A mesterséges intelligencia megtanítható arra, hogy a korábbi ismeretek alapján önállóan tudományos előrejelzéseket készítsen

A mesterséges intelligencia kutatói között folyamatos vita folyik arról, hogy a mesterséges intelligencia, as The Next Web (TNW) jegyzetek:lesz hamarosan képes lesz fejleszteni azt a fajta általános intelligencia amivel az emberek rendelkeznek” heves érvek mellett és ellen.

De van még egy olyan tudásterület, ahol a mesterséges intelligencia óriási lépéseket tesz előre, és ez így van Természetes nyelvi feldolgozás (NLP), a gépi tanulás sokkal nagyobb gyűjtőkörének része, „célja a szöveges adatokból származó információk értékelése, kinyerése és értékelése”. Ennek érdekében a TNW egy papírra mutat nemrég jelent meg a Nature-ben amely arról számol be, hogy egy mesterséges intelligencia mára „sikerült megjósolni a jövő tudományos felfedezéseit azáltal, hogy egyszerűen kinyert értelmes adatokat a kutatási publikációkból”.

Egy konkrét tudományos kérdés kutatása és megértése kézenfekvő lépést tesz szükségessé: könyveket, szakkiadványokat, weboldalakat és bármilyen más releváns forrást keresni. Természetesen ez rendkívül időigényes gyakorlat lehet, különösen, ha nagyon összetett problémánk vagy kérdésünk van. Itt jön be az NLP.A kifinomult módszerek és technikák segítségével a számítógépes programok fogalmakat, kölcsönös kapcsolatokat, általános témákat és konkrét tulajdonságokat azonosíthatnak nagy szöveges adatkészletekből.”

Amint az a fent említett tanulmányban kifejtésre került, „eddig a létező automatizált NLP-alapú módszerek többsége felügyelt, amihez emberi beavatkozásra van szükség. Annak ellenére, hogy a tisztán manuális megközelítéshez képest előrelépésről van szó, ez még mindig munkaigényes munka.” A tanulmányt készítő kutatók azonban képesek voltak egy olyan mesterséges intelligencia-rendszert létrehozni, amely „pontosan képes azonosítani és egymástól függetlenül kinyerni az információkat. Az adatok statisztikai és geometriai tulajdonságain alapuló kifinomult technikákat alkalmazott a kémiai nevek, fogalmak és szerkezetek azonosítására. Ez körülbelül 1.5 millió anyagtudományi tudományos közleményen alapult.”

Aztán ez a gépi tanulási program "osztályozott szavakat az adatokban olyan speciális jellemzők alapján, mint az „elemek”, „energetika” és „kötőanyagok”. Például a „hő” az „energetika”, a „gáz” pedig az „elemek” része volt. Ez segített egyes vegyületeket összekapcsolni a mágnesesség típusával és a hasonlóságokkal más anyagokkal, többek között, betekintést nyújtva abba, hogy a szavak hogyan kapcsolódnak egymáshoz emberi beavatkozás nélkül.

Ez a módszer lehetővé tette, hogy az AI „összetett kapcsolatok megragadására és különböző információrétegek azonosítására, amelyeket az emberek gyakorlatilag lehetetlenek lennének megvalósítani.” Ez lehetővé tette, hogy jóval előre betekintést nyújtsunk ahhoz képest, amit a területtel foglalkozó tudósok jelenleg képesek. A mesterséges intelligencia valójában az anyagokat ajánlotta „funkcionális alkalmazásokhoz több évvel a tényleges felfedezésük előtt. Öt ilyen előrejelzés volt, amelyek mindegyike 2009 előtt publikált dokumentumokon alapult. Például az AI-nak sikerült azonosítania a CsAgGa2Se4as néven ismert anyagot. termoelektromos anyag, amelyet a tudósok csak 2012-ben fedeztek fel. Tehát ha az MI 2009-ben létezett volna, felgyorsíthatta volna a felfedezést.”