- Chat-GPT 개발사 OpenAI의 약점
Chat-GPT의 개발사인 OpenAI의 최신 인공 지능 시스템인 GPT-4는 화학 문제를 해결하는 데 상당한 유용성은 있으나 여전히 상당한 약점이 있습니다. "그것은 화학에 대한 주목할 만한 이해를 가지고 있으며, 인간의 사고 과정과 유사한 방식으로 실험 결과를 예측하고 제안할 수 있음을 시사한다"고 도쿄 공업 대학의 화학자 칸 하타케야마-사토는 말한다.
하타케야마-사토(Hatakeyama-Sato)와 그의 동료들은 ‘Science and Technology of Advanced Materials: Methods(첨단 소재의 과학 및 기술 방법)’ 저널에서 GPT-4의 잠재력에 대한 탐구에 대해 토론했다.
본 연구는 일본 국립재료과학연구소(NIMS)가 올해 2월 28일 Asia Research News 2024 매거진에 실렸다.
Generative Pre-trained Transformer 4의 약자인 GPT-4는 대규모 언어 모델로 알려진 인공 지능(AI) 시스템 범주에 속한다. 이들은 사용자가 설정한 문제에 대한 솔루션을 찾기 위해 방대한 양의 정보를 수집하고 분석할 수 있다. GPT-4의 한 가지 발전은 텍스트 외에도 이미지 형태의 정보를 사용할 수 있다는 것이다.
GPT-4 훈련에 사용된 특정 데이터 세트는 개발자가 공개하지 않았지만 상당한 양의 자세한 화학 지식을 분명히 학습했다. 그 기능을 분석하기 위해 연구원들은 탄소 기반 화합물의 화학인 유기 화학에 초점을 맞춘 일련의 화학 작업을 시스템에 보냈다. 이러한 과제는 기본 화학 이론, 분자 데이터 처리, 화학 물질의 특성 예측, 화학 공정의 결과 및 새로운 화학 절차 제안을 다뤘다.
조사 결과는 다양하여 강점과 중요한 한계가 모두 드러났다. GPT-4는 유기화학에 대한 일반 교과서 수준의 지식을 잘 이해하고 있지만 특정 유기 화합물을 만들기 위한 특수 함량이나 독특한 방법을 다루는 작업을 수행할 때는 약하다.
그것은 화학 구조를 해석하고 표준 표기법으로 변환하는 데 부분적인 효율성만 보여 주었다. 한 가지 흥미로운 업적은 구체적으로 훈련되지 않은 화합물의 특성에 대한 정확한 예측을 할 수 있는 능력이다. 전반적으로 일부 기존 계산 알고리즘을 능가할 수 있었지만 다른 알고리즘에 비해서는 부족했다.
하타케야마-사토는 "이번 결과는 GPT-4가 교과서 수준의 지식부터 훈련되지 않은 문제 해결, 여러 변수 최적화에 이르기까지 화학 연구의 광범위한 작업을 처리할 수 있음을 시사한다"고 말했다.
"필연적으로 성능은 훈련 데이터의 질과 양에 크게 의존하며 추론 기능에는 개선의 여지가 많습니다."
연구진은 자신들의 연구가 예비 조사일 뿐이며, 향후 연구는 임상시험의 범위를 넓히고 더 다양한 연구 시나리오에서 GPT-4의 성능을 더 깊이 파고들어야 한다고 강조했다.
그들은 또한 화학을 전문으로 하는 자체 대규모 언어 모델을 개발하고 기존 기술과의 통합을 탐구하기를 희망합니다.
하타케야마-사토 교수는 "그동안 연구자들은 기존의 특수 기술을 포함하는 하이브리드 방법을 사용하여 GPT-4를 화학적 문제에 적용하는 것을 확실히 고려해야 한다"고 결론지었다.
출처: https://www.asiaresearchnews.com/content/unlocking-chemistry-intelligence
