Un sistema basado en inteligencia artificial planifica y ejecuta con éxito experimentos químicos del mundo real, lo que muestra el potencial de ayudar a los científicos humanos a hacer más descubrimientos con mayor rapidez.

En menos tiempo del que le llevará leer este artículo, un sistema basado en inteligencia artificial identificó de forma independiente algunas reacciones químicas ganadoras del Premio Nobel y diseñó un procedimiento de laboratorio exitoso para fabricarlas. La IA hizo todo esto en sólo unos minutos y funcionó en el primer intento.

“Esta es la primera vez que una inteligencia inorgánica planifica, diseña y ejecuta esta interacción compleja que inventaron los humanos”, dice Gabe Gomez, químico e ingeniero químico de la Universidad Carnegie Mellon, quien dirigió el equipo de investigación que ensambló y probó la IA. – El sistema existente. Llamaron a su innovación “cocientífica”.

Comentarios de ganadores del Premio Nobel e integración de IA

Las reacciones más complejas jamás desarrolladas por científicos en química orgánica se conocen como acoplamientos cruzados catalizados por paladio, lo que le valió a sus inventores humanos el Premio Nobel de Química de 2010 en reconocimiento al enorme papel que han desempeñado estas reacciones en el desarrollo de fármacos y otras industrias que utilizan nanopartículas a base de carbono.

Publicado en la revista naturalezaLas capacidades probadas de Coscientist demuestran la capacidad de los humanos para utilizar la IA de manera productiva para aumentar el ritmo y la cantidad de descubrimientos científicos, así como para mejorar la reproducibilidad y confiabilidad de los resultados experimentales. El equipo de investigación de cuatro personas incluye a los estudiantes de doctorado Daniel Boyko y Robert McKnight, quienes recibieron apoyo y capacitación del Centro de Síntesis Química de la Fundación Nacional de Ciencias de EE. UU. en UCLA. Northwestern University y el Centro NSF de Síntesis Asistida por Computadora de la Universidad de Notre Dame, respectivamente.

Representación visual de un artista de la investigación química realizada por inteligencia artificial. Este trabajo fue dirigido por Gabe Gómez de la Universidad Carnegie Mellon y apoyado por los Centros para la Innovación Química de la Fundación Nacional de Ciencias de EE. UU. Crédito: Fundación Nacional de Ciencias de EE. UU.

“Combinado con las funciones de síntesis química demostradas por su sistema, Gómez y su equipo han logrado fabricar una especie de compañero de laboratorio altamente eficiente”, dice David Berkowitz, director de la División de Química de NSF. “Juntaron todas las piezas y el resultado final es mucho más que la suma de sus partes: puede usarse para propósitos científicos realmente útiles”.

Haciendo el mundo del universo.

La clave para el software de Coscientist y las piezas basadas en silicio son los grandes modelos de lenguaje que forman sus “cerebros” artificiales. Un modelo de lenguaje grande es un tipo de inteligencia artificial que puede extraer significado y patrones de grandes cantidades de datos, incluido el texto escrito que se encuentra en documentos. A través de una serie de tareas, el equipo probó y comparó varios modelos de lenguajes grandes, incluido GPT-4 y otras versiones de modelos de lenguajes grandes GPT creados por OpenAI.

Coscientist también estaba equipado con varios módulos de software diferentes que el equipo probó primero individualmente y luego colectivamente.

“Intentamos dividir todas las tareas científicas posibles en partes pequeñas y luego construir el panorama general pieza por pieza”, dice Boyko, quien diseñó la arquitectura general de Coscientist y sus misiones experimentales. “Al final, lo juntamos todo”.

Los módulos de software permitieron a Coscientist hacer las cosas que hacen todos los químicos investigadores: buscar información general sobre compuestos químicos, encontrar y leer manuales técnicos sobre cómo controlar equipos de laboratorio automatizados, escribir códigos de computadora para ejecutar experimentos y analizar los datos resultantes para determinar qué funcionó y lo que no.

Una prueba examinó la capacidad de un cocientífico para planificar cuidadosamente procedimientos químicos que, de realizarse, darían como resultado sustancias de uso común como aspirina, paracetamol e ibuprofeno. Se han probado y comparado individualmente grandes modelos de lenguaje, incluidas dos versiones de GPT con un módulo de programación que le permite utilizar Google para buscar información en Internet como lo haría un químico humano. Luego, los procedimientos resultantes se examinaron y calificaron en función de si produjeron el material deseado, qué tan detallados eran los pasos y otros factores. Algunas de las puntuaciones más altas las logró el módulo GPT-4 habilitado para investigación, que fue el único módulo que estableció un procedimiento de calidad aceptable para la fabricación de ibuprofeno.

