Я уже успел столкнуться с громадным скепсисом относительно необходимости использования ML во флагманских задачах хемоинформатики. И в чем же заключались возражения?

1. Сегодня огромный хайп вокруг ML. Его пытаются впихнуть буквально всюду. ML в хемоинформатике – аналогичная история, благодаря которой становится проще получать гранты и публиковаться в высокорейтинговых научных журналах.

2. Поскольку не только лишь все умеют в сложные квантово-химические расчеты, то их пытаются подменить моделями ML. Тем более, что экспериментальная валидация приводит к падению точности предсказаний до 60–65%. Т. е. к цифрам, которые чуть выше, чем вероятность исходов подбрасывания монетки.

3. ML в хемоинформатике – прибежище андердогов, потерявшихся, несмотря на регалии, среди безграничного океана вкатунов в Data Science. И теперь данные персонажи хотят сублимировать несбывшиеся карьерные мечты в пределах фундаментальной науки.

Давайте разбираться.

Поскольку в силу имеющихся компетенций моя экспериментальная деятельность сводится к аналитической химии, то смело скажу, что эта дисциплина если не исчезла, то как минимум потеряла привычные формы. Давно позади времена, когда требовался один человек, умеющий и с прибором справиться, и сделать интерпретацию условных спектров. Сегодня диагностика сводится к нажатию нескольких кнопок, а также к сравнению с литературными данными, легко доступными через интернет. Очевидно, что химики-органики и -неорганики спокойно справятся с перечисленными выше операциями без ущерба синтезу.

Как мне кажется, аналогичным образом стоит прокомментировать то, что все чаще и чаще химики обращаются к построению моделей ML. С каждым днем рецензенты научных журналов, а также их читатели требуют осязаемую теорию. Т. е. привычные объяснения, что отталкивались от определенных принципов, больше не релевантны.

И квантовым химикам тут бессмысленно бояться. Они по-прежнему продолжат занимать привилегированную нишу. Если конкуренция усилится, то исключительно среди коллективов, чья деятельность до третьей волны хайпа вокруг ML умещалась в комбинацию синтеза и диагностики.

Велик соблазн сказать, что ML в хемоинформатике – одно из немногих приложений, которое с высокой вероятностью без проблем впишется в суровые реалии третьей зимы ML. #machinelearning #datascience #chemoinformatics #ИИ #машинноеобучение #bigdata #искуственныйинтеллект