Искусственный интеллект может быть обучен делать научные прогнозы самостоятельно на основе предыдущих знаний

Среди исследователей ИИ существует постоянная дискуссия о том, сможет ли искусственный интеллект, как отмечает TheNext Web (TNW), “скоро разработать тот вид общего интеллекта, который есть у человека”, с жаркими спорами за и против.

Но есть еще одна область знаний, где ИИ делает гигантские шаги вперед, и это – обработка естественного языка (NLP), часть более крупного зонтика машинного обучения, с целью “оценить, извлечь и оценить информацию 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 любой другой актуальной информации. Конечно, это может быть чрезвычайно трудоемким упражнением, особенно если у нас есть очень сложная проблема или вопрос. Вот где появляется NLP. Используя “сложные методы и техники, компьютерные программы могут выявить концепции, взаимосвязи, общие темы и конкретные свойства из больших текстовых наборов данных”.

Как обсуждается в вышеупомянутом исследовании, “до сих пор большинство существующих автоматизированных методов NLP требуют вмешательства человека. 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 выявить и извлечь информацию самостоятельно. Она использовала сложные техники, основанные на статистических и геометрических свойствах данных, для выявления химических названий, концепций и структур. Это было основано на примерно 1,5 миллионах аннотаций научных статей по материаловедению”.

Затем эта программа машинного обучения “классифицировала слова в данных на основе конкретных функций, таких как “элементы”, “энергетика” и “связующие”. Например, “жара” была классифицирована как часть “энергетики”, а “газ” как “элементы”. Это помогло связать определенные соединения с типами магнетизма и сходством с другими материалами, предоставив информацию о том, как слова были связаны без необходимости вмешательства человека”.

Этот метод сделал возможным для ИИ “выявить сложные взаимосвязи и выявить различные слои информации, что было бы практически невозможно сделать человеку”. Это позволило предоставить информацию, опередив то, что ученые в этой области могут сделать на данный момент. ИИ фактически рекомендовал материалы “для функциональных применений за несколько лет до их实际 открытия. Было пять таких прогнозов, 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”.