AI變身化學家——解開有機合成路徑

圖片來源:pixabay (CC0 Creative Commons)

編譯|王勻遠 

繼AlphaGo打敗世界圍棋棋王、攻克堪稱全人類最後一座智慧的堡壘後,人工智慧(Artificial Intelligence)的演進未曾停歇。研發人員運用類似的神經網路演算法,在各個專業領域殷勤播種,諸多應用旋即遍地開花——像是新藥研製,甚至能自行編寫遊戲程式的人工智慧等等。如今,人工智慧還坐上化學家的寶座,能解開錯綜複雜的有機化學反應、探尋有機分子的合成路徑。

但是,它沒有讀過任何有關化學知識的課本,所有規則都是靠自己學習。

 

●給AI魚吃,不如教它「自己做漁竿」

其實早在1960年代,世界第一個專家系統程式誕生——名為Dendral [參2],它能從物質的光譜中推斷物質的結構,在當時的化學界蔚為風潮。但所謂的專家系統,是利用人類專家的特定知識和邏輯推理程序,搭建專門的程式,來處理特定領域的問題。換言之,餵給系統大量的規則,在程式碼中條列龐雜的「如果…其他…(if…else…)」的判斷依循(如果條件A發生,則執行甲動作,發生其他條件就執行乙動作)。那時的Dendral系統,在辨析某些分子族群時,表現並不準確,因此,它必須仰賴人工編寫許多的規則,才得以避免判斷出「不存在的分子」。顯然,與現今的人工智慧演算法相比,專家系統遜色許多,無法冠冕為真正的人工智慧。

然而,與其餵規則給人工智慧依循,何不讓它自己學習規則並加以判斷、創造出新的結果呢?最生動活潑的例子,莫過於能自己學習編寫遊戲程式的人工智慧。喬治亞理工學院研究團隊創建的演算法,能在不接觸遊戲程式碼的前提下,僅透過觀看影片學習,便能寫出相仿於知名遊戲 《超級瑪利》的程式[參3]。在科學應用實例中,也有研究團隊寫出了具有學習力的人工智慧,能從大量的化學反應式中,自己尋找化學合成的規則,並精準判斷出某複雜有機化合物的原始組成分子,並發表在科學研究中最高學術殿堂——《自然(Nature)》期刊[參1]。

●AI也能「逆向思考」

有機化學的合成路徑是錯綜複雜的,每一反應步驟的分子群可以是不同組合,有些反應還需要在某些溫度、酸鹼值範圍內才可以順利進行。因此解出有機化學的原始組成分子是極其困難的。這一次,研究人員以逆合成分析法(Retrosynthetic Analysis)作為核心精神,打造多合一的神經網路演算法,來

探尋有機分子的合成路徑。

逆合成分析,一言以蔽之,就是化學合成中的「逆向思考」。從最終產物去分解、反推合成的分子,發想人E. J. Corey,還因此得了諾貝爾獎[參5]。而多年後的今天,這個思考脈絡套用在人工智慧裡,在測試過程中,超過八成的目標分子都在5秒內被解出;若給它更長的時間,每分子60秒,則它能解出的樣本比率高達92% [參1]。

演算法的主軸就在於,究團隊結合了蒙地卡羅樹搜尋法與多個神經網路,先初次選出目標分子前一步反應的可能組成(不一定為最原始的組成分子,因為有機合成可能涉及多個反應步驟)。接著,其中一個神經網路更往前擴展反應路徑,再交由下一個神經網路去反覆推演、評估這些路徑的可能性,直到路徑達到了終點,沒有適切的反應路徑可以再往前分解,此時最原始的組成分子被找出

這項演算法的概念與AlphaGo異曲同工,工程師並未替AlphaGo鍵入任何與圍棋有關的知識,只給他「看」棋譜來學習下棋方法。同樣地,這位人工智慧化學家,未曾學過與化學有關的知識,它僅從大量的化學反應式中自行推敲箇中道理,建構有機合成的規則。有趣的是,在它第二步拓展反應路徑時,就已經篩選出符合LUMO(Lowest Unoccupied Molecular Orbital,最低未占分子軌域)的反應規則,亦即處在LUMO的電子最可能與其它高能量的電子形成鍵結,進而合成出分子。但研究人員從未教過它這些。

●AI讓化學家無地自容?

近年來人工智慧的突破,在科學研究領域一展長才,開始匹敵具專業素質的人類專家。這項發明將能革新科研發展的節奏,但也動搖了人們「術業有專攻」根深蒂固的思維。既然人工智慧都能辨析複雜的化學難題了,那畢生從業於化學研究的科學家們又將何去何從?

但此一擔憂絕非個案。亙古以來,人們總是擁抱著最新科技卻又同時心懷疑慮。蒸汽機的改良引領著工業革命,卻也讓工人們群起抗議、ATM(自動櫃員機)的發明普及了金融服務,卻讓銀行櫃員憂心忡忡。人們時常恐慌著自己是否將被機器所汰換。然,這些機器真的侵占著人類的崗位,使得人們無所適從嗎?

事實上,時過境遷之後,在當今的社會裡可以顯而易見:蒸汽機把人類從勞動層級中解放了出來,有更多人可以從事動腦的白領工作,而非單調的粗活;ATM的出現不只沒有讓現今銀行櫃員的數量減少,這些行員還能有更充裕的時間拓展業務、替客戶做金融諮詢等更高端的服務[參4]。因此,人工智慧也將騰出化學家們珍貴的時間與智慧,去挖掘更深層的化學新知。

人們在恐慌之餘,不妨試著思索出機器的極限,並不斷在自我價值的座標裡,重新審視自己的位置。電腦可以輸入萬有引力的公式,精準算出蘋果從樹下掉下來所需的時間。但把電腦放在蘋果樹下,給蘋果砸一砸,它是絕對想不出萬有引力定律的。

 

編譯來源:"AI designs organic syntheses" Derek Lowe, Nature, 2018.

參考資料:

[1] Marwin h. S et al., “ Planning chemical syntheses with deep neural networks and symbolic AI,” Nature, 2018.
[2] Wikipedia Dendral.
[3] 不需要程式碼!AI靠一支遊戲影片就完美複製《超級瑪利歐酷跑》 高敬原,數位時代,2017.
[4] How Computer Automation Affects Occupations: Technology, Jobs, and Skills James E. Bessen, Boston Univ. School of Law, 2016.
[5]Wikipedia Elias James Corey .

 

加入好友

人瀏覽過