Boyko y McKnight señalan que el cosmólogo exhibe “heurística química”, que Boyko describió como la capacidad de utilizar información relacionada con la química y conocimientos adquiridos previamente para guiar sus acciones. Utilizó información química disponible públicamente codificada en el formato de entrada de línea de entrada molecular simplificada (SMILES), un tipo de notación legible por máquina que representa la composición química de las moléculas, e hizo cambios en sus planes experimentales basándose en qué partes específicas de las moléculas eran . Auditoría interna de datos de SMILES. “Esta es la mejor versión posible del razonamiento químico”, dice Boyko.

Las pruebas adicionales incluyeron módulos de software que permiten a Coscientist buscar y utilizar documentos técnicos que describen las API que controlan los equipos de laboratorio automatizados. Estas pruebas fueron importantes para determinar si Coscientist podría traducir sus planes teóricos para fabricar compuestos químicos en un código de computadora que guiaría a los robots de laboratorio en el mundo físico.

Introducción a la robótica en experimentos.

Los equipos químicos robóticos de alta tecnología se utilizan comúnmente en los laboratorios para aspirar pequeñas muestras líquidas, sacarlas, calentarlas, agitarlas y hacer otras cosas con precisión milimétrica una y otra vez. Estos robots suelen estar controlados por códigos informáticos escritos por químicos humanos que podrían estar en el mismo laboratorio o en el otro lado del país.

Esta fue la primera vez que estos robots fueron controlados mediante un código informático escrito por inteligencia artificial.

El equipo inició Coscientist con tareas simples que requerían crear una máquina automatizada de manipulación de líquidos para dispensar el líquido coloreado en un plato que contenía 96 pocillos pequeños dispuestos en una rejilla. Se les pidió que “colorearan cada dos líneas con un color de su elección”, “dibujaran una diagonal azul” y otras tareas que recordaban al jardín de infantes.

Después de graduarse de Fluid Handler 101, el equipo de Coscientist conoció más tipos de equipos automatizados. Se asociaron con Emerald Cloud Lab, una instalación comercial llena de diferentes tipos de instrumentos automatizados, incluidos espectrofotómetros, que miden las longitudes de onda de la luz absorbida por muestras químicas. Luego se le presentó al científico cósmico un plato que contenía líquidos de tres colores diferentes (rojo, amarillo y azul) y se le pidió que identificara qué colores estaban presentes y dónde estaban ubicados en el plato.

Como el Coscientista no tenía ojos, escribió un código para pasar automáticamente la misteriosa paleta de colores a un espectrofotómetro y analizar las longitudes de onda de luz absorbidas por cada pozo, determinando así qué colores estaban presentes y su ubicación en la paleta. En esta tarea, los investigadores tuvieron que dar a los cocientíficos un pequeño empujón en la dirección correcta, haciéndoles pensar en cómo los diferentes colores absorben la luz. La inteligencia artificial hizo el resto.

La prueba final del Coscientist fue reunir sus módulos y ejercicios para llevar a cabo la orden del equipo de “implementar las reacciones de Suzuki y Sonogashira”, que llevan el nombre de los inventores Akira Suzuki y Kenkichi Sonogashira. Descubiertas en la década de 1970, estas reacciones utilizan el metal paladio para catalizar enlaces entre átomos de carbono en moléculas orgánicas. Las reacciones han demostrado ser muy útiles para producir nuevos tipos de medicamentos para tratar infecciones, asma y otras afecciones. También se utiliza en materiales orgánicos. Semiconductores En las pantallas OLED se encuentran muchos smartphones y monitores. Las interacciones paranormales y sus amplias implicaciones fueron reconocidas formalmente con el Premio Nobel otorgado conjuntamente en 2010 a Sokozzi, Richard Hick e Iiichi Negishi.

Por supuesto, Coscientist nunca antes había intentado estas reacciones. Entonces, como hizo este autor para escribir el párrafo anterior, fue a Wikipedia y lo buscó.

Gran poder y gran responsabilidad.

