人工智能已經(jīng)對眾多科研領域產(chǎn)生了深遠影響，例如在蛋白質(zhì)折疊領域AI已經(jīng)超越了人類。那么在化學領域會出現(xiàn)AI化學家嗎?

　　傳統(tǒng)有機合成模式需要大量經(jīng)驗積累、成本和實驗人員。人工智能和機器人已被引入，但由于化學合成的復雜性，尚未真正走入普通實驗室。機器人化學家可能更適合在制藥公司工作，因為它們只是重復合成化合物，沒有那么大的挑戰(zhàn)性。但對天然產(chǎn)物合成會遇到問題，需要重新設計合成路徑。

　　人工智能與化學研究

　　化學是一門以實驗為基礎的學科。它是在原子層次上研究物質(zhì)的組成、結(jié)構(gòu)、性質(zhì)、及變化規(guī)律的自然科學，所以需要科學家做大量的實驗去研究它。由于人工智能的優(yōu)越表現(xiàn)，毫無疑問它也逐漸被引入到各個科學領域，其中就包括化學領域。

　　當前，化學領域中，人工智能的主要研究有：應用自然語言處理技術的化學領域文獻文摘的自動生成、化學數(shù)據(jù)中的智能檢索方法、化學實驗室的自動化與機器人、神經(jīng)網(wǎng)絡方法的化學應用、化工過程系統(tǒng)綜合、故障診斷、過程控制中的人工智能方法等。

　　其中，最成功的是：研究開發(fā)由譜圖數(shù)據(jù)借助于計算機快速推定未知化合物結(jié)構(gòu)的解析系統(tǒng)。譜圖數(shù)據(jù)包括紅外、質(zhì)譜、核磁共振等數(shù)據(jù)，特別是二維和高維核磁共振數(shù)據(jù)。此外，人工智能在化學合成領域也扮演著舉足輕重的作用。自然界中有千千萬萬種化學反應，如何能從中規(guī)劃出新穎且可行性的合成路線一直是困擾化學家的一大難題。

　　以往研究人員需要絞盡腦汁地去設計出一條化學合成路線，因為在不同條件下化學反應是無窮變化的，而如果基于大數(shù)據(jù)與人工智能的計算機程序輔助研究人員進行化學合成路線設計，就可以大大提升科研人員研發(fā)新藥和其它化合物的效率。

　　AI未來的四波浪潮

　　人工智能是一門極富挑戰(zhàn)性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。但不同的時代、不同的人對這種“復雜工作”的理解是不同的。

　　第一波是互聯(lián)網(wǎng)AI人工智能化，搜集大數(shù)據(jù)。以數(shù)據(jù)作為能源和燃料，數(shù)據(jù)越多，發(fā)展就越快。

　　第二波是商業(yè)AI人工智能化。它們因為商業(yè)模式的塬因，累積了一套數(shù)據(jù)，這些數(shù)據(jù)足夠大，激活后也會在商業(yè)流程產(chǎn)生價值。讓已有的數(shù)據(jù)產(chǎn)生價值，并進入商業(yè)。

　　第三波是實體世界感知AI人工智能化，把世界上還沒有數(shù)據(jù)化的東西數(shù)據(jù)化，變成AI人工智能化。例如人臉識別、語音識別，在機場、購物中心用很多監(jiān)視器來捕捉數(shù)據(jù)。

　　第四波浪潮是全自動AI人工智能化 ，AI人工智能化一定是在采集大量的數(shù)據(jù)基礎上，實現(xiàn)技術迭代，第一是無人駕駛;另一個就是工業(yè)自動化。這兩個將是未來5年的重點。

　　結(jié)語

　　人工智能技術大多是基于概率模型的，所以對一些現(xiàn)象和結(jié)果不能提供充分解釋?；瘜W領域有一定的特有知識、機理或者機制為標準，并不是所有問題都可以單純用人工智能技術來解決。如何將基于人工智能技術的黑箱模型與化工領域的白箱模型(比如能量守恒、物料守恒等)結(jié)合，形成一套完善的研究方法，是目前化學領域面臨的難題。