《自然·通訊》31日發表的一篇論文報道了一種機器學習模型，該模型能部分重現職業化學家在工作中積累的集體知識，這類知識通常被稱為“化學直覺”。研究團隊認為，該研究或使今后的藥物研發更高效。
傳統上，藥物與化學發現需要依靠試錯實驗和研究人員在工作中積累的知識。使用模擬工具，尤其是機器學習，能讓研究人員更快地發現候選分子，極大降低發現新藥用化合物的成本。如果要用機器學習預測分子性質，分子就必須還原到數學表達，這通常包含一組性質或“特征”。確定正確特征是這些數據驅動性能預測模型成功的關鍵。
位于英國的微軟研究院科學智能中心（AI4Science）和瑞士諾華生物醫學研究所的聯合團隊，此次讓35名醫學化學家各自從5000對分子中選擇自己更偏向的分子，再用他們的回答做成排序游戲來訓練一個機器學習模型，隨后讓這個模型給分子打分。這個分數來自行業內多年的知識積累，基本不受其他因素的影響。
該團隊提出的模型還能用來改變數學模型的推薦，從而更好地匹配化學家的集體專業知識，有望在今后早期藥物研發中縮短迭代時間。
研究人員認為，這種方法或能在藥物研發中作為對分子建模的補充。
在一些科幻小說的設定中，外星生物出生時就裝載有當前時代沉淀下來的所有知識，從而實現文明的高速發展。人類只能靠長時間學習來掌握知識，積累經驗。此次，機器學習了直覺，相當于瞬間移植了人類的寶貴經驗，就像阿爾法狗快速學習，在圍棋領域秒殺人類大師一樣。AI正在給化學帶來革命性影響。在新材料發現、準確模擬、優化合成路徑等方面，它推動精準化學快速進步，也可大幅縮短藥物研發的試錯過程。
