作为一名博士生，我有太多的自由和太少的注意力，我试图转移我的实验室伙伴们的注意力，在实验室里设置了一个围棋板，试图学习这种古老的中国战略游戏。但我对这款游戏的熟悉程度只是短暂的——我的对手没有一个比我更懂行，当我寻找机器对手时，我一个也找不到。
当时，我很惊讶，一台洗衣机在国际象棋上都能打败我。然而，围棋微妙的复杂性阻碍了国际象棋程序对可能性空间的挖掘。围棋几乎无限的选项对计算来说显然是一个不可能的挑战。
但不可能已经不像以前那样了。今年3月，谷歌的AlphaGo电脑与世界排名第一的围棋选手李世石对决，并获胜。
AlphaGo的胜利是机器学习和人工智能的胜利，值得注意的另一个原因是，这台机器似乎表现得异常出色。AlphaGo以如此出乎意料的招数让李世石感到困惑，令这位棋艺最高超的人类棋手目瞪口呆，然后惊讶地大笑起来，表示难以置信。
这五场比赛在今年春季ACS会议上结束，会议的主题是化学中的计算机。许多演讲都讨论了计算化学领域令人印象深刻的发展现状，在AlphaGo成功的背景下，这也是一个考虑计算机，尤其是人工智能，可能会如何改变化学以及我们如何进行化学研究的机会。
我们大多数人在概念上对计算机作为专家系统感到满意:提供已知的规则，让机器做繁重的工作。例如，Bartosz Grzybowski的Chematica是一个由数百万化学物种和连接它们的转换组成的网络。Chematica可以提出合成路线，和asDerek Lowe最近在他的博客中讨论到它变得非常非常好。但它只在已知化学空间的范围内起作用。现在，如果AlphaGo能给人类带来惊喜，人工智能有一天会提出新的互动方式，或者找到未知的解决方案吗?
有机合成领域的老将菲尔·巴兰(Phil Baran)曾积极评价计算机的预测和模式识别能力，但他坚持认为，合成化学的复杂性就像“500维的国际象棋”。这个问题的规模仍然远远超出了我们用算法理解它的能力。然而，李·克罗宁(Lee Cronin)等人相信，今天这个问题是可以解决的。
可以确定的是，化学和化学家的性质正在发生变化。我们正在接近这样一个时代，机器思维很可能成为我们世界和工作中一个平凡的特征。在未来，巴兰和克罗宁都是对的;计算机可以与人类竞争，但真正的潜力在于使人类和人工智能协同工作。阿尔法狗已经获得了一座奖杯，但阿尔法化学还要多久才能获得诺贝尔奖呢?
菲利普•罗宾逊，副主编
暂无评论