GPT-4 demuestra una comprensión robusta de la química física y orgánica, aunque sus capacidades en cada área tienen fortalezas y limitaciones distintas.
Química física
En química física, GPT-4 posee conocimiento a nivel de libros de texto universitario. Está bien versado en conceptos fundamentales como la ley de gas ideal y la ecuación de Lorentz-Lorentz, que define el índice de refracción de una sustancia [1] [5] [7]. Este nivel de comprensión sugiere que GPT-4 puede aplicar principios básicos de química física de manera efectiva, por lo que es útil para tareas que requieren una comprensión fundamental de estos conceptos. Sin embargo, su conocimiento puede no extenderse a temas más especializados o avanzados que generalmente están cubiertos en documentos académicos, ya que está limitado por los datos en los que fue capacitado, que no incluye investigaciones recientes debido a restricciones de derechos de autor [1] [5].
Química orgánica
GPT-4 también exhibe una fuerte comprensión de la química orgánica, particularmente a nivel de libro de texto. Puede describir con precisión las vías sintéticas para compuestos comunes como el acetaminofeno, lo que implica procesos como la nitración, la reducción y la amabilidad [1] [5]. La capacidad de GPT-4 para comprender y explicar estas reacciones orgánicas básicas es impresionante, pero tiene dificultades para proporcionar procedimientos experimentales detallados o manejar contenido especializado que requiere métodos sintéticos avanzados o únicos [1] [3]. Además, si bien GPT-4 puede predecir las propiedades de los compuestos en los que no se ha entrenado específicamente, su rendimiento en la interpretación de estructuras químicas complejas o convertirlas en notación estándar es solo parcial [3].
Comparación
En general, el conocimiento de GPT-4 en la química física y orgánica es sólido a nivel fundamental, por lo que es una herramienta valiosa para fines educativos o resolución general de problemas. Sin embargo, carece de la profundidad y la especificidad necesarias para la investigación avanzada o las aplicaciones especializadas, particularmente en comparación con la experiencia humana o las herramientas computacionales especializadas. Sus limitaciones para acceder a la literatura académica reciente debido a problemas de derechos de autor restringen aún más su capacidad para mantenerse actualizadas con los últimos desarrollos en ambos campos [1] [3] [5]. A pesar de estas limitaciones, la capacidad de GPT-4 para realizar un aprendizaje de pocos disparos y predecir propiedades de compuestos desconocidos es una ventaja significativa, que muestra su potencial de innovación en la investigación química [1] [3].
Citas:
[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/647d305dbe16ad5c577b6627/original/prompt-ingineering-of-gpt-4-for--conarch-what-cannot-be-done.pdff
[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_comprehensive_benchmark_on_eight_tasks