Los peligros del aprendizaje automático en el diseño de nuevos productos químicos y materiales

https://www.nature.com/articles/s42256-022-00481-9?sf163926239=1&s=03

El aprendizaje automático está a punto de revolucionar la práctica de la química y la ciencia de los materiales. Ya se está utilizando el aprendizaje automático para encontrar nuevos compuestos farmacéuticos, incluso en la lucha contra la pandemia de COVID-19. Esto supone una gran promesa para el futuro, pero también un gran peligro. En este momento, se está prestando muy poca atención a los inconvenientes, como se señala en un reciente comentario de Urbina et al.1.


Es fácil reconocer las ventajas del enfoque de aprendizaje automático para, por ejemplo, analizar la toxicidad de productos químicos y materiales, un área en la que trabajamos como equipo combinado de informáticos y químicos. En primer lugar, la necesidad es obvia si se tiene en cuenta que menos del 1% de las sustancias químicas registradas para uso comercial en Estados Unidos se han sometido a la caracterización de la toxicidad, ya sea para fines medicinales o para el fracking. Además, hay muchas ventajas científicas, éticas y económicas en la sustitución de los animales utilizados actualmente en las pruebas de toxicidad por sistemas de ensayo sin animales, y grandes ventajas de velocidad y coste en el uso de sistemas informáticos. En segundo lugar, el uso de materiales y productos químicos ha aumentado hasta alcanzar los 60.000 millones de toneladas anuales durante el siglo XX2, lo que pone de manifiesto las ventajas de un enfoque rápido de aprendizaje automático para la caracterización de la toxicidad. Por último, el número de materiales y productos químicos que pueden diseñarse digitalmente supera con creces el número de los que han sido bien caracterizados. Por ejemplo, nuestras estimaciones basadas en el número de combinaciones de materiales con seis superficies superan los billones, mientras que las sustancias químicas orgánicas basadas únicamente en los hexanos superan las 1030 (Fig. 1), lo que indica claramente la inmensidad de posibilidades.

Comentarios

Popular

Es hora de que la IA se explique

Ann Cavoukian explica por qué la vigilancia invasiva no debería ser la norma en los entornos urbanos modernos y sostenibles

Gemelos digitales, cerebros virtuales y los peligros del lenguaje