1樓：ChemWhat
生物可操作方面的靈活性相對低、可規範化，因此自動化會相對容易；化學可操作方面的靈活性相對高、難以規範化，因此自動化會相對困難
2樓：「已登出」
感覺更像是個經濟學問題。。。邊際成本？？依稀記得是叫這個來著，記得以前是拿這個來解釋古埃及為什麼採取奴隸制2333，所以說乙個月花幾百塊請科研民工多賺啊，還能寫總結，幫填表，幫蓋章，幫搶號，取快遞，去跑腿各種一條龍，何樂而不為呢
3樓：硝酸銨
在美帝圍觀某些同學的實驗室發現：
很多重複性的工作，美國本土本科畢業的技術員做得更好、更專一。
但是，老闆還是更喜歡讓每5年更替一輪的海外（主要是中國）博士後來做。
因為本土技術員無論工資還是其他成本（例如辭職的可能性福利保障的嚴格性等），都太高。
所以原題更可能是個經濟學和政治學問題，而不全是生/化或者機械工程學的問題。
4樓：Miss Lau
我就喜歡自己動手，化學這種領域一點馬虎不得，機器也就能減少些機械重複操作而已，萬一試劑原料有問題，人工肯定能在一開始發現，機器就一重複的傻子。
5樓：最帥的小玦
完全取代是不可能的。雖然根據程式以及已知相關規律在大部分情況下可以推測出實驗結果，以及結合可能。
但是，首先，已知的內容是有限的，在研究發展過程中出現的內容是無盡的。所以推測出的結果也有錯誤的可能性。比如，該合成或者結果是特例，或者相關知識中存在未知盲點。
其次，機械裝置的確可以完成部分實驗。但是，機械裝置也是由物質組成的，如何保證裝置不會參與反應，或者機械的效能不會影響合成結果。如果要保證沒有影響，那麼在這方面相關的投入資金必定不小。
如果機械成本大於人工成本，那麼，人工不會被取代，畢竟機械還會有損耗，使用年限各種限制因素。總而言之就是：1.
能否保證機械因素不會對實驗產生任何影響是乙個難控制條件。2.如果選擇機械製作，那麼合成的內容究竟是否值得高昂的機械費用。
最後，僅代表個人觀點。人之所以可以掌控自己的選擇，是因為人類有思考。而所謂的機械智慧型也只是將人類已知的內容過濾過濾的結果。
機械終究只會分析資料，而不會主動思考。所以對於很多未知領域的研究以及隨機偶然的合成，還是需要人主動的思考，而不是大資料的分析以及操作。
6樓：沫魚
這個感覺要一步一步來，先實現自動化操作，但分析和計畫還是要人來完成。如果要達到阿爾法狗的分析能力，首先要解決文獻的真實性和可靠性的問題，他才能根據材料設計路線解決問題。
7樓：
做為化學狗要怒答一記
首先，AlphaGo所用採用的方式並不是窮舉法，
圍棋搜尋的寬度大概是250, 深度大概150, 搜尋空間在10的170次方以上.由於搜尋空間太大,計算機難以處理, 只依賴評估函式和 α-β剪枝搜尋演算法無法在有限的時間窮盡所有狀態, 因此, 難以使用。AlphaGo 依靠深度學習的方法, 建模了人類的「直覺」棋感和大局觀, 通過增強學習的方法, 擁有了自主學習、自我進化的能力。
運用蒙特卡洛樹搜尋隨機演算法將深度神經網路進行融合, 最終具備了在「直覺」基礎上的「深思熟慮」, 而這正是一種典型的「人類思維」處理複雜問題的方式。
AlphaGo策略網路來模擬人類的棋感,用價值網路來模擬人類對盤面的綜合評估。
通過增強學習的方法加強網路結構和功能，強化了學習。AlphaGo增強學習自對弈共進行了3000 萬局，當與人類棋手進行對局時，通過價值網路輸入當前的棋面引數，輸出下一步落子時的估值。
AlphaGo從被製造出來每時每刻處在乙個自己和自己對弈的乙個吃書行為，通過計算機的高速運轉能力大大增加了合成路線的任何可能性，這是人腦所無法媲美的。
最後，相對於棋盤上的推演，我更覺得如果將AlphaGo的系統更加完善，這種演算法在未來對於戰爭的推演會達到乙個怎樣的程度，AlphaGo目前之所以收到這麼火熱的關注，是不僅僅適用於有機合成，未來在物理、生物、金融、教育以及軍事方面，都會大大的推動人類的進步。
8樓：六隻正在飛的羊
相當於化工裝置微型化和智慧型化嘛，由於容器比表面增加了，溫控什麼的都更容易了。這事情技術上沒什麼障礙，實驗裡人手能做的機器都能做。
將來就是土豪組每個學生有兩三颱自動反應器和製備色譜，以百倍的工作效率吊打現在的手工業研究。
9樓：魏俊年
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，得益於我太太的薰陶，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。
