Die künstliche Intelligenz GPT-4 zeigt eine gewisse Kompetenz in der Chemie

GPT-4, die neueste Version des künstlichen Intelligenzsystems von OpenAI, den Entwicklern von Chat-GPT, zeigt erhebliche Nützlichkeit bei der Bewältigung chemischer Herausforderungen, weist jedoch immer noch erhebliche Schwächen auf. „Es verfügt über ein bemerkenswertes Verständnis der Chemie, was darauf hindeutet, dass es experimentelle Ergebnisse auf eine Weise vorhersagen und vorschlagen kann, die menschlichen Denkprozessen ähnelt“, sagt der Chemiker Kan Hatakeyama-Sato vom Tokyo Institute of Technology.

Hatakeyama-Sato und seine Kollegen diskutieren in der Zeitschrift ihre Erforschung des Potenzials von GPT-4 in der chemischen Forschung Wissenschaft und Technologie fortschrittlicher Materialien: Methoden.

GPT-4, das für Generative Pre-trained Transformer 4 steht, gehört zu einer Kategorie künstlicher Intelligenzsysteme, die als große Sprachmodelle bekannt sind. Diese können große Mengen an Informationen sammeln und analysieren, um Lösungen für die von den Benutzern gestellten Herausforderungen zu finden. Ein Fortschritt von GPT-4 besteht darin, dass neben Text auch Informationen in Form von Bildern verwendet werden können.

Obwohl die spezifischen Datensätze, die für das Training von GPT-4 verwendet werden, von den Entwicklern nicht offengelegt wurden, hat es eindeutig eine beträchtliche Menge detaillierter chemischer Kenntnisse erlernt. Um seine Fähigkeiten zu analysieren, stellten die Forscher dem System eine Reihe chemischer Aufgaben mit Schwerpunkt auf der organischen Chemie – der Chemie kohlenstoffbasierter Verbindungen. Diese umfassten die grundlegende chemische Theorie, den Umgang mit molekularen Daten, die Vorhersage der Eigenschaften von Chemikalien, das Ergebnis chemischer Prozesse und das Vorschlagen neuer chemischer Verfahren.

Die Ergebnisse der Untersuchung waren unterschiedlich und zeigten sowohl Stärken als auch erhebliche Einschränkungen auf. GPT-4 zeigte ein gutes Verständnis allgemeiner Lehrbuchkenntnisse in organischer Chemie. Es war jedoch schwach, wenn Aufgaben gestellt wurden, die sich mit speziellen Inhalten oder einzigartigen Methoden zur Herstellung spezifischer organischer Verbindungen befassten. Es zeigte nur eine teilweise Effizienz bei der Interpretation chemischer Strukturen und deren Umwandlung in eine Standardnotation. Eine interessante Leistung war seine Fähigkeit, genaue Vorhersagen für die Eigenschaften von Verbindungen zu treffen, auf die es nicht speziell trainiert wurde. Insgesamt war es in der Lage, einige bestehende Rechenalgorithmen zu übertreffen, blieb jedoch im Vergleich zu anderen hinter den Erwartungen zurück.

„Die Ergebnisse deuten darauf hin, dass GPT-4 ein breites Spektrum an Aufgaben in der chemischen Forschung bewältigen kann, das von Wissen auf Lehrbuchniveau bis hin zur Lösung untrainierter Probleme und der Optimierung mehrerer Variablen reicht“, sagt Hatakeyama-Sato. „Seine Leistung hängt zwangsläufig stark von der Qualität und Quantität seiner Trainingsdaten ab, und es gibt viel Raum für Verbesserungen bei seinen Inferenzfähigkeiten.“

Die Forscher betonen, dass es sich bei ihrer Arbeit nur um eine vorläufige Untersuchung handelte und dass zukünftige Forschungen den Umfang der Versuche erweitern und sich eingehender mit der Leistung von GPT-4 in vielfältigeren Forschungsszenarien befassen sollten.

Sie hoffen auch, ihre eigenen großen Sprachmodelle mit Spezialisierung auf Chemie zu entwickeln und deren Integration mit bestehenden Techniken zu untersuchen.

„In der Zwischenzeit sollten Forscher auf jeden Fall darüber nachdenken, GPT-4 auf chemische Herausforderungen anzuwenden, möglicherweise mithilfe von Hybridmethoden, die bestehende Spezialtechniken einbeziehen“, schließt Hatakeyama-Sato.