Штучна інтелектуальна система може бути навчена робити самостійні наукові передбачення на основі попередніх знань

Триває дискусія серед дослідників штучного інтелекту щодо того, чи зможе штучна інтелектуальна система, як зазначає TheNext Web (TNW), “в найближчому майбутньому розвинути такий же рівень загальної інтелектуальності, як у людей,” з палкими аргументами за і проти.

Але є ще одна галузь знань, де штучна інтелектуальна система робить гігантські кроки вперед, а саме в галузі обробки природної мови (НЛП), яка є частиною великої галузі машинного навчання, з метою “оцінки, витягнення та оцінки інформації з текстових даних.” Для цього TNW посилається на статтю щойно опубліковану в Nature, яка повідомляє, що штучна інтелектуальна система “змігла передбачити майбутні наукові відкриття, просто витягуючи значимі дані з наукових публікацій.”

Дослідження та розуміння конкретного наукового питання вимагає очевидного кроку – консультації книг, спеціалізованих публікацій, веб-сторінок та інших відповідних джерел. Очевидно, що це може бути дуже часу витратним заняттям, особливо якщо у нас є дуже складна проблема або питання. Саме тут вступає в дію НЛП. За допомогою “складних методів і технік комп’ютерні програми можуть ідентифікувати концепції, взаємозв’язки, загальні теми та конкретні властивості з великих текстових даних.”

Як обговорюється в згаданому дослідженні, “до цього часу більшість існуючих автоматизованих методів НЛП засновані на нагляді, що вимагає введення інформації людиною. Хоча це і є покращенням порівняно з чисто ручним підходом, це все ще досить трудомістке завдання.” Але дослідники, які підготували цю статтю, змогли створити систему штучної інтелектуальної системи, яка “мігла точно ідентифікувати та витягнути інформацію самостійно. Вона використовувала складні методи, засновані на статистичних та геометричних властивостях даних, для ідентифікації хімічних назв, концепцій та структур. Це було засновано на близько 1,5 мільйонах анотацій наукових робіт з матеріалознавства.”

Потім ця програма машинного навчання “класифікувала слова в даних за конкретними ознаками, такими як “елементи”, “енергетика” та “зв’язуючі речовини”. Наприклад, “тепло” було класифіковано як частина “енергетики”, а “газ” – як “елементи”. Це допомогло зв’язати певні сполуки з типами магнетизму та подібністю з іншими матеріалами серед іншого, забезпечуючи інформацію про те, як слова були пов’язані без жодного втручання людини.”

Цей метод дозволив штучній інтелектуальної системі “записати складні взаємозв’язки та ідентифікувати різні рівні інформації, що було б практично неможливо зробити людині.” Це дозволило надати уявлення про майбутнє, значно випереджаючи те, що можуть зробити науковці в цій галузі зараз. Штучна інтелектуальна система фактично рекомендувала матеріали “для функціональних застосунків за кілька років до їхнього фактичного відкриття. Було п’ять таких передбачень, усі засновані на статтях, опублікованих до 2009 року. Наприклад, штучна інтелектуальна система змогла ідентифікувати речовину, відому як CsAgGa2Se4as, як термоелектричний матеріал, який науковці відкрили лише у 2012 році. Отже, якщо б штучна інтелектуальна система існувала у 2009 році, вона могла б прискорити відкриття.”