在不遠的未來，化學和生物實驗操作是否會被全自動合成儀取代？

阿法狗已經可以下贏圍棋，如果讓類似的人工智慧能夠識別化學鍵性質，判斷合成路線可行性，是不是可以單純用窮舉法，甚至用不上更高級的演算法，就設計出全合成路線，用機械臂完成合成操作？或者單純按照人工設計的實驗路線進行合成？而且機器的操作更快速更精確，那麼到時候用人工合成豈不成了非主流，甚至被完全取代？

我的科研學習生涯中涵蓋了有機化學，無機化學，高分子化學，理論與計算化學，生物化學等幾乎所有主流化學操作，得益於我太太的熏陶，我也會用python，並會一些簡單的machine learning和data ming。正因為如此，我更深刻體會到化學是一門是實驗科學的精髓，計算機和自動化可以極大提高效率，他們將是科學家的好助手，而非掘墓人。

操作機械化是必須的，是正在發生的，也是未來的必然。但是科學家是不會被取代的，反而會因為從繁重的重複勞動中解放出來，過得更好。

舉兩個例子。

第一個是通過x射線衍射解析晶體結構。在布拉格方程提出後，其實已經沒有理論上的困難了，在很長一段時間裡，解方程成了很多晶體學學者的主要日常。很快，自上世紀70年代起，得益於計算機的飛速發展，通過程序輔助解析，極大提高了工作效率。時至今日，原來很多需要博士生解數年的結構，現在只要幾天甚至幾個小時就能完成。

而晶體學並沒有因此衰落，晶體學家也沒有失業，反而隨著晶體解析越來越容易，各個相關學科都更願意利用晶體學方法幫助自己，優秀的晶體學家比上世紀70年代時甚至更加緊俏。

第二個例子是HPLC和GCMS對有機化學，尤其是合成化學的促進。做過有機的都知道過柱子純化分離是日常，非常無聊且痛苦的日常。HPLC的引入，配合GCMS和NMR，可以使你迅速判斷一個反應有沒有生成你的目標產物，即這個反應有沒有必要繼續優化下去。甚至偶爾還會發現意外產物，促進你反思反應機理，得到更大的驚喜。

自動化分離檢測手段的出現也沒有讓有機磚工失業，反而極大推動了合成化學，許多小分子藥物和新材料的發現也得益於此。

據說自動加不同濃度配體，加催化劑，進而自動篩選方法學條件的，自動做實驗機！也得到了越來越廣泛的應用。我是很欣慰的，因為科學家最寶貴的在於腦力勞動，這些繁重的體力工作可以被更安全可靠的機器替代，只會讓相關學科更繁榮，讓人類生活更美好。

沒有必要神話machine learning，我最近也看到很多文章用ML來指導配體設計，進而優化反應，都發表在很好的雜誌和期刊上。但是說實話，這些工作更多的是自娛自樂，騙騙行外人，對反應本身沒有太多指導意義。沒有深刻被各種奇葩反應折磨過，無法體會什麼叫實驗科學的。。。美妙。。。

##

一個笑話，你們就能體會，化學，這門實驗科學，現階段為什麼指望不上machine learning了。

當年研究生那會，上全合成大神楊震老師的課，作業是給定分子，設計一條全合成路線。楊老師瞟了一眼我設計的路線，淡淡的說到，

「還行吧，反正fundamentally你是對的，當然不靠譜的地方還是很多。不過我覺得挺好的，我設計了那麼多看上去靠譜的路線，結果到最後都因為各種各樣的原因不work，你這個說不定看上去不靠譜，結果work呢？Pass!」