GPT-4是Chat-GPT的开发商OpenAI的人工智能系统的最新版本，在应对化学挑战方面表现出了相当大的用处，但仍然存在明显的弱点。东京工业大学的化学家KanHatakeyama-Sato表示：“它对化学有着显着的理解，这表明它可以以类似于人类思维过程的方式预测和提出实验结果。”
Hatakeyama-Sato和他的同事在《先进材料科学与技术：方法》杂志上讨论了他们对GPT-4在化学研究中的潜力的探索。
GPT-4代表生成式预训练Transformer4，属于称为大语言模型的人工智能系统类别。这些可以收集和分析大量信息，以寻找用户提出的挑战的解决方案。GPT-4的一项进步是，除了文本之外，它还可以使用图像形式的信息。
尽管其开发者尚未公开用于训练GPT-4的具体数据集，但它显然已经学到了大量详细的化学知识。为了分析其功能，研究人员为系统设置了一系列专注于有机化学的化学任务(碳基化合物的化学)的化学任务。这些内容涵盖基础化学理论、分子数据的处理、预测化学品的性质、化学过程的结果以及提出新的化学程序。
调查结果各不相同，既揭示了优点，也揭示了显着的局限性。GPT-4显示了对有机化学一般教科书水平知识的良好理解。然而，当设定的任务涉及专门内容或制造特定有机化合物的独特方法时，它就很弱。它在解释化学结构并将其转换为标准符号方面仅显示出部分效率。一项有趣的壮举是它能够准确预测未经专门训练的化合物的特性。总体而言，它能够胜过一些现有的计算算法，但与其他算法相比却表现不佳。
“结果表明，GPT-4可以解决化学研究中的广泛任务，从教科书级知识到解决未经训练的问题和优化多个变量，”Hatakeyama-Sato说。“不可避免地，它的性能在很大程度上依赖于训练数据的质量和数量，并且其推理能力还有很大的改进空间。”
研究人员强调，他们的工作只是初步调查，未来的研究应该扩大试验范围，更深入地挖掘GPT-4在更多样化的研究场景中的表现。
他们还希望开发自己的专门针对化学的大型语言模型，并探索它们与现有技术的集成。
“与此同时，研究人员当然应该考虑将GPT-4应用于化学挑战，可能使用包括现有专业技术的混合方法，”Hatakeyama-Sato总结道。