Искусственный интеллект может быть обучен для самостоятельного прогнозирования научных открытий на основе предыдущих знаний

Существует продолжающийся спор среди исследователей ИИ, будут ли искусственные интеллекты, как отмечает TheNext Web (TNW), “в ближайшее время способны разработать тот вид общего интеллекта, который имеют люди,” с жаркими спорами за и против.

Но существует еще одна область знаний, где ИИ делает гигантские шаги вперед, и это – обработка естественного языка (NLP), часть более широкого зонтика машинного обучения, целью которого является “оценка, извлечение и оценка информации из текстовых данных.” В этом отношении TNW ссылается на статью недавно опубликованную в Nature, в которой сообщается, что ИИ смог “предсказать будущие научные открытия, просто извлекая осмысленные данные из научных публикаций.”

Изучение и понимание конкретного научного вопроса требует очевидного шага – консультации книг, специализированных публикаций, веб-страниц и любых других соответствующих источников. Конечно, это может быть чрезвычайно耗ящим временем упражнением, особенно если у нас есть очень сложная проблема или вопрос. Вот где вступает в силу NLP. Используя “сложные методы и техники, компьютерные программы могут выявлять понятия, взаимосвязи, общие темы и конкретные свойства из больших текстовых наборов данных.”

Как обсуждается в вышеупомянутом исследовании, “пока что большинство существующих автоматических методов NLP основаны на надзоре, требующих ввода от людей. Несмотря на то, что это улучшение по сравнению с чисто ручным подходом, это все равно трудоемкая работа.” Но исследователи, подготовившие эту статью, смогли создать систему ИИ, которая “могла точно выявлять и извлекать информацию самостоятельно. Она использовала сложные техники, основанные на статистических и геометрических свойствах данных, для выявления химических названий, понятий и структур. Это было основано на примерно 1,5 миллионах аннотаций научных статей по материаледению.”

Затем эта программа машинного обучения “классифицировала слова в данных на основе конкретных особенностей, таких как “элементы”, “энергетика” и “связующие”. Например, “тепло” было классифицировано как часть “энергетики”, а “газ” – как “элемент”. Это помогло связать определенные соединения с типами магнетизма и сходством с другими материалами, среди прочего, предоставляя информацию о том, как слова были связаны без необходимости человеческого вмешательства.”

Этот метод сделал возможным для ИИ “выявлять сложные отношения и выявлять различные слои информации, что было бы практически невозможно для людей.” Это сделало возможным предоставление информации, опережающей то, что могут сделать ученые в этой области на данный момент. ИИ фактически рекомендовал материалы “для функциональных применений за несколько лет до их реального открытия. Было пять таких предсказаний, все основанные на статьях, опубликованных до 2009 года. Например, ИИ смог выявить вещество, известное как CsAgGa2Se4as, как термоэлектрический материал, который ученые открыли только в 2012 году. Итак, если бы ИИ был доступен в 2009 году, он мог бы ускорить открытие.”