AI ສາມາດໄດ້ຮັບການຝຶກອົບຮົມເພື່ອເຮັດໃຫ້ການຄາດເດົາທາງວິທະຍາສາດຢ່າງເປັນເອກະລາດໂດຍອີງໃສ່ຄວາມຮູ້ທີ່ຜ່ານມາ

ມີການໂຕ້ວາທີຢ່າງຕໍ່ເນື່ອງໃນບັນດານັກຄົ້ນຄວ້າ AI ບໍ່ວ່າຈະເປັນ Artificial Intelligence, ເປັນ ເວັບໄຊຕ໌ຕໍ່ໄປ (TNW) ບັນທຶກ,“ຈະ ໃນໄວໆນີ້ຈະສາມາດ ພັດ​ທະ​ນາ​ປະ​ເພດ​ຂອງ​ ປັນຍາທົ່ວໄປ ທີ່ມະນຸດມີ,” ດ້ວຍການໂຕ້ແຍ້ງອັນຮ້ອນແຮງສໍາລັບແລະຕໍ່ຕ້ານ.

ແຕ່ຍັງມີຄວາມຮູ້ອີກດ້ານຫນຶ່ງທີ່ AI ກໍາລັງກ້າວໄປສູ່ບາດກ້າວອັນໃຫຍ່ຫຼວງ, ແລະນັ້ນແມ່ນຢູ່ Natural Language Processing (NLP), ເປັນສ່ວນຫນຶ່ງຂອງ umbrella ຂະຫນາດໃຫຍ່ຫຼາຍຂອງການຮຽນຮູ້ເຄື່ອງຈັກ, ດ້ວຍ "ຈຸດປະສົງເພື່ອປະເມີນ, ສະກັດແລະປະເມີນຂໍ້ມູນຈາກຂໍ້ມູນຂໍ້ຄວາມ." ຕໍ່ກັບຜົນກະທົບນັ້ນ, TNW ຊີ້ໃຫ້ເຫັນເຈ້ຍ ຈັດພີມມາບໍ່ດົນມານີ້ຢູ່ໃນທໍາມະຊາດ ເຊິ່ງລາຍງານວ່າ AI ດຽວນີ້ "ສາມາດຄາດຄະເນການຄົ້ນພົບທາງວິທະຍາສາດໃນອະນາຄົດໂດຍພຽງແຕ່ສະກັດຂໍ້ມູນທີ່ມີຄວາມຫມາຍຈາກສິ່ງພິມການຄົ້ນຄວ້າ."

ການຄົ້ນຄວ້າແລະຄວາມເຂົ້າໃຈຄໍາຖາມວິທະຍາສາດສະເພາະຮຽກຮ້ອງໃຫ້ມີຂັ້ນຕອນທີ່ຊັດເຈນຂອງປື້ມທີ່ປຶກສາ, ສິ່ງພິມພິເສດ, ຫນ້າເວັບແລະແຫຼ່ງອື່ນໆທີ່ກ່ຽວຂ້ອງ. ແນ່ນອນ, ນີ້ສາມາດເປັນການອອກກໍາລັງກາຍທີ່ໃຊ້ເວລາຫຼາຍ, ໂດຍສະເພາະຖ້າພວກເຮົາມີບັນຫາຫຼືຄໍາຖາມທີ່ສັບສົນຫຼາຍຢູ່ໃນມື. ນັ້ນແມ່ນບ່ອນທີ່ NLP ເຂົ້າມາ. ໂດຍໃຊ້ "ວິທີການແລະເຕັກນິກທີ່ຊັບຊ້ອນ, ໂຄງການຄອມພິວເຕີສາມາດກໍານົດແນວຄວາມຄິດ, ການພົວພັນເຊິ່ງກັນແລະກັນ, ຫົວຂໍ້ທົ່ວໄປແລະຄຸນສົມບັດສະເພາະຈາກຊຸດຂໍ້ມູນຂໍ້ຄວາມຂະຫນາດໃຫຍ່."

