Tekoäly voidaan kouluttaa tekemään itsenäisesti tieteellisiä ennusteita aiemman tiedon perusteella

Tekoälytutkijoiden keskuudessa käydään vilkasta keskustelua siitä, tuleeko tekoäly kykeneväksi kehittämään sellaisen yleisen älykkyyden, jota ihmisillä on, kuten The Verge huomauttaa, ja kiivasta väittelyä käydään sekä puolesta että vastaan.

Mutta on olemassa toinenkin tieteenala, jossa tekoäly tekee jättimäisiä harppauksia eteenpäin, ja se on luonnollisen kielen prosessointi (NLP), joka on osa laajempaa koneoppimisen viittaa. Tämän tavoitteena on arvioida, poimia ja arvioida tietoa tekstuaalisista tiedoista. Tästä syystä TNW viittaa väskessä julkaistuun tutkimukseen, jossa kerrotaan, että tekoäly on onnistunut ennustamaan tulevia tieteellisiä löytöjä yksinkertaisesti poimimalla merkityksellisiä tietoja tutkimusjulkaisuista.

Jokainen tieteen kysymys vaatii ilmeisen askeleen, jossa konsultoidaan kirjoja, erikoislehtiä, verkkosivuja ja muita asiaan liittyviä lähteitä. Tämä voi olla erittäin aikaa vievä tehtävä, erityisesti jos meillä on hyvin monimutkainen ongelma tai kysymys käsillä. Siinä kohtaa luonnollisen kielen prosessointi tulee kuvaan. Käyttämällä “kehittyneitä menetelmiä ja tekniikoita, tietokoneohjelmat voivat tunnistaa käsitteitä, keskinäisiä suhteita, yleisiä aiheita ja erityisiä ominaisuuksia suurista tekstuaalisista tietokannoista.”

Kuten edellä mainitussa tutkimuksessa käydään läpi, “tähän asti useimmat olemassa olevat automaattiset NLP-pohjaiset menetelmät ovat valvottuja, jotka vaativat ihmisen syötettä. Vaikka se on parannus verrattuna puhtaasti manuaaliseen lähestymistapaan, se on edelleen työlääs tehtävä.” Mutta tutkimuksen laatineet tutkijat pystyivät luomaan tekoälyjärjestelmän, joka “voi tarkalleen tunnistaa ja poimia tietoja itsenäisesti. Se käytti kehittyneitä tekniikoita, jotka perustuvat tilastollisiin ja geometrisiin ominaisuuksiin, tunnistamaan kemiallisia nimiä, käsitteitä ja rakenteita. Tämä perustui noin 1,5 miljoonaan materiaalitieteellisen tieteen abstraktiin.”

Sitten tämä koneoppimisohjelma “luokitteli sanat tiedoissa tiettyjen ominaisuuksien perusteella, kuten “alkuaineet”, “energetiikka” ja “sidokset”. Esimerkiksi “lämpö” luokiteltiin “energetiikan” alle, ja “kaasu” “alkuaineiden” alle. Tämä auttoi yhdistämään tiettyjä yhdisteitä magneettisuuden tyyppeihin ja samankaltaisuuteen muiden materiaalien kanssa, muun muassa antaen näkymän, miten sanat liittyvät toisiinsa ilman ihmisen väliintuloa.

Tämä menetelmä mahdollisti tekoälylle “kaapata monimutkaiset suhteet ja tunnistaa eri tasoja tietoa, mikä olisi lähes mahdotonta toteuttaa ihmisille.” Tämä mahdollisti antaa näkymän eteenpäin verrattuna siihen, mitä tutkijat kykenevät tekemään tällä hetkellä. Tekoäly suositteli materiaaleja “toiminnallisiin sovelluksiin useita vuosia ennen niiden varsinaista löytymistä. Näin ollen tekoäly kykeni tunnistamaan aineen, jota kutsutaan termosähkömateriaaliksi, jonka tutkijat löysivät vasta vuonna 2012. Jos tekoäly olisi ollut olemassa vuonna 2009, se olisi voinut nopeuttaa löytöä.