化学一门决策学科。化学家每天都要决定检验哪项假设、合成哪个类似物、尝试何种条件、相信哪些信号，以及规避哪些风险。近年来，尤其自 2024 年以来，人工智能已逐渐成为辅助这些决策的实用工具：它能够加速检索、聚焦实验，并将分散的信息转化为可操作的指导。人工智不能取代化学专业判断；在适当控制下，它能够放大专业判断的价值。

本书面向从事药物化学、制药、分析、工艺、材料和制剂研究的化学家及相关科研人员，也涵盖活性药物成分、辅料、剂型以及相关制药工艺的工作场景。全书坚持“化学优先”的原则，重点回答应当做什么、如何实施、怎样验证，以及如何确保方法安全、可审计并具有实际用途。

预测、生成、规划和优化等模式会在不同化学任务中反复出现，无论是候选物排序、合成路线建议、结晶过程调节，还是材料筛选。分子描述符和指纹可以构成稳健基准，图与序列能够表示结构信息，3D 建模适用于形状或结合姿态占主导的场景，而光谱和图像则需要经过谨慎预处理才能充分发挥作用。

能够反映真实部署环境的验证必不可缺。按骨架、时间或实验地点划分数据，校准不确定性，并明确模型适用域，有助于避免模型在实验室或工厂应用时出现落差。由于化学研究与生产高度重视安全，本书也将数据访问权限、完整性、变更控制和治理要求作为实施流程中的核心内容。

本书重点介绍能够在较短时间内复制和调整的工作流程与案例。对于快速发展的基础模型、自主实验室和监管指导等领域，作者强调以证据优先，并推荐能够长期适用的实践方法，帮助团队形成更快速、更安全且理由充分的科学决策。