एआई को पिछले ज्ञान के आधार पर स्वतंत्र रूप से वैज्ञानिक भविष्यवाणियां करने के लिए प्रशिक्षित किया जा सकता है

एआई शोधकर्ताओं के बीच इस बात पर बहस चल रही है कि क्या आर्टिफिशियल इंटेलिजेंस, जैसी है अगला वेब (TNW) टिप्पणियाँ, "मर्जी जल्द कर सकेंगे तरह का विकास करें सामान्य बुद्धि जो मनुष्यों के पास है," पक्ष और विपक्ष में तीखी बहस के साथ।

लेकिन ज्ञान का एक और क्षेत्र है जहां एआई बड़े कदम आगे बढ़ा रहा है, और वह है प्राकृतिक भाषा संसाधन (एनएलपी), मशीन लर्निंग की एक बहुत बड़ी छतरी का एक हिस्सा है, जिसका उद्देश्य "पाठ्य डेटा से जानकारी का आकलन करना, निकालना और मूल्यांकन करना है।" उस आशय के लिए, TNW एक पेपर की ओर इशारा करता है हाल ही में नेचर में प्रकाशित जो रिपोर्ट करता है कि एआई अब "अनुसंधान प्रकाशनों से सार्थक डेटा निकालकर भविष्य की वैज्ञानिक खोजों की भविष्यवाणी करने में कामयाब रहा है।"

किसी विशिष्ट वैज्ञानिक प्रश्न पर शोध करने और समझने के लिए पुस्तकों, विशेष प्रकाशनों, वेब पेजों और किसी अन्य प्रासंगिक स्रोतों से परामर्श लेने के स्पष्ट कदम की आवश्यकता होती है। निःसंदेह, यह अत्यधिक समय लेने वाला अभ्यास हो सकता है, खासकर यदि हमारे सामने कोई बहुत जटिल समस्या या प्रश्न हो। यहीं पर एनएलपी आती है। "का उपयोग करके"परिष्कृत तरीके और तकनीकें, कंप्यूटर प्रोग्राम बड़े पाठ्य डेटासेट से अवधारणाओं, आपसी संबंधों, सामान्य विषयों और विशिष्ट गुणों की पहचान कर सकते हैं।

जैसा कि उपर्युक्त अध्ययन में चर्चा की गई है, "अब तक, अधिकांश मौजूदा स्वचालित एनएलपी-आधारित विधियों का पर्यवेक्षण किया जाता है, जिसके लिए मनुष्यों से इनपुट की आवश्यकता होती है। विशुद्ध रूप से मैन्युअल दृष्टिकोण की तुलना में सुधार होने के बावजूद, यह अभी भी एक श्रम-गहन कार्य है। लेकिन इस पेपर को तैयार करने वाले शोधकर्ता एक एआई सिस्टम बनाने में सक्षम थे जो "स्वतंत्र रूप से जानकारी को सटीक रूप से पहचान और निकाल सकता है। इसने रासायनिक नामों, अवधारणाओं और संरचनाओं की पहचान करने के लिए डेटा के सांख्यिकीय और ज्यामितीय गुणों पर आधारित परिष्कृत तकनीकों का उपयोग किया। यह सामग्री विज्ञान पर वैज्ञानिक पत्रों के लगभग 1.5 मिलियन सार पर आधारित था।

फिर, यह मशीन लर्निंग प्रोग्राम "डेटा में शब्दों को विशिष्ट विशेषताओं जैसे "तत्व", "ऊर्जावान" और "बाइंडर्स" के आधार पर वर्गीकृत किया गया है। उदाहरण के लिए, "ऊष्मा" को "ऊर्जावान" के भाग के रूप में वर्गीकृत किया गया था, और "गैस" को "तत्व" के रूप में वर्गीकृत किया गया था। इससे कुछ यौगिकों को चुंबकत्व के प्रकार और अन्य सामग्रियों के साथ समानता के साथ जोड़ने में मदद मिली, जिससे यह जानकारी मिली कि शब्द बिना किसी मानवीय हस्तक्षेप के कैसे जुड़े थे।

इस पद्धति ने एआई के लिए "जटिल रिश्तों को पकड़ें और जानकारी की विभिन्न परतों की पहचान करें, जिन्हें इंसानों द्वारा पूरा करना लगभग असंभव होगा।'' इससे इस क्षेत्र से निपटने वाले वैज्ञानिक इस समय जो करने में सक्षम हैं, उसकी तुलना में काफी आगे की जानकारी देना संभव हो गया। एआई ने वास्तव में सामग्रियों की सिफारिश उनकी वास्तविक खोज से कई साल पहले कार्यात्मक अनुप्रयोगों के लिए की थी। ऐसी पाँच भविष्यवाणियाँ थीं, सभी वर्ष 2009 से पहले प्रकाशित पत्रों पर आधारित थीं। उदाहरण के लिए, AI CsAgGa2Se4as नामक पदार्थ की पहचान करने में कामयाब रहा। थर्मोइलेक्ट्रिक सामग्री, जिसे वैज्ञानिकों ने केवल 2012 में खोजा था। इसलिए यदि एआई 2009 में होता, तो यह खोज को गति दे सकता था।