第乙個是通過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，通過程式輔助解析，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，可以使你迅速判斷乙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。。。
##乙個笑話，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!」
10樓：哥不信曾哥
完全取代是不現實的，大部分可以取代。譬如說多肽合成儀，買加保養的錢絕對比人工做貴很多，那老闆肯定是讓人來做而不是買機器。多肽合成是很簡單的反應，後處理也簡單，那些複雜的反應及後處理做成相應的機器豈不是更貴，但人力成本沒變，你說老闆會怎麼選擇？
11樓：
如果限定是不遠的將來的中國，那答案是絕對不可能。
這個技術早就有了，雲端實驗室-EverLab，問題是你知道中國乙個研究生才值幾個渣渣錢？你以為自己的小命很值錢嗎？
華東理工什麼學校？上海，985。
華東理工那個被炸死的研究生，導師判二緩三。你是老闆你會花這麼多冤枉錢搞個自動化實驗室？反正中中國人命賤，死了就死了，監獄都不用進。
12樓：麥二爺
大部分的實驗操作由機器取代，在技術上至少已經不成問題，問題在成本上。開反應過柱子監測乾燥核磁質譜這一套流程下來要實現全自動化的話……不說國內了全世界能負擔得起的課題組也不多，但是多招幾個學（min）生（gong）就能解決這一問題。所以題主所說的人工合成成為非主流暫時還是不太可能。
13樓：學渣翌
最近AlphaGo火的厲害，大家紛紛覺得要失業。按狗哥的套路看，乾掉我們這行得這麼搞。
首先計算化學大發展，計算機能直接模擬反應，這個模擬出來得精確知道生成什麼。
然後拿文獻機器學習一發，這個估計沒什麼太大卵用，也就是建個底子。
最後狗哥套路，自己和自己做實驗，自己設計個分子，自己設計合成路線，然後自己算反應。不能像圍棋那麼快，也得一天做個一萬個這種量級以上。
然後磚工就可以失業了，要啥分子，下個軟體畫一下結構式，明天等著收貨就行，比天貓超市還快
14樓：nimos Li
角鯊烯的逆合成分析早就通過計算機得到並通過人工合成驗證了，只是人工智慧現在仍沒有滲透進來罷了。缺天才：既要精通浩瀚複雜的反應及其設計，並且深曉合成的藝術和精髓，還需懂得精深的演算法程式設計，這樣的人才很少很少。
本質上是兩種思維模式的衝突，合成更像是混沌的藝術，而演算法是嚴密的科學。但是建立在人類密切分工的基礎上，這種創業公司很快就會有了，或許現在已經有了，只是徘徊在兩個領域的邊緣，未被主流重視罷了……
題主的問題非常有啟發！
15樓：
做化學資訊學的是有相關研究的，不過好像沒什麼進一步發展了（不過不關注這類研究所以並不清楚前沿進展）。自動化實驗、高通量篩選、流式反應器、序列合成倒是能時不時能見一些，而且有錢且有需要的情況也的確能買到一些產品了。未來成本降下來了，的確可以取代人。
但是目前來說，能完全裝備的課題組還是比較有錢的組，比如一種組合多通道固相合成，uplc/hplc-ms，多通道的光譜儀，一套買下來錢就不少了，後續的使用成本也挺高的。
16樓：小乾
化學實驗的話操作可以完全由機器操作，但是必須有人時刻盯著，畢竟全合成來說設計的實驗路線僅僅是理論上覺得可行或者說是你覺得可行，在實驗過程當中還會有很多現象讓你來判斷，而且每次還不一樣主要是除非你做過一模一樣的實驗不然你不敢保證你這次實驗肯定會出現什麼現象，這樣你就沒辦法在機器裡去設定乙個相對應的程式。
為什麼相比於生物書和化學書，物理書上的實驗給我一種更強的「先射箭後立靶」的感覺？
lingeng1111 因為按目前自然科學的分法，物理理論比化學，生物更 基礎 從微觀到巨集觀這一維度來說，物理建立了基本粒子，核，原，分等基本理論並得到巨量高精度的實驗證實，換句話說是目前公認的正確說法。化學，生物是分子，大分子以上的分科，它們的靶就是物理，若和物理有矛盾 射不中 大概率是化學，生...
將來機器取代生物人工實驗操作的可能性大嗎
張彥明 這個是肯定的，以前的生物學實驗包括分子生物學的核酸純化，PCR，生化的蛋白純化，發酵，這些現在幾乎全部都有自動化系統了，有些甚至是全自動的系統，全自動樣本處理工作站，蛋白純化系統現在至少是半自動的了。很早以前做個轉殖和蛋白表達就能拿個碩士學位，現在這些工作儀器就辦了。像上面那位老兄說的全自動...
在不遠的未來，你會是什麼樣的呢？
已登出 我想變成我爸那樣的男人獨擋一面，能從事自己愛的事業，然後我想等乙個等了很久的姑娘，如果等不到我打算就不結婚了，然後去祖國的邊境發散自己的餘熱，寫一本不太悲傷的書記錄我這平凡而跌宕起伏的一生，孝敬爸爸媽媽姐姐，對他們好一點，然後對我的朋友要很好，他可是國家的脊梁啊，然後愛自己一點，如果可以我想...