ດັ່ງທີ່ໄດ້ສົນທະນາໃນການສຶກສາຂ້າງເທິງ, "ມາຮອດປະຈຸ, ສ່ວນໃຫຍ່ຂອງວິທີການອັດຕະໂນມັດ NLP ທີ່ມີຢູ່ແລ້ວແມ່ນໄດ້ຮັບການເບິ່ງແຍງ, ຮຽກຮ້ອງໃຫ້ມີການປ້ອນຂໍ້ມູນຈາກມະນຸດ. ເຖິງວ່າຈະມີການປັບປຸງເມື່ອປຽບທຽບກັບວິທີການຄູ່ມືທີ່ບໍລິສຸດ, ນີ້ຍັງເປັນວຽກທີ່ໃຊ້ແຮງງານຫຼາຍ.” ແຕ່ນັກຄົ້ນຄວ້າຜູ້ທີ່ກະກຽມເອກະສານນີ້ແມ່ນສາມາດສ້າງລະບົບ AI ທີ່ "ສາມາດກໍານົດແລະສະກັດຂໍ້ມູນໄດ້ຢ່າງຖືກຕ້ອງ. ມັນໃຊ້ເຕັກນິກທີ່ຊັບຊ້ອນໂດຍອີງໃສ່ຄຸນສົມບັດທາງສະຖິຕິແລະເລຂາຄະນິດຂອງຂໍ້ມູນເພື່ອກໍານົດຊື່ທາງເຄມີ, ແນວຄວາມຄິດ, ແລະໂຄງສ້າງ. ນີ້ແມ່ນອີງໃສ່ປະມານ 1.5 ລ້ານບົດຄັດຫຍໍ້ຂອງເອກະສານວິທະຍາສາດກ່ຽວກັບວິທະຍາສາດວັດສະດຸ."

ຫຼັງຈາກນັ້ນ, ໂຄງການການຮຽນຮູ້ເຄື່ອງຈັກນີ້ "ການຈັດປະເພດຄໍາສັບຕ່າງໆໃນຂໍ້ມູນໂດຍອີງໃສ່ລັກສະນະສະເພາະເຊັ່ນ "ອົງປະກອບ", "ພະລັງງານ" ແລະ "ຕົວຜູກມັດ". ຕົວຢ່າງ, "ຄວາມຮ້ອນ" ຖືກຈັດປະເພດເປັນສ່ວນຫນຶ່ງຂອງ "ພະລັງງານ", ແລະ "ອາຍແກັສ" ເປັນ "ອົງປະກອບ". ນີ້ໄດ້ຊ່ວຍເຊື່ອມຕໍ່ສານປະກອບບາງຢ່າງກັບປະເພດຂອງແມ່ເຫຼັກແລະຄວາມຄ້າຍຄືກັນກັບວັດສະດຸອື່ນໆໃນບັນດາສິ່ງອື່ນໆ, ສະຫນອງຄວາມເຂົ້າໃຈກ່ຽວກັບວິທີການເຊື່ອມຕໍ່ຄໍາສັບຕ່າງໆໂດຍບໍ່ຈໍາເປັນຕ້ອງມີການແຊກແຊງຂອງມະນຸດ."

ວິທີການນີ້ເຮັດໃຫ້ມັນເປັນໄປໄດ້ສໍາລັບ AI ເພື່ອ "ເກັບກໍາຄວາມສໍາພັນທີ່ຊັບຊ້ອນແລະກໍານົດຊັ້ນຂໍ້ມູນທີ່ແຕກຕ່າງກັນ, ເຊິ່ງເກືອບເປັນໄປບໍ່ໄດ້ທີ່ຈະປະຕິບັດໂດຍມະນຸດ." ນີ້ເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະໃຫ້ຄວາມເຂົ້າໃຈດີລ່ວງຫນ້າໃນການປຽບທຽບກັບສິ່ງທີ່ນັກວິທະຍາສາດທີ່ກ່ຽວຂ້ອງກັບພາກສະຫນາມສາມາດເຮັດໄດ້ໃນເວລານີ້. ຕົວຈິງແລ້ວ AI ແນະນໍາວັດສະດຸ "ສໍາລັບການນໍາໃຊ້ທີ່ເປັນປະໂຫຍດຫຼາຍປີກ່ອນທີ່ຈະຄົ້ນພົບຕົວຈິງຂອງພວກເຂົາ. ມີຫ້າການຄາດຄະເນດັ່ງກ່າວ, ທັງຫມົດແມ່ນອີງໃສ່ເອກະສານທີ່ຈັດພີມມາກ່ອນປີ 2009. ສໍາລັບການຍົກຕົວຢ່າງ, AI ໄດ້ຄຸ້ມຄອງເພື່ອກໍານົດສານທີ່ເອີ້ນວ່າ CsAgGa2Se4as ເປັນ. ອຸ​ປະ​ກອນ​ການ thermoelectricເຊິ່ງນັກວິທະຍາສາດຄົ້ນພົບໃນປີ 2012 ເທົ່ານັ້ນ. ສະນັ້ນ ຖ້າ AI ໄດ້ມີມາໃນປີ 2009, ມັນສາມາດເລັ່ງການຄົ້ນພົບໄດ້ໄວຂຶ້ນ.”