng)化水平幾乎無(wú)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(wú)人的環(huán)境中高效進(jìn)行。

在實(shí)驗(yàn)室規(guī)模上完全自動(dòng)化化學(xué)和化學(xué)工程的想法仍處于起步階段，其中AI獨(dú)立地探索新的反應(yīng)并優(yōu)化條件。但是，一些科研團(tuán)隊(duì)已朝著實(shí)現(xiàn)這一目標(biāo)邁進(jìn)了一大步。

一個(gè)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(duì)開發(fā)的，有望革新藥物發(fā)現(xiàn)?；瘜W(xué)機(jī)器人系統(tǒng)(因此得名)的功能很像臺(tái)式化學(xué)家：通過(guò)將化學(xué)程序的設(shè)計(jì)圖上傳到機(jī)器可讀的步驟中，使藥物化合物的合成自動(dòng)化，這些步驟由具有嵌入式傳感器的機(jī)器人依次進(jìn)行，以判斷在繼續(xù)下一步之前，每個(gè)步驟的完成程度。同時(shí)，麻省理工學(xué)院的科學(xué)家設(shè)計(jì)了一個(gè)算法平臺(tái)，通過(guò)“學(xué)習(xí)”數(shù)百萬(wàn)已發(fā)表的化學(xué)反應(yīng)來(lái)計(jì)劃合成化學(xué)的有效方案，然后命令機(jī)器人執(zhí)行該任務(wù)。

使合成化學(xué)自動(dòng)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(gè)實(shí)驗(yàn)室的功能。微流體系統(tǒng)以簡(jiǎn)化的過(guò)程傳輸，混合和分離液體。這項(xiàng)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(lái)越受歡迎，因?yàn)榭梢砸跃_，省時(shí)和經(jīng)濟(jì)高效的方式進(jìn)行實(shí)驗(yàn)。他們采用模塊化設(shè)計(jì)，每個(gè)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(gè)反應(yīng)可以并行或順序進(jìn)行，而無(wú)需在每個(gè)步驟中中斷反應(yīng)。

清華大學(xué)的馬少華教授及其團(tuán)隊(duì)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(wú)法實(shí)現(xiàn)的。在拐彎處，反應(yīng)分多個(gè)步驟進(jìn)行，每個(gè)步驟都有多個(gè)(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(gè)模塊組成，每個(gè)模塊執(zhí)行特定的反應(yīng)任務(wù)。使用計(jì)算機(jī)程序控制反應(yīng)序列中的每個(gè)事件，該計(jì)算機(jī)程序使用注射泵通過(guò)橡膠管將液體供入反應(yīng)中。

該設(shè)計(jì)的優(yōu)點(diǎn)是能夠通過(guò)分子擴(kuò)散控制的質(zhì)量傳遞來(lái)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(guò)多孔通道壁(膜)運(yùn)輸?？梢酝ㄟ^(guò)使用具有不同孔徑的膜來(lái)定制相對(duì)量。當(dāng)具有多個(gè)反應(yīng)性位點(diǎn)的一種反應(yīng)物基本上使另一種反應(yīng)物不堪重負(fù)時(shí)，通過(guò)偶聯(lián)兩個(gè)配偶體而發(fā)生的反應(yīng)將變?yōu)閱芜x擇性，并朝一個(gè)特定方向進(jìn)行。如果沒(méi)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(gè)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(jià)格為幾十美分，與有時(shí)在實(shí)驗(yàn)室中進(jìn)行的高科技化學(xué)相比，其組裝相對(duì)容易。計(jì)算負(fù)荷相當(dāng)?shù)?，因?yàn)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(shí)暫停和啟動(dòng)時(shí)向前運(yùn)行，而沒(méi)有形成循環(huán)的向后動(dòng)作。當(dāng)減少計(jì)算成本時(shí)，該軟件不需要工作站，但是可以使用手機(jī)上的已編程應(yīng)用程序運(yùn)行。

想象一個(gè)有趣的世界，其中通過(guò)這種模塊化系統(tǒng)完成研究化學(xué)。可以對(duì)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(shí)降低成本并保證質(zhì)量。每個(gè)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?yàn)榭梢栽谑澜绺鞯氐膶?shí)驗(yàn)室中設(shè)置完全相同的系統(tǒng)。這將使探索性化學(xué)實(shí)驗(yàn)更加簡(jiǎn)單-實(shí)質(zhì)上減少了屏幕上的選項(xiàng)-并消除了冗長(zhǎng)的設(shè)計(jì)-合成-測(cè)試迭代的需要。

但是，在“智能化學(xué)”概念成為現(xiàn)實(shí)之前，仍然有許多挑戰(zhàn)需要克服。實(shí)時(shí)化學(xué)比一組簡(jiǎn)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(lái)解決，也許人工智能還沒(méi)有達(dá)到這一水平。

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

無(wú)論面臨什么挑戰(zhàn)，我們都希望新一代AI受新計(jì)算方法(例如可能會(huì)破壞摩爾定律的光電計(jì)算和新的神經(jīng)體系結(jié)構(gòu))的增長(zhǎng)所培育。人工智能的未來(lái)有望執(zhí)行遠(yuǎn)遠(yuǎn)超過(guò)當(dāng)前技術(shù)能力的任務(wù)，有望克服無(wú)數(shù)挑戰(zhàn)。而且我們相信這會(huì)早日發(fā)生。