L’IA può essere addestrata a fare previsioni scientifiche indipendenti in base alle conoscenze precedenti

È in corso un dibattito tra i ricercatori di IA se l’Intelligenza Artificiale, come nota TheNext Web (TNW), “sarà presto in grado di sviluppare il tipo di intelligenza generale che gli esseri umani possiedono,” con argomenti accesi a favore e contro.

Ma c’è un altro campo del sapere in cui l’IA sta facendo grandi passi avanti, e cioè con l’elaborazione del linguaggio naturale (NLP), una parte di un ombrello molto più grande dell’apprendimento automatico, con “l’obiettivo di valutare, estrarre e valutare le informazioni dai dati testuali.” A questo proposito, TNW fa riferimento a un documento recentemente pubblicato su Nature che riporta che un’IA è riuscita a “prevedere future scoperte scientifiche semplicemente estraendo dati significativi da pubblicazioni di ricerca.”

Ricerca e comprensione di una specifica domanda scientifica richiedono il passo ovvio di consultare libri, pubblicazioni specializzate, pagine web e altre fonti rilevanti. Naturalmente, ciò può essere un esercizio estremamente lungo, specialmente se abbiamo un problema o una domanda molto complessa. È qui che entra in gioco l’NLP. Utilizzando “metodi e tecniche sofisticate, i programmi del computer possono identificare concetti, relazioni reciproche, argomenti generali e proprietà specifiche da grandi set di dati testuali.”

Come discusso nello studio sopracitato, “fino ad ora, la maggior parte dei metodi NLP automatizzati esistenti sono supervisionati, richiedendo input umano. Nonostante rappresenti un miglioramento rispetto all’approccio puramente manuale, questo è ancora un lavoro molto lungo.” Ma i ricercatori che hanno preparato questo documento sono stati in grado di creare un sistema di IA che “potesse identificare e estrarre informazioni in modo indipendente. Ha utilizzato tecniche sofisticate basate su proprietà statistiche e geometriche dei dati per identificare nomi chimici, concetti e strutture. Ciò si basava su circa 1,5 milioni di abstract di articoli scientifici sulla scienza dei materiali.”

Quindi, questo programma di apprendimento automatico “ha classificato le parole nei dati in base a caratteristiche specifiche come “elementi”, “energetica” e “leganti”. Ad esempio, “calore” è stato classificato come parte dell’“energetica” e “gas” come “elementi”. Ciò ha aiutato a collegare certi composti con tipi di magnetismo e somiglianze con altri materiali, fornendo informazioni su come le parole erano collegate senza alcun intervento umano richiesto.”

Questo metodo ha reso possibile per l’IA “catturare relazioni complesse e identificare diversi livelli di informazione, che sarebbero virtualmente impossibili da eseguire per gli esseri umani.” Ciò ha reso possibile fornire informazioni ben in anticipo rispetto a quanto gli scienziati che si occupano del settore sono in grado di fare al momento. L’IA ha effettivamente raccomandato materiali “per applicazioni funzionali diversi anni prima della loro scoperta effettiva. Ci sono state cinque previsioni di questo tipo, tutte basate su documenti pubblicati prima del 2009. Ad esempio, l’IA è riuscita a identificare una sostanza nota come CsAgGa2Se4 come un materiale termoelettrico, che gli scienziati hanno scoperto solo nel 2012. Quindi, se l’IA fosse stata presente nel 2009, avrebbe potuto accelerare la scoperta.”