Umělé inteligence lze naučit, aby nezávisle činila vědecké předpovědi na základě předchozích znalostí

Mezi výzkumníky v oblasti umělé inteligence probíhá debata, zda umělá inteligence, jak uvádí TheNext Web (TNW), „bude brzy schopna vyvinout takový obecnou inteligenci, jakou mají lidé,“ s vášnivými argumenty pro a proti.

Existuje však ještě jeden oblast znalostí, kde umělá inteligence dělá obrovské kroky vpřed, a to je oblast zpracování přirozeného jazyka (NLP), která je součástí mnohem širšího deštníku strojového učení, s cílem „hodnotit, extrahovat a vyhodnocovat informace z textových dat.“ K tomu nedávno zveřejněná studie v Nature uvádí, že umělá inteligence nyní „zvládla předpovědět budoucí vědecké objevy jednoduše extrahováním významných dat z vědeckých publikací.“

Pro výzkum a pochopení konkrétní vědecké otázky je nutné logicky konzultovat knihy, specializované publikace, webové stránky a další relevantní zdroje. Samozřejmě, že to může být extrémně časově náročné, zejména pokud máme velmi komplexní problém nebo otázku. To je místo, kde NLP vstupuje do hry. Pomocí „pokročilých metod a technik mohou počítačové programy identifikovat koncepty, vzájemné vztahy, obecná témata a specifické vlastnosti z velkých textových datových sad.“

Jak je diskutováno ve výše zmíněné studii, „dosud většina existujících automatizovaných metod založených na NLP vyžaduje lidský vstup. Navzdory tomu, že to představuje zlepšení ve srovnání s čistě manuálním přístupem, je to stále časově náročná práce.“ Ale výzkumníci, kteří připravili tuto studii, byli schopni vytvořit systém umělé inteligence, který „mohl přesně identifikovat a extrahovat informace nezávisle. Používal pokročilé techniky založené na statistických a geometrických vlastnostech dat k identifikaci chemických názvů, konceptů a struktur. To bylo založeno na asi 1,5 milionu abstraktů vědeckých článků o materiálové vědě.“

Potom tento program strojového učení „klasifikoval slova v datech podle specifických funkcí, jako jsou „prvky“, „energetika“ a „vázané látky“. Například „teplo“ bylo klasifikováno jako součást „energetiky“ a „plyn“ jako „prvky“. To pomohlo propojit určitou sloučeninu s typy magnetismu a podobností s jinými materiály, poskytující vhled do toho, jak jsou slova propojena bez nutnosti lidského zásahu.“

Tato metoda umožnila umělé inteligenci „zachytit komplexní vztahy a identifikovat různé vrstvy informací, což by bylo prakticky nemožné provést lidmi.“ To umožnilo poskytnout vhledy, které jsou daleko před tím, co jsou vědci v tomto oboru schopni udělat v současné době. Umělá inteligence skutečně doporučila materiály „pro funkční aplikace několik let před jejich skutečným objevením. Bylo pět takových předpovědí, všechny založené na článcích publikovaných před rokem 2009. Například umělá inteligence zvládla identifikovat látku známou jako CsAgGa2Se4 jako termoelektrický materiál, který vědci objevili až v roce 2012. Pokud by umělá inteligence existovala v roce 2009, mohla by urychlit objev.“