人工智能已经对众多科研领域产生了深远影响，例如在蛋白质折叠领域AI已经超越了人类。那么在化学领域会出现AI化学家吗？
传统有机合成模式需要大量经验积累、成本和实验人员。人工智能和机器人已被引入，但由于化学合成的复杂性，尚未真正走入普通实验室。机器人化学家可能更适合在制药公司工作，因为它们只是重复合成化合物，没有那么大的挑战性。但对天然产物合成会遇到问题，需要重新设计合成路径。
人工智能与化学研究
化学是一门以实验为基础的学科。它是在原子层次上研究物质的组成、结构、性质、及变化规律的自然科学，所以需要科学家做大量的实验去研究它。由于人工智能的优越表现，毫无疑问它也逐渐被引入到各个科学领域，其中就包括化学领域。
当前，化学领域中，人工智能的主要研究有：应用自然语言处理技术的化学领域文献文摘的自动生成、化学数据中的智能检索方法、化学实验室的自动化与机器人、神经网络方法的化学应用、化工过程系统综合、故障诊断、过程控制中的人工智能方法等。
其中，最成功的是：研究开发由谱图数据借助于计算机快速推定未知化合物结构的解析系统。谱图数据包括红外、质谱、核磁共振等数据，特别是二维和高维核磁共振数据。此外，人工智能在化学合成领域也扮演着举足轻重的作用。自然界中有千千万万种化学反应，如何能从中规划出新颖且可行性的合成路线一直是困扰化学家的一大难题。
以往研究人员需要绞尽脑汁地去设计出一条化学合成路线，因为在不同条件下化学反应是无穷变化的，而如果基于大数据与人工智能的计算机程序辅助研究人员进行化学合成路线设计，就可以大大提升科研人员研发新药和其它化合物的效率。
AI未来的四波浪潮
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
第一波是互联网AI人工智能化，搜集大数据。以数据作为能源和燃料，数据越多，发展就越快。
第二波是商业AI人工智能化。它们因为商业模式的塬因，累积了一套数据，这些数据足够大，激活后也会在商业流程产生价值。让已有的数据产生价值，并进入商业。
第三波是实体世界感知AI人工智能化，把世界上还没有数据化的东西数据化，变成AI人工智能化。例如人脸识别、语音识别，在机场、购物中心用很多监视器来捕捉数据。
第四波浪潮是全自动AI人工智能化 ，AI人工智能化一定是在采集大量的数据基础上，实现技术迭代，第一是无人驾驶;另一个就是工业自动化。这两个将是未来5年的重点。
结语
人工智能技术大多是基于概率模型的，所以对一些现象和结果不能提供充分解释。化学领域有一定的特有知识、机理或者机制为标准，并不是所有问题都可以单纯用人工智能技术来解决。如何将基于人工智能技术的黑箱模型与化工领域的白箱模型(比如能量守恒、物料守恒等)结合，形成一套完善的研究方法，是目前化学领域面临的难题。
