短短4分钟的时间，AI“科学家”竟然成功地复现了诺奖实验成果，且只尝试了一次！2023年12月20日，Nature上刊登的最新研究再一次刷新了人类的认知。这个由卡内基梅隆大学（CMU）研究团队开发的AI“化学家”Coscientist（一款基于GPT-4等大型语言模型的AI系统），竟能自主设计、规划和执行复杂的实验——不仅成功实现阿斯匹林、对乙酰氨基酚和布洛芬等药物分子的合成，甚至还在短短几分钟内优化了「钯催化交叉偶联反应」。而「钯催化交叉偶联反应」正是2010年诺贝尔化学奖获得者的获奖研究，该反应能够高效地构建碳-碳键，生成很多以往难以甚至无法合成的物质。Coscientist的出现不可谓不重磅，甚至可以说是颠覆了整个化学领域！连领导这项研究的CMU化学家Gabe Gomes都称，“当我看到一种非有机智能能够自主计划、设计和执行人类发明的化学反应的那一刻，真是太神奇了！”
https://doi.org/10.1038/s41586-023-06792-0回溯2023年，「ChatGPT」毫无疑问地当选年度热词之一。2022年底，OpenAI推出了基于大型语言模型（LLM）的聊天机器人ChatGPT以来，迅速发展并成功运用于多个领域，包括自然语言、生物和化学，以及代码生成。随着迄今为止能力最强的LLM——GPT-4的问世，这波浪潮也席卷到了化学领域。于是，CMU研究团队基于多个LLM搭建起了AI系统Coscientist，这个AI“化学家”能够使用工具浏览互联网以及相关文件，使用机器人实验应用编程接口（APIs），并利用其他LLMs完成各种任务，实现自主设计、规划和执行真实世界的化学实验。正如Gomes所述，“Coscientist可以做真正训练有素的化学家可以做的大部分事情”。剖析其运作系统，Coscientist共包含5个模块——“大脑”规划者（Planner）和“四肢”网络搜索（Web searcher）、代码执行（Code execution）、文件检索（Docs searcher）和自动操作（Automation）。
规划者（Planner），即主模块，是整个系统的智能中枢，能够根据用户输入的内容，调用和协调其他模块来规划和推进整个实验。“大脑”能够给下面的四个模块下达指令，包括GOOGLE、PYTHON、DOCUMENTATION和EXPERIMENT。网络搜索（Web searcher）会接收到来自Planner的GOOGLE指令，负责在互联网中检索实验相关信息，而该模块本身也是个LLM。代码执行（Code execution）会接收到来自Planner的PYTHON指令，提供一个独立的python执行环境，为接下来的实验做准备。文件检索（Docs searcher）会接收到来自Planner的DOCUMENTATION指令，主要负责进行文本检索和文档理解，能够为主模块提供有用的信息，比如提供实验参数以及操作细节等文档。自动操作（Automation）会接收到来自Planner的EXPERIMENT指令，也就是最终的实验执行环节。该模块能够将控制中枢下发的实验方案转换为设备控制代码，根据DOCUMENTATION描述的API来自动化控制实验设备，完成实验操作。百说不如一练，这个最新研发出来的AI“化学家”Coscientist的表现究竟如何？为了测试其在已知化合物的化学合成上的真实能力，研究者要求Coscientist自行通过网络搜索，来完成多种药物分子的合成。并对比了OpenAI的GPT-3.5和GPT-4、Anthropic的Claude 1.3和Falcon-40B-Instruct等不同模型的能力。
结果显示，基于GPT-4的网络搜索能够有效地改善合成化合物的规划，并在对乙酰氨基酚、阿司匹林、硝基苯胺和酚酞的合成实验中获得了最高分。而在合成布洛芬的实验中，GPT-4可谓是“一枝独秀”，是唯一一个能够达到最低可接受分数的模型。但由于该化合物的广泛性，对于AI们来说，这也是难度最大的“挑战”。当然，研究者并不满足于“研究生水平”，而直接将考验难度拉满至“诺奖级别”——「钯催化交叉偶联反应」——即Coscientist需要使用互联网上提供的数据，进行必要的计算，并最终为液相工作站编写代码，实现整个化学实验的设计和开展。
Coscientist设计和执行钯催化交叉偶联反应的过程研究团队为Coscientist配备了液体处理装备以及多种试剂的储备溶剂，要求其在现有的资源下，成功设计并开展Suzuki–Miyaura偶联反应和Sonogashira偶联反应。这两类反应在药物研发中发挥着重要作用，经常被用于生成碳-碳键。Coscientist的表现令人惊喜！这个AI“化学家”首先在互联网上检索了反应物、反应剂量以及反应条件相关的所有信息，并对移液机器人进行了自助编程来开启反应。整个过程只用了不到4分钟的时间！在运行的过程中，Coscientist会不断地对自己的策略进行调整。即使在过程中发生了错误，Coscientist也能及时查阅文献并更正版本，最终成功运行整个实验。气相色谱-质谱分析显示，两个反应均形成了目标产物——在Suzuki–Miyaura偶联反应中，9.53分钟时出现了一个信号，与联苯的质谱相吻合；而在Sonogashira偶联反应中，研究者在12.92分钟时观测到一个信号，其分子离子质量电荷比与联苯相吻合。
事实上，除了上述提到的“利用公开数据实现已知化合物的化学合成”和“处理需要同时使用多个硬件模块和整合不同数据源的复杂科学任务”之外，Coscientist还能够实现“高效搜索和浏览大量硬件文档”、“使用文档在云实验室中执行高级命令”、“使用底层指令精准控制液体处理仪器”和“解决需要分析以前收集的实验数据的优化问题”，且有着优越的表现。可以预见的是，AI系统Coscientist的诞生将对化学和药学研究带来革命性的影响！未来，人类将有潜力利用AI来提高实验结果的可复制性和可靠性，进而促进科学发现的速度和数量。Gomes表示，包括Coscientist在内的人工智能辅助系统的更为重要的意义在于，它们显著降低了几乎任何领域的准入门槛。试想一个，一个从未接触过钯催化交叉偶联反应的生物学家，想要以一种新的方式来探索反应的用途，Coscientist就可以派上用场并帮助其完成实验。畅想一下，能够开展医学实验的AI系统也近在咫尺了吧？
参考资料：Boiko, D.A., MacKnight, R., Kline, B. et al. Autonomous chemical research with large language models. Nature 624, 570–578 (2023). https://doi.org/10.1038/s41586-023-06792-0
撰文 | Swagpp
编辑 | Swagpp
版权说明：梅斯医学（MedSci）是国内领先的医学科研与学术服务平台，致力于医疗质量的改进，为临床实践提供智慧、精准的决策支持，让医生与患者受益。欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。