AIは、過去の知識に基づいて独立して科学的予測を行うことができる

AIの研究者の中には、TheNext Web (TNW)によると、「近々、人間と同じような一般的な知能を開発することができるようになるだろう」という意見があるが、賛成と反対の両方の意見が激しく争われている。

しかし、AIが巨大な進歩を遂げているもう一つの分野があり、それは自然言語処理（NLP）であり、機械学習のより大きな傘の下にあるもので、「テキストデータから情報を評価、抽出、評価することを目的としている。」この点について、TNWはNatureに最近掲載された論文を引用しており、AIが「研究発表から有意義なデータを抽出するだけで、将来の科学的発見を予測することができた」としている。

特定の科学的な質問を調査し、理解するには、当然、書籍、専門的な出版物、ウェブページ、その他の関連する情報源を参照する必要がある。もちろん、これは非常に時間のかかる作業になる可能性があり、特に複雑な問題や質問がある場合はさらにそうである。那はNLPが登場する場所である。高度な方法と技術を使用することで、コンピュータプログラムは、大規模なテキストデータセットから概念、相互関係、一般的なトピック、特定の特性を識別することができる。

先ほど述べた研究では、「現在、ほとんどの自動化されたNLPベースの方法は、人間の入力を必要とする監督型である。人間による純粋なアプローチに比べれば改善されているが、これは依然として労力密度の高い作業である。」しかし、この論文を作成した研究者たちは、情報を独立して正確に識別および抽出できるAIシステムを作成することができた。化学物質の名前、概念、構造を識別するために、データの統計的および幾何学的特性に基づいた高度な技術を使用した。これは、約150万件の材料科学に関する科学論文の要約に基づいていた。

次に、このマシンラーニングプログラムは、「元素」、「エネルギー」、「バインダー」などの特定の特性に基づいてデータ内の単語を分類した。例えば、「熱」は「エネルギー」の一部として分類され、「ガス」は「元素」として分類された。これにより、特定の化合物を磁気の種類や他の材料との類似性などと関連付けることができ、人間の介入を必要とせずに情報を結び付けることができた。

この方法により、AIは「複雑な関係を捉え、情報のさまざまな層を識別することができた。これは、人間が実行することはほぼ不可能である。」これにより、現在の科学者が行っているよりもはるかに先んじて洞察を提供することができた。AIは実際に、科学者が発見するより数年前に「機能的な応用」のための材料を推奨していた。5つの予測があり、すべて2009年前に発表された論文に基づいていた。例えば、AIはCsAgGa2Se4という物質を熱電材料として識別し、科学者は2012年にこれを発見した。したがって、AIが2009年に存在していた場合、発見を加速することができたであろう。