La IA puede ser entrenada para hacer predicciones científicas de forma independiente basadas en conocimientos previos

Hay un debate en curso entre los investigadores de IA sobre si la Inteligencia Artificial, como TheNext Web (TNW) señala, “pronto será capaz de desarrollar el tipo de inteligencia general que tienen los humanos,” con argumentos apasionados a favor y en contra.

Pero hay otro campo del conocimiento donde la IA está avanzando a pasos agigantados, y es en Procesamiento de Lenguaje Natural (NLP), una parte de un paraguas mucho más grande de aprendizaje automático, con “el objetivo de evaluar, extraer y evaluar información de datos textuales.” En este sentido, TNW se refiere a un artículo recientemente publicado en Nature que informa que una IA ha logrado “predecir futuras descubiertas científicas simplemente extrayendo datos significativos de publicaciones de investigación.”

Investigar y comprender una cuestión científica específica requiere el paso obvio de consultar libros, publicaciones especializadas, páginas web y cualquier otra fuente relevante. Por supuesto, esto puede ser un ejercicio extremadamente tiempo-consuming, particularmente si tenemos un problema o pregunta muy compleja. Es ahí donde entra en juego el NLP. Al utilizar “métodos y técnicas sofisticadas, los programas informáticos pueden identificar conceptos, relaciones mutuas, temas generales y propiedades específicas a partir de grandes conjuntos de datos textuales.”

Como se discute en el estudio mencionado, “hasta ahora, la mayoría de los métodos automatizados de NLP existentes son supervisados, lo que requiere la intervención humana. A pesar de ser una mejora en comparación con un enfoque puramente manual, esto sigue siendo un trabajo laborioso.” Pero los investigadores que prepararon este artículo lograron crear un sistema de IA que “pudo identificar y extraer información de forma precisa e independiente. Utilizó técnicas sofisticadas basadas en propiedades estadísticas y geométricas de los datos para identificar nombres de sustancias químicas, conceptos y estructuras. Esto se basó en aproximadamente 1,5 millones de resúmenes de artículos científicos sobre ciencia de materiales.”

Luego, este programa de aprendizaje automático “clasificó las palabras en los datos según características específicas como “elementos”, “energía” y “ligantes”. Por ejemplo, “calor” se clasificó como parte de “energía”, y “gas” como “elementos”. Esto ayudó a conectar ciertos compuestos con tipos de magnetismo y similitud con otros materiales, entre otras cosas, proporcionando información sobre cómo se conectaban las palabras sin requerir intervención humana.”

Este método hizo posible que la IA “capturara relaciones complejas e identificara diferentes capas de información, lo que sería virtualmente imposible de realizar por humanos.” Esto hizo posible proporcionar información con mucha anticipación en comparación con lo que los científicos que trabajan en el campo pueden hacer en este momento. La IA realmente recomendó materiales “para aplicaciones funcionales varios años antes de su descubrimiento real. Hubo cinco predicciones de este tipo, todas basadas en artículos publicados antes del año 2009. Por ejemplo, la IA logró identificar una sustancia conocida como CsAgGa2Se4as como un material termoeléctrico, que los científicos solo descubrieron en 2012. Así que si la IA hubiera estado disponible en 2009, podría haber acelerado el descubrimiento.”