KI kann trainiert werden, um unabhängig wissenschaftliche Vorhersagen auf der Grundlage vorherigen Wissens zu treffen

Es gibt eine anhaltende Debatte unter KI-Forschern, ob künstliche Intelligenz, wie TheNext Web (TNW) bemerkt, “wird bald in der Lage sein, die Art von allgemeiner Intelligenz zu entwickeln, die Menschen haben”, mit hitzigen Argumenten für und gegen.

Aber es gibt noch ein anderes Feld des Wissens, in dem KI große Fortschritte macht, und das ist die Natural Language Processing (NLP), ein Teil eines viel größeren Schirms von Machine Learning, mit dem Ziel, “Informationen aus Textdaten zu bewerten, zu extrahieren und zu bewerten.” TNW verweist auf eine Studie die kürzlich in Nature veröffentlicht wurde, die berichtet, dass eine KI es “geschafft hat, zukünftige wissenschaftliche Entdeckungen vorherzusagen, indem sie einfach bedeutungsvolle Daten aus Forschungsveröffentlichungen extrahierte.”

Das Erforschen und Verstehen einer bestimmten wissenschaftlichen Frage erfordert den offensichtlichen Schritt, Bücher, spezialisierte Veröffentlichungen, Webseiten und alle anderen relevanten Quellen zu konsultieren. Natürlich kann dies ein extrem zeitaufwändiges Unterfangen sein, insbesondere wenn wir ein sehr komplexes Problem oder eine Frage haben. Dort kommt die NLP ins Spiel. Durch die Verwendung von “fortgeschrittenen Methoden und Techniken können Computerprogramme Konzepte, wechselseitige Beziehungen, allgemeine Themen und spezifische Eigenschaften aus großen Textdatensätzen identifizieren.”

Wie in der erwähnten Studie diskutiert wird, “sind bisher die meisten der vorhandenen automatisierten NLP-basierten Methoden überwacht und erfordern Eingaben von Menschen. Trotz der Verbesserung im Vergleich zu einem rein manuellen Ansatz ist dies immer noch ein arbeitsintensiver Job.” Aber die Forscher, die diese Studie vorbereitet haben, konnten ein KI-System erstellen, das “genau Informationen identifizieren und extrahieren konnte, unabhängig. Es verwendete fortschrittliche Techniken, die auf statistischen und geometrischen Eigenschaften von Daten basieren, um chemische Namen, Konzepte und Strukturen zu identifizieren. Dies basierte auf etwa 1,5 Millionen Abstracts von wissenschaftlichen Artikeln über Materialwissenschaft.”

Dann klassifizierte dieses Machine-Learning-Programm “Wörter in den Daten basierend auf spezifischen Funktionen wie “Elemente”, “Energien” und “Binder”. Zum Beispiel wurde “Hitze” als Teil von “Energien” und “Gas” als “Elemente” klassifiziert. Dies half, bestimmte Verbindungen mit Arten von Magnetismus und Ähnlichkeit mit anderen Materialien zu verbinden, was Einblicke in die Verbindung der Wörter ohne menschliche Intervention ermöglichte.”

Diese Methode ermöglichte es der KI, “komplexe Beziehungen zu erfassen und verschiedene Informationslagen zu identifizieren, was für Menschen praktisch unmöglich wäre.” Dies ermöglichte es, Einblicke zu gewinnen, die im Vergleich zu dem, was Wissenschaftler auf diesem Gebiet derzeit tun können, weit im Voraus liegen. Die KI empfahl tatsächlich Materialien “für funktionale Anwendungen mehrere Jahre vor ihrer tatsächlichen Entdeckung. Es gab fünf solcher Vorhersagen, alle basierend auf Artikeln, die vor 2009 veröffentlicht wurden. Zum Beispiel identifizierte die KI eine Substanz namens CsAgGa2Se4as als thermoelektrisches Material, das Wissenschaftler erst 2012 entdeckten. Wenn also die KI 2009 existiert hätte, hätte sie die Entdeckung beschleiten können.”