戳上面的蓝字关注我们哦!

编者按:

有时候ViewPoint文章比Research有趣,因为你永远不知道它能发表什么稀奇古怪的东西,比如这篇:虽然我早就发现ChatGPT喜欢一本正经的不懂装懂,但谁知道这也能发到学术期刊上面呢?

文章给了ChatGPT 5个不同的任务,来考察它对化学问题的知(Xia)识(Bian)水平,下面我们依次来看一下它的表现如何:

有机分子的SMILES表示

   1. 试图将一个复合名称转换为SMILES化学表示法的提问:

   What is theSMILES representation of {compound name} ?

   2. 试图将SMILES转换为化学名称的提问方式:

   What isthecompound name whose theSMILES representation is {SMILES} ?

   来看看ChatGPT的回答,绿色代表回答正确,结论:不及格

有机分子的LogP

提问方式:

What istheoctanol−water partition coefficient of the {compound name} ?

结果如下,这里不同颜色代表来自不同参考文献,至于准确度,各位自己评价吧:

配位化合物几何结构

提问方式:

What is the geometry of the coordination compound {compound}?

结果如下,这个基本还是及格的,可能因为测试数据量不大:

文章测试的另外两项任务是“聚合物水溶性”和“分子点群”信息,感兴趣的小伙伴可以在文末链接查看原文。

作者给出的结论是,ChatGPT的准确率的高低取决于几个重要的考虑因素:合理的提示应该给出正确的答案,关于热门主题的问题很容易回答,数据库中没有很好地包含或模型中没有经过很好训练的非常具体的主题给出的准确率较低。

无论是实验化学家还是计算化学家都不应该害怕大语言模型的发展。任务的自动化不应减少实验或计算化学家对人手和创造力的需求。相反,许多令人兴奋和更好的人工智能工具应该被整合到研究中,以扩展和解决即使是长期挑战研究人员的复杂问题,减少工作量,促进问题的解决。

原文链接:

https://doi.org/10.1021/acs.jcim.3c00285

版权声明1、本公众号推送文章仅用于学术交流,『原创』代表原创编译,不代表本平台对文本主张版权

2、凡是“转载”的稿件,均已注明来源,作者如不希望被转载或有侵权,请后台联系修改或删除。

Leave a Reply

Your email address will not be published. Required fields are marked *