“Para mí, el momento eureka fue ver que formulaba todas las preguntas correctas”, dice McKnight, quien diseñó el módulo de software que permite a Coscientist buscar en la documentación técnica.

Coscientist buscó respuestas principalmente en Wikipedia, junto con una serie de otros sitios, incluidos los de la Sociedad Química Estadounidense, la Sociedad Real de Química y otros que contienen artículos académicos que describen las reacciones de Suzuki y Sonogashira.

En menos de cuatro minutos, Coscientist diseñó un procedimiento preciso para producir las reacciones deseadas utilizando los productos químicos proporcionados por el equipo. Cuando intentó implementar sus procedimientos en el mundo físico utilizando robots, cometió un error en el código que escribió para controlar un dispositivo que calentaba y agitaba muestras líquidas. Sin que los humanos se lo pidieran, Coscientist descubrió el problema, consultó el manual técnico del dispositivo, corrigió su código y volvió a intentarlo.

Los resultados estaban contenidos en unas pocas muestras pequeñas de líquido transparente. Boyko analizó las muestras y encontró los rasgos espectrales característicos de las reacciones de Suzuki y Sonogashira.

Gómez se mostró escéptico cuando Boyko y McKnight le contaron lo que había hecho el cosmólogo. “Pensé que me estaban tomando el pelo”, recuerda. “Pero no lo eran. No eran así en absoluto. Y fue entonces cuando entendí: OK, aquí tenemos algo muy nuevo y muy poderoso”.

Este poder potencial conlleva la necesidad de utilizarlo sabiamente y protegerse contra el mal uso. Comprender las capacidades y limitaciones de la IA es el primer paso para elaborar reglas y políticas informadas que puedan prevenir de manera efectiva los usos dañinos de la IA, ya sean intencionados o no, dice Gómez.

“Necesitamos ser responsables y reflexivos sobre cómo implementamos estas tecnologías”, afirma.

Gómez es uno de varios investigadores que brindan asesoramiento y orientación expertos a los esfuerzos del gobierno de EE. UU. para garantizar el uso seguro de la inteligencia artificial, como Orden ejecutiva de octubre de 2023 de la administración Biden sobre el desarrollo de inteligencia artificial.

Acelerar el descubrimiento y democratizar la ciencia

El mundo natural es prácticamente infinito en tamaño y complejidad, y contiene descubrimientos incalculables esperando ser descubiertos. Imaginemos nuevos materiales superconductores que aumenten drásticamente la eficiencia energética, o compuestos químicos que curen enfermedades incurables y prolonguen la vida humana. Sin embargo, obtener la educación y la formación necesarias para alcanzar estos logros es un camino largo y arduo. Convertirse en científico es difícil.

Gómez y su equipo visualizan sistemas impulsados ​​por inteligencia artificial como Coscientist como una solución que podría cerrar la brecha entre la inmensidad inexplorada de la naturaleza y el hecho de que los científicos capacitados son escasos, y probablemente siempre lo serán.

Los científicos humanos también tienen necesidades humanas, como dormir y salir ocasionalmente del laboratorio. Mientras que la IA guiada por humanos puede “pensar” las veinticuatro horas del día, revolviendo sistemáticamente cada piedra, comprobando y volviendo a comprobar sus resultados experimentales para garantizar que puedan replicarse. “Podríamos tener algo que pudiera funcionar de forma independiente, intentando descubrir nuevos fenómenos, nuevas reacciones, nuevas ideas”, afirma Gómez.

“También se puede reducir drásticamente la barrera de entrada para prácticamente cualquier campo”, afirma. Por ejemplo, si un biólogo no capacitado en reacciones de Suzuki quisiera explorar su uso de una manera nueva, podría pedirle a un cocientífico que lo ayudara a planificar experimentos.

“Se obtiene esta enorme democracia de recursos y comprensión”, explica.

Gómez dice que hay un proceso iterativo en la ciencia de probar algo, fallar, aprender y mejorar, que la IA puede acelerar dramáticamente. “Eso en sí mismo sería un cambio radical”.

Para obtener más información sobre este artículo, consulte la Universidad Carnegie Mellon. Un científico en inteligencia artificial está transformando el trabajo de laboratorio.

Referencia: “Capacidades de investigación científica independiente de modelos de lenguaje grandes” por Daniel A. Boyko, Robert McKnight, Ben Klein y Gabe Gomez, 20 de diciembre de 2023. naturaleza.
doi: 10.1038/s41586-023-06792-0