O GPT-4 demonstra uma compreensão robusta da química física e orgânica, embora suas capacidades em cada área tenham forças e limitações distintas.
Química física
Em química física, o GPT-4 possui conhecimento em um nível de livro da universidade. É versado em conceitos fundamentais, como a lei ideal de gás e a equação de Lorentz-Lorentz, que define o índice de refração de uma substância [1] [5] [7]. Esse nível de entendimento sugere que o GPT-4 pode aplicar princípios básicos da química física de maneira eficaz, tornando-o útil para tarefas que exigem uma compreensão fundamental desses conceitos. No entanto, seu conhecimento não pode se estender a tópicos mais especializados ou avançados que geralmente são abordados em trabalhos acadêmicos, pois é limitado pelos dados em que foi treinado, que não incluem pesquisas recentes devido a restrições de direitos autorais [1] [5].
química orgânica
O GPT-4 também exibe uma forte compreensão da química orgânica, particularmente no nível do livro. Ele pode descrever com precisão as vias sintéticas para compostos comuns como o acetaminofeno, que envolve processos como nitração, redução e meio [1] [5]. A capacidade do GPT-4 de entender e explicar essas reações orgânicas básicas é impressionante, mas luta para fornecer procedimentos experimentais detalhados ou manusear conteúdo especializado que requer métodos sintéticos avançados ou únicos [1] [3]. Além disso, embora o GPT-4 possa prever propriedades de compostos, ele não foi treinado especificamente, seu desempenho na interpretação de estruturas químicas complexas ou convertê-las em notação padrão é apenas parcial [3].
Comparação
No geral, o conhecimento do GPT-4 na química física e orgânica é sólida no nível fundamental, tornando-o uma ferramenta valiosa para fins educacionais ou solução geral de problemas. No entanto, falta a profundidade e a especificidade necessárias para pesquisas avançadas ou aplicações especializadas, principalmente quando comparadas à experiência humana ou ferramentas computacionais especializadas. Suas limitações no acesso à literatura acadêmica recente devido a questões de direitos autorais restringem ainda mais sua capacidade de se manter atualizado com os últimos desenvolvimentos em ambos os campos [1] [3] [5]. Apesar dessas limitações, a capacidade do GPT-4 de realizar aprendizado de poucos tiros e prever propriedades de compostos desconhecidos é uma vantagem significativa, mostrando seu potencial de inovação na pesquisa química [1] [3].
Citações:
[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-tificial-intelligence-chemistry.html
[4] https://pmc.ncbi.nlm.nih.gov/articles/pmc10918540/
[5] https://chemrxiv.org/engage/api-gateway/chemrxiv/assets/orp/resource/item/647d305dbe16ad5c577b6627/original/prompt-engineering-of-gpt-4-for-chemical-research-what-can-cannot-be-done.pdf
[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_comprensive_benchmark_on_ex_Tasks