GPT-4 visar en robust förståelse av både fysisk och organisk kemi, även om dess kapacitet inom varje område har distinkta styrkor och begränsningar.
Fysisk kemi
I fysisk kemi har GPT-4 kunskap på universitetets läroboknivå. Det är välbevandrat i grundläggande begrepp som den ideala gaslagen och Lorentz-Lorentz-ekvationen, som definierar brytningsindexet för ett ämne [1] [5] [7]. Denna nivå av förståelse antyder att GPT-4 kan tillämpa grundläggande principer för fysisk kemi effektivt, vilket gör det användbart för uppgifter som kräver ett grundläggande grepp om dessa begrepp. Dess kunskap kan emellertid inte utvidgas till mer specialiserade eller avancerade ämnen som vanligtvis omfattas av akademiska artiklar, eftersom de är begränsade av de uppgifter som den utbildades på, som inte inkluderar ny forskning på grund av upphovsrättsbegränsningar [1] [5].
Organisk kemi
GPT-4 uppvisar också ett starkt grepp om organisk kemi, särskilt på läroboknivån. Det kan exakt beskriva syntetiska vägar för vanliga föreningar som acetaminophen, som involverar processer som nitrering, reduktion och amidering [1] [5]. GPT-4: s förmåga att förstå och förklara dessa grundläggande organiska reaktioner är imponerande, men det kämpar med att tillhandahålla detaljerade experimentella procedurer eller hantera specialiserat innehåll som kräver avancerade eller unika syntetiska metoder [1] [3]. Dessutom, medan GPT-4 kan förutsäga egenskaper hos föreningar som den inte har utbildats specifikt, är dess prestanda i att tolka komplexa kemiska strukturer eller omvandla dem till standardnotation endast partiell [3].
Jämförelse
Sammantaget är GPT-4: s kunskap i både fysisk och organisk kemi solid på grundnivå, vilket gör det till ett värdefullt verktyg för utbildningsändamål eller allmän problemlösning. Det saknar emellertid det djup och specificitet som behövs för avancerad forskning eller specialiserade tillämpningar, särskilt jämfört med mänsklig expertis eller specialiserade beräkningsverktyg. Dess begränsningar när det gäller att få tillgång till den senaste akademiska litteraturen på grund av upphovsrättsfrågor begränsar dess förmåga att hålla sig uppdaterad med den senaste utvecklingen inom båda områdena [1] [3] [5]. Trots dessa begränsningar är GPT-4: s förmåga att utföra få skottinlärning och förutsäga egenskaper hos okända föreningar en betydande fördel, vilket visar sin potential för innovation inom kemisk forskning [1] [3].
Citeringar:
[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/
]
[6] https://pubs.acs.org/doi/10.1021/acs.jchemed.4c00235
[7] https://www.tandfonline.com/doi/full/10.1080/27660400.2023.2260300
]