2016年，“阿爾法圍棋”在圍棋人機大戰中擊敗了韓國九段棋手、世界冠軍李世石，引發巨大關注。在今年的政府工作報告中提到，加強新一代人工智能研發應用，在醫療、養老、教育、文化、體育等多領域推進“互聯網＋”。發展智能產業，拓展智能生活，運用新技術、新業態、新模式，大力改造提升傳統產業。那麼人工智能是否可以應用在化學領域，實現部分化學工作的自動化呢？最近，Segler等人在Nature上發表研究工作，展示了他們設計的軟件程序在有機合成中的神奇應用，文章DOI:10.1038/nature25978。同時，Nature發文對此進行了點評，文章DOI:10.1038/d41586-018-03774-5。隋著人工智能的發展，人類不禁感慨，人工智能的發展是否會讓部分化學工作者失業呢？
合成化學是從簡單的分子構建目標化合物的過程，是化學學科的重要分支,長期以來，合成化學家的理論知識和經驗被認為是成功構建分子的關鍵。在上個世紀60年代，有機合成大師E. J. Corey提出了“逆合成分析”的概念，並因此獲得1990年的諾貝爾化學獎。合成化學家在考慮分子合成時，都會使用“逆合成分析”的方法，思考一系列問題（Scheme 1），比如：
1）該分子的前體結構是什麼，該由什麼樣的最初原料構建？
2）每一步的產率怎麼樣？
3）每一步的操作可行性如何？
然而，這一切真的只有人類才能完成嗎？在查詢每一步反應時，通常化學家會通過網絡數據庫如Scifinder或Reaxys等檢索，那麼是否可以設計一個程序，往其中植入足夠多化學反應的數據庫，讓程序來設計合成路線呢？自上個世紀60年代起，人類一直都在設法尋找這樣的程序，然而該研究很難取得成功。
有兩個最基本的因素，阻礙了該研究的成功。首先，電腦硬件無法應對這樣的挑戰；其次，軟件程序無法完全理解化學文獻的複雜性。有機化學反應是極為複雜的，比如對某個特定反應，只有當Z基團不存在時，X基團可以順利地轉化為Y基團；但當Z基團存在時，也可以通過改變溫度、酸鹼度、溶劑等條件實現相應的轉化。這樣複雜的過程，是軟件程序難於理解的。
針對第二個問題，人類已經開發了許多不同的解決方法。一種方法是往程序中植入足夠多的化學反應，包括反應的侷限性和條件限制。這樣的程序往往會產生很多類似的合成路線，對這些路線進行評估便可以產生最合理的路線。目前這樣的思路已經取得了一定的成功，並且產生了具有一定競爭力的軟件產品。
Segler等人採用了另一種方法，他們考慮不把研究者的經驗注入電腦，而讓程序自己學習設計路線。事實上，程序存貯和記憶的容量比人腦要大得多，能提供的可能性也更多。目前，這樣的研究已經產生了驚人的效果。
在該工作中，作者設計了一個電腦程序，可以自主地從一個大的數據庫中學習化學反應，並進行細緻地篩選。並且，它只會篩選已經被多次成功應用的反應。當程序被要求設計合成路線時，它可以像人類一樣進行逆合成分析，根據自己掌握的知識制定出最有希望的合成前體，並對合成路線的可行性進行分析。作者將三個人工神經網絡和一個隨機Monte Carlo tree search結合起來（作者稱之為3N-MCTS），用來產生最有希望的合成路線。
比如對如下藥物候選分子的合成，在過去的報道中需要如下六步合成路線（Asian J. Chem.
2015,27, 2117-2124）。令人驚訝的是，作者利用他們開發的計算程序可以在5.4s內發現該合成路線。
值得一提的是，程序設計的合成路線不僅可以接受程序評分系統的考核，也可以接受訓練有素的合成化學家的雙盲實驗審查。研究發現，對於test a, 化學家對於文獻報道的路線和 3N-MCTS設計的路線沒有明顯的傾向性（Scheme 3a）；對於test b, 相對沒有知規矩制約的heuristic BFS程序，化學家高度傾向於3N-MCTS程序設計的合成路線（Scheme 3b）。對於test a 的task 1, MCTS 提供的路線是通過Ohira-Bestmann試劑發生Seyferth-Gilbert 增碳反應，而化學家傾向於選擇經由Grignard反應的合成路線。儘管MCTS 路線在理論上是可能的，但在操作上不太方便。但接下來構建環系的方法則是一致的（Scheme 3c）。而對於test b，由於沒有規矩的制約和範圍的限制，heuristic BFS 產生了在逆合成分析中備受指責的錯誤（Scheme 3d）。因此，總體來說3N-MCTS產生的合成路線是較為合理的。
那麼人類不僅設想，如果人工智能繼續發展下去，是否有一天會對合成化學家的工作崗位構成威脅呢？儘管軟件無法處理特別複雜的、不常見的結構，但一些常規的合成問題會漸漸被AI取代。
總結：人工智能的發展，對很多化學家的工作崗位構成了威脅。然而，人工智能確實可以幫助化學家避免了許多重複的工作，讓化學家把更多的精力放在思考高質量的問題上，比如該合成怎麼樣的分子、為什麼要合成該分子，而不是把精力放在合成的具體細節上。目前來說，並不是所有化學家都能接受這一轉變，然而歷史的車輪滾滾向前，它不會隨任何人的意志而改變，人工智能改變化學發展的日子終究要來。
原文鏈接：https://www.nature.com/articles/nature25978
評論：https://www.nature.com/articles/d41586-018-03774-5
閱讀更多 化學加網 的文章
