AI สามารถฝึกให้ทำการคาดการณ์ทางวิทยาศาสตร์อิสระโดยอาศัยความรู้ในอดีต

มีการถกเถียงกันอย่างต่อเนื่องในหมู่นักวิจัย AI ว่า Artificial Intelligence จะสามารถพัฒนา “ความฉลาดทั่วไป” ที่มนุษย์มีได้หรือไม่ โดย TheNext Web (TNW) ได้กล่าวถึงเรื่องนี้ว่า “จะสามารถพัฒนาได้หรือไม่” โดยมีการถกเถียงกันอย่างรุนแรงทั้งสนับสนุนและคัดค้าน

แต่ยังมีอีกหนึ่งด้านของความรู้ที่ AI ก้าวหน้าไปอย่างมาก และนั่นคือ Natural Language Processing (NLP) ซึ่งเป็นส่วนหนึ่งของการเรียนรู้ของเครื่อง โดยมีเป้าหมายเพื่อประเมิน ขยายและประเมินข้อมูลจากข้อความ TNW ได้กล่าวถึงงานวิจัยที่ตีพิมพ์ในวารสาร Nature ซึ่งพบว่า AI สามารถคาดการณ์การค้นพบทางวิทยาศาสตร์ในอนาคตได้โดยการดึงข้อมูลที่มีความหมายออกมาจากงานวิจัยต่างๆ

การวิจัยและทำความเข้าใจคำถามทางวิทยาศาสตร์เฉพาะต้องมีการอ่านหนังสือ สิ่งพิมพ์เฉพาะทาง เว็บเพจ และแหล่งข้อมูลอื่นๆ ที่เกี่ยวข้อง ซึ่งอาจใช้เวลานานมาก โดยเฉพาะอย่างยิ่งหากเรามีปัญหาหรือคำถามที่ซับซ้อน นั่นคือที่ที่ NLP มาใช้ โดยใช้วิธีการและเทคนิคที่ซับซ้อน เครื่องคอมพิวเตอร์สามารถระบุแนวคิด ความสัมพันธ์ หัวข้อทั่วไปและคุณสมบัติเฉพาะจากชุดข้อมูลข้อความขนาดใหญ่

ตามที่กล่าวไว้ในงานวิจัยที่กล่าวถึง “จนถึงตอนนี้ วิธีการ NLP ที่มีอยู่ส่วนใหญ่ต้องมีการดูแลจากมนุษย์ แม้ว่าจะดีกว่าการทำด้วยมือ แต่ก็ยังคงเป็นงานที่ต้องใช้แรงงาน” แต่นักวิจัยที่เตรียมงานวิจัยนี้ได้สร้างระบบ AI ที่สามารถระบุและดึงข้อมูลได้อย่างแม่นยำและอิสระ โดยใช้เทคนิคที่ซับซ้อนตามคุณสมบัติทางสถิติและเรขาคณิตของข้อมูลเพื่อระบุชื่อทางเคมี แนวคิดและโครงสร้าง ซึ่งอาศัยข้อมูลจากบทคัดย่อของงานวิจัยทางวิทยาศาสตร์เกี่ยวกับวัสดุศาสตร์จำนวน 1.5 ล้านเรื่อง

จากนั้น โปรแกรมการเรียนรู้ของเครื่องจึง “จัดประเภทคำในข้อมูลตามคุณลักษณะเฉพาะ เช่น ‘ธาตุ’, ‘พลังงาน’ และ ‘ผู้จัดผสม’” ตัวอย่างเช่น “ความร้อน” ถูกจัดประเภทเป็น “พลังงาน” และ “ก๊าซ” เป็น “ธาตุ” ซึ่งช่วยเชื่อมโยงสารประกอบบางชนิดกับชนิดของแม่เหล็กและความคล้ายคลึงกับวัสดุอื่นๆ ซึ่งให้ข้อมูลเชิงลึกเกี่ยวกับวิธีการเชื่อมโยงคำเหล่านี้โดยไม่ต้องมีการแทรกแซงจากมนุษย์

วิธีนี้ทำให้ AI สามารถ “จับข้อมูลความสัมพันธ์ที่ซับซ้อนและระบุระดับข้อมูลที่แตกต่างกัน ซึ่งจะเป็นไปไม่ได้สำหรับมนุษย์” ทำให้สามารถให้ข้อมูลเชิงลึกได้ล่วงหน้าเมื่อเทียบกับวิทยาศาสตร์ที่ทำอยู่ในขณะนี้ AI จริงๆ แล้วแนะนำวัสดุ “สำหรับการใช้งานเชิงหน้าที่หลายปีก่อนที่จะถูกค้นพบจริงๆ มีการคาดการณ์ 5 รายการ ซึ่งทั้งหมดอาศัยจากเอกสารที่ตีพิมพ์ก่อนปี 2009 ตัวอย่างเช่น AI สามารถระบุสารที่เรียกว่า CsAgGa2Se4as เป็นวัสดุเทอร์โมอิเล็กทริก ซึ่งวิทยาศาสตร์ค้นพบในปี 2012 ดังนั้น หาก AI มีอยู่ในปี 2009 ก็อาจเร่งการค้นพบได้”