Sztuczna inteligencja może być szkolona do samodzielnego dokonywania przewidywań naukowych na podstawie wcześniejszej wiedzy

Trwa debata wśród badaczy sztucznej inteligencji, czy sztuczna inteligencja, jak zauważa TheNext Web (TNW), „będzie wkrótce w stanie rozwinąć rodzaj ogólnej inteligencji, jaką posiadają ludzie”, z gorącymi dyskusjami za i przeciw.

Jednak jest jeszcze jeden obszar wiedzy, w którym sztuczna inteligencja robi ogromne postępy, a mianowicie w dziedzinie przetwarzania języka naturalnego (NLP), części znacznie szerszego parasola uczenia maszynowego, z „celem oceny, ekstrakcji i oceny informacji z danych tekstowych.” W tym celu TNW powołuje się na artykuł opublikowany w Nature, który donosi, że sztuczna inteligencja „zdołała przewidzieć przyszłe odkrycia naukowe, po prostu ekstrahując znaczące dane z publikacji naukowych.”

Badanie i zrozumienie konkretnego pytania naukowego wymaga oczywistego kroku, jakim jest konsultacja książek, specjalistycznych publikacji, stron internetowych i innych istotnych źródeł. Oczywiście może to być niezwykle czasochłonne zajęcie, szczególnie jeśli mamy do czynienia z bardzo złożonym problemem lub pytaniem. To właśnie tutaj pojawia się NLP. Poprzez „zaawansowane metody i techniki, programy komputerowe mogą identyfikować pojęcia, wzajemne relacje, ogólne tematy i specyficzne właściwości z dużych zbiorów danych tekstowych.”

Jak omawia się w wspomnianym badaniu, „dotychczas większość istniejących automatycznych metod opartych na NLP jest nadzorowana, wymagając wprowadzania danych przez ludzi. Pomimo że jest to ulepszenie w porównaniu z czysto ręcznym podejściem, jest to nadal czasochłonne zadanie.” Ale badacze, którzy przygotowali ten artykuł, byli w stanie stworzyć system sztucznej inteligencji, który „mógł dokładnie identyfikować i ekstrahować informacje w sposób niezależny. Wykorzystywał zaawansowane techniki oparte na statystycznych i geometrycznych właściwościach danych do identyfikacji nazw chemicznych, pojęć i struktur. To opierało się na około 1,5 miliona streszczeń artykułów naukowych z dziedziny nauki o materiałach.”

Następnie ten program uczenia maszynowego „klasyfikował słowa w danych na podstawie specyficznych cech, takich jak „pierwiastki”, „energetyka” i „spoiwa”. Na przykład „ciepło” zostało sklasyfikowane jako część „energetyki”, a „gaz” jako „pierwiastki”. To pomogło połączyć pewne związki z typami magnetyzmu i podobieństwem z innymi materiałami, dostarczając wglądu w to, jak słowa były połączone bez konieczności interwencji człowieka.”

Ta metoda umożliwiła sztucznej inteligencji „przechwycenie złożonych relacji i identyfikację różnych warstw informacji, co byłoby praktycznie niemożliwe do wykonania przez ludzi.” To umożliwiło uzyskanie wglądu znacznie wcześniej w porównaniu z tym, co naukowcy zajmujący się tą dziedziną są w stanie osiągnąć obecnie. Sztuczna inteligencja faktycznie zaleciła materiały „do zastosowań funkcjonalnych kilka lat przed ich rzeczywistym odkryciem. Było pięć takich przewidywań, wszystkie oparte na artykułach opublikowanych przed rokiem 2009. Na przykład sztuczna inteligencja zdołała zidentyfikować substancję znaną jako CsAgGa2Se4as jako materiał termoelektryczny, którego naukowcy odkryli dopiero w 2012 roku. Więc gdyby sztuczna inteligencja była dostępna w 2009 roku, mogłaby przyspieszyć odkrycie.”