Durch künstliche Intelligenz (KI) gesteuertes chatgpt kann dazu beitragen, die Datenextraktion zu demokratisieren und so Wissenschaftlern die Möglichkeit zu geben, Innovationen voranzutreiben. Das Team der University of California zeigte, dass der ChatGPT Chemistry Assistant durch eine effiziente Analyse wissenschaftlicher Literatur dazu beitragen kann, den Zeit- und Arbeitsaufwand für die Entwicklung neuer Materialien erheblich zu reduzieren.
In der im Journal of the American Chemical Society veröffentlichten Studie forderte das Team ChatGPT auf, eine besonders zeitaufwändige Aufgabe zu übernehmen: die Suche nach wissenschaftlicher Literatur. Mit diesen Daten bauten sie ein zweites Werkzeug, ein Modell zur Vorhersage experimenteller Ergebnisse. Berichte aus früheren Studien bieten eine große Fülle an Informationen, die Chemiker benötigen, aber das Finden und Analysieren der relevantesten Details kann mühsam sein. Wer beispielsweise an der Entwicklung hochporöser, kristalliner metallorganischer Gerüste (MOFs) interessiert ist – die potenzielle Anwendungen in Bereichen wie sauberer Energie haben – muss Hunderte von wissenschaftlichen Arbeiten durchsehen, in denen verschiedene experimentelle Bedingungen beschrieben werden.
Forscher haben bereits zuvor versucht, die KI dazu zu überreden, diese Aufgabe zu übernehmen; Allerdings erforderten die von ihnen verwendeten Sprachverarbeitungsmodelle erhebliche technische Fachkenntnisse, und ihre Anwendung auf neue Themen erforderte eine Änderung des Programms. Omar Yaghi und sein Team wollten herausfinden, ob ChatGPT eine zugänglichere und flexiblere Möglichkeit zum Extrahieren von Informationen bieten könnte. Um Text aus wissenschaftlichen Arbeiten zu analysieren, gab das Team ChatGPT Eingabeaufforderungen oder Anweisungen und führte es durch drei Prozesse, die darauf abzielten, die in den Manuskripten enthaltenen experimentellen Informationen zu identifizieren und zusammenzufassen.
Lesen Sie auch: Die Antworten von ChatGPT auf Fragen zur Softwareentwicklung waren zu 52 % falsch
Die Forscher haben diese Aufforderungen sorgfältig konstruiert, um die Tendenz des Modells, Antworten zu erfinden, ein Phänomen, das als Halluzination bekannt ist, zu minimieren und die bestmöglichen Antworten sicherzustellen. Bei einem Test anhand von 228 Veröffentlichungen, die MOF-Synthesen beschreiben, extrahierte dieses System mehr als 26.000 Faktoren, die für die Herstellung von etwa 800 dieser Verbindungen relevant sind.
Mit diesen Daten trainierte das Team ein separates KI-Modell, den sogenannten „ChatGPT Chemistry Assistant“, um den kristallinen Zustand von MOFs basierend auf diesen Bedingungen vorherzusagen. Um die Daten benutzerfreundlicher zu gestalten, haben sie einen Chatbot entwickelt, um Fragen dazu zu beantworten. Das Team stellt fest, dass im Gegensatz zu früheren KI-basierten Bemühungen hier keine Programmierkenntnisse erforderlich sind. Wissenschaftler könnten den Fokus verschieben, indem sie einfach die Erzählsprache in den Aufforderungen anpassen. Den Forschern zufolge könnte das neue System auch in anderen Bereichen der Chemie von Nutzen sein.
