开发新材料需要大量的时间和劳动力，但一些化学家现在希望人工智能(AI)有一天能承担大部分的负担。在《美国化学学会杂志》(Journal of the American Chemical Society)上的一项新研究中，一个团队促使一种流行的人工智能模型ChatGPT执行一项特别耗时的任务:搜索科学文献。有了这些数据，他们建立了第二个工具，一个预测实验结果的模型。
以前的研究报告提供了化学家需要的大量信息，但寻找和分析最相关的细节可能很费力。例如，那些对设计高度多孔的结晶金属有机框架(mof)感兴趣的人——这种框架在清洁能源等领域有潜在的应用——必须对描述各种实验条件的数百篇科学论文进行分类。
研究人员此前曾试图说服人工智能接管这项任务;然而，他们使用的语言处理模型需要大量的技术专长，将它们应用于新主题意味着要改变程序。Omar Yaghi和他的同事们想看看下一代语言模型，包括ChatGPT，是否能提供一种更方便、更灵活的方式来提取信息。
为了分析科学论文的文本，研究小组给了ChatGPT提示或指令，引导它通过三个过程来识别和总结手稿中包含的实验信息。研究人员仔细地构建了这些提示，以尽量减少模型编造反应的倾向，一种被称为幻觉的现象，并确保最佳反应。
当对228篇描述MOF合成的论文进行测试时，该系统提取了超过26,000个与制造其中约800种化合物相关的因素。有了这些数据，研究小组训练了一个单独的人工智能模型，根据这些条件预测mof的结晶状态。
最后，为了让数据对用户更友好，他们建立了一个聊天机器人来回答有关数据的问题。该团队指出，与以往基于人工智能的努力不同，这一项目不需要编码方面的专业知识。更重要的是，科学家们可以简单地通过调整提示中的叙述语言来转移它的焦点。根据研究人员的说法，这个被他们称为“ChatGPT化学助手”的新系统在其他化学领域也很有用。
