امروزه استفاده از مواد شیمیایی بطور گسترده در تمام وسایل و محصولات صنعتی رواج یافته است. علیرغم وجود مقررات گسترده در این زمینه، بسیاری از مواد شیمیایی وارد اکوسیستم‌های طبیعی می‌شود. در حال حاضر بیش از ۱۰۰ هزار ماده شیمیایی در بازار وجود دارد که تنها تأثیر برخی از آن‌ها بر سلامت انسان و حیوانات مورد آزمایش قرار گرفته است. به‌عنوان مثال بررسی‌ها نشان می‌دهد رودخانه‌ها، دریاچه‌ها و دریاهای سوئد مانند دریای بالتیک، به دلیل وجود مواد شیمیایی متعدد آلوده شده و بر زندگی جانداران منطقه اثر گذاشته است. در حال حاضر یکی از چالش‌های مهم این است که بتوان در مراحل ابتدایی تعیین کرد که کدام مواد شیمیایی برای انسان و محیط‌زیست خطرناک هستند. در حال حاضر ارزیابی و آزمایش همه انواع مواد شیمیایی با سیستم‌های کنونی که اغلب شامل آزمایش‌های حیوانی است، عملاً غیرممکن است و نیازمند روش جایگزین است.
ارزیابی مخاطرات محیط‌زیستی منوط به دسترسی به داده‌های سمیت [۱] از جمله گروه‌های مختلف ارگانیسم‌ها است. از طرفی تولید داده‌های سمیت به صورت تجربی نیازمند صرف منابع و زمان زیادی است. روش‌های محاسباتی [۲] هم با اینکه گزینه‌های سریع و مقرون به صرفه‌ای محسوب می‌شوند اما دقت پایین و دامنه‌های محدود کاربرد آن‌ها باعث شده است استقبال قابل توجهی از آن‌ها نشود. در این راستا، محققان دانشگاه فناوری چالمرز [۳] یک روش مبتنی بر هوش مصنوعی توسعه داده‌اند که شناسایی مواد شیمیایی سمی را ساده‌تر می‌کند. این روش می‌تواند به سرعت و به طور کارآمد مواد شیمیایی خطرناک را شناسایی کرده و تأثیر آن‌ها بر محیط‌زیست را ارزیابی کند. این مدل از ترنسفورمرها برای استخراج ویژگی‌های مخصوص سمی‌بودن [۴] بهره می‌گیرد که به‌طور مستقیم از ساختارهای شیمیایی و از طریق شبکه‌های عصبی عمیق برای پیش‌بینی غلظت‌های مؤثر استفاده می‌کند. این روش با تحلیل حجم زیادی از اطلاعات برآمده از تست‌های آزمایشگاهی قبلی توسعه و بهبود یافته است. در این گزارش عنوان شده است حتی این روش می‌تواند مواد شیمیایی که هنوز آزمایش نشده‌اند را نیز ارزیابی کند. محققان بر این باورند که روش جدید مبتنی بر هوش مصنوعی علاوه‌بر این که دامنه کاربرد بیشتری داشته و به‌مراتب خطای کمتری دارد، می‌تواند شناسایی مواد شیمیایی خطرناک را سریع‌تر و با هزینه بسیار کمتر انجام دهد و به کاهش تعداد آزمایش‌های حیوانی کمک کند.
توسعه‌دهندگان استفاده از این مدل با توجه کاربرد آن در بخش‌های مهم و حساس بدون محدودیت و رایگان کردند.
همچنین باید توجه داشت که هوش مصنوعی هر چه اطلاعات بیشتری در دسترس داشته باشد، قدرتمندتر می‌شود. بنابراین انتظار می‌رود که رویکرد هوش مصنوعی برای یافتن مواد شیمیایی خطرناک با گذشت زمان بهبود یابد. این نکته می‌تواند کمک بزرگی باشد تا از تأثیرات منفی مواد شیمیایی بر روی انسان‌ها و محیط‌زیست در آینده جلوگیری شود. به‌علاوه، نظر به اینکه زمانی که مدل بر روی داده‌هایی با چندین غلظت مؤثر آموزش داده شده است، عملکرد آن بهبود یافته است، نتیجه‌گیری می‌شود یادگیری عمیق و ترنسفورمرها پتانسیل قابل‌توجهی برای پیشرفت پیش‌بینی محاسباتی سمی بودن مواد شیمیایی دارند.
محققین نتایج این تحقیق را با عنوان “ترانسفورماتورها امکان پیش بینی دقیق سمیت شیمیایی حاد و مزمن را در ارگانیسم‌های آبزی فراهم می‌کنند [۵]” منتشر کردند.