A Inteligência Artificial Pode Ser Treinada Para Fazer Previsões Científicas Independentes Com Base Em Conhecimento Prévio

Há um debate em andamento entre os pesquisadores de IA sobre se a Inteligência Artificial, como nota TheNext Web (TNW), “será capaz de desenvolver o tipo de inteligência geral que os humanos têm,” com argumentos acalorados a favor e contra.

Mas há outro campo de conhecimento onde a IA está dando passos gigantescos, e é com Processamento de Linguagem Natural (NLP), uma parte de uma grande área de aprendizado de máquina, com o objetivo de “avaliar, extrair e avaliar informações de dados textuais.” Nesse sentido, a TNW aponta para um artigo recentemente publicado na Nature que relata que uma IA conseguiu “prever descobertas científicas futuras simplesmente extrair dados significativos de publicações de pesquisa.”

Pesquisar e entender uma questão científica específica requer o passo óbvio de consultar livros, publicações especializadas, páginas da web e outras fontes relevantes. Isso pode ser um exercício extremamente demorado, especialmente se tivermos um problema ou questão muito complexa em mãos. É aí que entra o NLP. Usando “métodos e técnicas sofisticados, os programas de computador podem identificar conceitos, relacionamentos mútuos, tópicos gerais e propriedades específicas a partir de grandes conjuntos de dados textuais.”

Como discutido no estudo mencionado, “até agora, a maioria dos métodos automatizados baseados em NLP são supervisionados, requerendo entrada humana. Apesar de ser uma melhoria em comparação com uma abordagem puramente manual, isso ainda é um trabalho laborioso.” Mas os pesquisadores que prepararam este artigo foram capazes de criar um sistema de IA que “pode identificar e extrair informações com precisão de forma independente. Ele usou técnicas sofisticadas baseadas em propriedades estatísticas e geométricas dos dados para identificar nomes de substâncias químicas, conceitos e estruturas. Isso foi baseado em cerca de 1,5 milhão de resumos de artigos científicos sobre ciência de materiais.”

Em seguida, o programa de aprendizado de máquina “classificou palavras nos dados com base em recursos específicos, como “elementos”, “energética” e “ligantes”. Por exemplo, “calor” foi classificado como parte da “energética”, e “gás” como “elementos”. Isso ajudou a conectar certos compostos com tipos de magnetismo e semelhança com outros materiais, entre outras coisas, fornecendo insights sobre como as palavras estavam conectadas sem intervenção humana necessária.”

Esse método tornou possível para a IA “capturar relacionamentos complexos e identificar diferentes camadas de informação, o que seria virtualmente impossível para os humanos.” Isso tornou possível fornecer insights bem à frente em comparação com o que os cientistas que lidam com o campo são capazes de fazer no momento. A IA realmente recomendou materiais “para aplicações funcionais vários anos antes de sua descoberta real. Havia cinco previsões desse tipo, todas baseadas em artigos publicados antes de 2009. Por exemplo, a IA conseguiu identificar uma substância conhecida como CsAgGa2Se4as como um material termoelétrico, que os cientistas só descobriram em 2012. Então, se a IA estivesse por perto em 2009, poderia ter acelerado a descoberta.”