KI kann trainiert werden, um unabhängig wissenschaftliche Vorhersagen auf der Grundlage von Vorwissen zu treffen

Es gibt eine anhaltende Debatte unter KI-Forschern, ob künstliche Intelligenz, wie TheNext Web (TNW) bemerkt, ” bald in der Lage sein wird, 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 riesige Schritte nach vorne macht, und das ist die Natürliche Sprachverarbeitung (NLP), ein Teil eines viel größeren Schirms der maschinellen Lernung, mit dem Ziel, “Informationen aus textuellen Daten zu bewerten, zu extrahieren und zu bewerten.” Dazu verweist TNW auf eine vor Kurzem in Nature veröffentlichte Studie, 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 andere relevante Quellen zu konsultieren. Natürlich kann dies ein extrem zeitaufwändiges Unterfangen sein, besonders wenn wir ein sehr komplexes Problem oder eine Frage haben. Das ist der Punkt, an dem NLP zum Einsatz kommt. Durch die Verwendung “sophistizierter Methoden und Techniken können Computerprogramme Konzepte, wechselseitige Beziehungen, allgemeine Themen und spezifische Eigenschaften aus großen textuellen Datenbeständen identifizieren.”

Wie in der erwähnten Studie diskutiert wird, “sind bisher die meisten bestehenden automatisierten NLP-basierten Methoden überwacht und erfordern Eingaben von Menschen. Trotz der Verbesserung im Vergleich zu einem rein manuellen Ansatz ist dies immer noch eine arbeitsintensive Aufgabe.” Aber die Forscher, die diese Studie vorbereiteten, 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 wissenschaftlicher Papiere auf dem Gebiet der Materialwissenschaft.”

Dann klassifizierte dieses maschinelle Lernprogramm “Wörter in den Daten auf der Grundlage spezifischer Merkmale wie “Elemente”, “Energien” und “Bindemittel”. Zum Beispiel wurde “Wärme” 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 Eingriffe ermöglichte.”

Diese Methode ermöglichte es der KI, “komplexe Beziehungen zu erfassen und verschiedene Schichten von Informationen zu identifizieren, was für Menschen praktisch unmöglich wäre.” Dies ermöglichte es, Einblicke zu gewinnen, die weit über das hinausgehen, was Wissenschaftler auf diesem Gebiet derzeit leisten können. Die KI empfahl tatsächlich Materialien “für funktionale Anwendungen mehrere Jahre vor ihrer tatsächlichen Entdeckung. Es gab fünf solche Vorhersagen, alle basierend auf Papieren, die vor 2009 veröffentlicht wurden. Zum Beispiel konnte die KI eine Substanz namens CsAgGa2Se4as als thermoelektrisches Material identifizieren, das von Wissenschaftlern erst 2012 entdeckt wurde. Wenn also die KI 2009 existiert hätte, könnte sie die Entdeckung beschleiten.