GPT-4 zeigt ein robustes Verständnis sowohl der physikalischen als auch der organischen Chemie, obwohl seine Fähigkeiten in jedem Bereich unterschiedliche Stärken und Einschränkungen aufweisen.
Physikalische Chemie
In der physikalischen Chemie besitzt GPT-4 Kenntnisse auf Lehrbüchernebene an Universitätsbüchern. Es ist mit grundlegenden Konzepten wie dem idealen Gasgesetz und der Lorentz-Lorentz-Gleichung vertraut, die den Brechungsindex einer Substanz definiert [1] [5] [7]. Diese Verständnisstufe legt nahe, dass GPT-4 grundlegende Prinzipien der physikalischen Chemie effektiv anwenden kann, was es für Aufgaben nützlich macht, die ein grundlegendes Verständnis dieser Konzepte erfordern. Sein Wissen erstreckt sich jedoch möglicherweise nicht auf spezialisiertere oder fortschrittlichere Themen, die in der Regel in akademischen Papieren behandelt werden, da es durch die Daten begrenzt ist, an denen sie geschult wurden, was aufgrund von Urheberrechtsbeschränkungen nicht berücksichtigt wird [1] [5].
Organische Chemie
GPT-4 zeigt auch ein starkes Verständnis der organischen Chemie, insbesondere auf Lehrbuchebene. Es kann synthetische Wege für gemeinsame Verbindungen wie Paracetamol genau beschreiben, die Prozesse wie Nitrierung, Reduktion und Amidierung umfasst [1] [5]. Die Fähigkeit von GPT-4, diese grundlegenden organischen Reaktionen zu verstehen und zu erklären, ist beeindruckend, aber es kämpft mit der Bereitstellung detaillierter experimenteller Verfahren oder der Behandlung von speziellen Inhalten, die fortschrittliche oder einzigartige synthetische Methoden erforderlich sind [1] [3]. Während GPT-4 die Eigenschaften von Verbindungen vorhersagen kann, auf denen es nicht spezifisch trainiert wurde, ist seine Leistung bei der Interpretation komplexer chemischer Strukturen oder der Umwandlung in Standardnotation nur teilweise [3].
Vergleich
Insgesamt ist das Wissen von GPT-4 sowohl in der physischen als auch in der organischen Chemie auf grundlegender Ebene solide und macht es zu einem wertvollen Instrument für Bildungszwecke oder allgemeine Problemlösung. Es fehlt jedoch die Tiefe und Spezifität, die für fortschrittliche Forschung oder spezielle Anwendungen erforderlich ist, insbesondere im Vergleich zu menschlichem Fachwissen oder spezialisierten Rechenwerkzeugen. Seine Einschränkungen beim Zugriff auf die jüngste akademische Literatur aufgrund von Urheberrechtsfragen schränken die Fähigkeit, die neuesten Entwicklungen in beiden Bereichen auf dem Laufenden zu halten [1] [3] [5]. Trotz dieser Einschränkungen ist die Fähigkeit von GPT-4, nur wenige Shot-Lernen durchzuführen und Eigenschaften unbekannter Verbindungen vorherzusagen, ein signifikanter Vorteil und zeigt sein Potenzial für Innovation in der chemischen Forschung [1] [3].
Zitate:
[1] https://ai-scholar.tech/en/articles/large-language-models/prompt-chemical-research
[2] https://pubs.rsc.org/en/content/articleHtml/2024/dd/d4dd00248b
[3] https://phys.org/news/2023-10-gpt-artificial-intelligence-chemistry.html
[4] https://pmc.ncbi.nlm.nih.gov/articles/pmc10918540/
[5] https://chemrxiv.org/engage/api-gateway/chemrxiv/assets/orp/resource/item/647d305dbe16AD5C577b627/original/prompt-gineering-4-for-chemical-ressears-what-what-what-what-what-what-what-what-what-what-what-what-what-what-can-can-cant-d-
[6] https://pubs.acs.org/doi/10.1021/acs.jchemed.4c00235
[7] https://www.tandfonline.com/doi/full/10.1080/27660400.2023.2260300
[8] https://www.researchgate.net/publication/371163433_what_indeed_can_gpt_models_do_in_chemistry_a_comprehsive_Benchmark_on_ight_takes