AI có thể được đào tạo để đưa ra dự đoán khoa học một cách độc lập dựa trên kiến ​​thức trước đây

Có một cuộc tranh luận đang diễn ra giữa các nhà nghiên cứu AI liệu Trí tuệ nhân tạo, như Web tiếp theo (TNW) ghi chú, â €sẽ sớm có thể phát triển các loại trí thông minh nói chung mà con người có,” với những lập luận sôi nổi ủng hộ và phản đối.

Nhưng vẫn còn một lĩnh vực kiến ​​thức khác mà AI đang có những bước tiến vượt bậc, đó là với Xử lý ngôn ngữ tự nhiên (NLP), một phần của lĩnh vực học máy lớn hơn nhiều, với “mục đích đánh giá, trích xuất và đánh giá thông tin từ dữ liệu văn bản”. Để đạt được hiệu quả đó, TNW chỉ ra một bài báo được xuất bản gần đây trên tạp chí Nature trong đó báo cáo rằng AI hiện đã “quản lý để dự đoán những khám phá khoa học trong tương lai bằng cách trích xuất dữ liệu có ý nghĩa từ các ấn phẩm nghiên cứu.”

Nghiên cứu và hiểu một vấn đề khoa học cụ thể đòi hỏi một bước rõ ràng là tham khảo sách, ấn phẩm chuyên ngành, trang web và bất kỳ nguồn liên quan nào khác. Tất nhiên, đây có thể là một bài tập cực kỳ tốn thời gian, đặc biệt nếu chúng ta có một vấn đề hoặc câu hỏi rất phức tạp trong tầm tay. Đó là nơi NLP xuất hiện. Bằng cách sử dụng “các phương pháp và kỹ thuật phức tạp, các chương trình máy tính có thể xác định các khái niệm, mối quan hệ lẫn nhau, các chủ đề chung và các thuộc tính cụ thể từ các bộ dữ liệu văn bản lớn.”

Như đã thảo luận trong nghiên cứu nói trên, “cho đến nay, hầu hết các phương pháp dựa trên NLP tự động hiện có đều được giám sát, yêu cầu đầu vào từ con người. Mặc dù là một cải tiến so với cách tiếp cận hoàn toàn thủ công, nhưng đây vẫn là một công việc sử dụng nhiều lao động.” Nhưng các nhà nghiên cứu chuẩn bị bài báo này đã có thể tạo ra một hệ thống AI “có thể xác định chính xác và trích xuất thông tin một cách độc lập. Nó đã sử dụng các kỹ thuật phức tạp dựa trên các thuộc tính thống kê và hình học của dữ liệu để xác định tên, khái niệm và cấu trúc hóa học. Điều này dựa trên khoảng 1.5 triệu bản tóm tắt các bài báo khoa học về khoa học vật liệu.”

Sau đó, chương trình học máy này “các từ được phân loại trong dữ liệu dựa trên các tính năng cụ thể như “yếu tố”, “năng lượng” và “chất kết dính”. Ví dụ: "nhiệt" được phân loại là một phần của "năng lượng" và "khí" là "yếu tố". Điều này giúp kết nối một số hợp chất với các loại từ tính và sự tương đồng với các vật liệu khác trong số những thứ khác, cung cấp cái nhìn sâu sắc về cách các từ được kết nối mà không cần sự can thiệp của con người.”

Phương pháp này giúp AI có thể “nắm bắt các mối quan hệ phức tạp và xác định các lớp thông tin khác nhau, điều mà con người hầu như không thể thực hiện được.” Điều này giúp có thể đưa ra những hiểu biết sâu sắc trước mắt so với những gì các nhà khoa học làm việc trong lĩnh vực này có thể làm vào thời điểm này. AI thực sự đã đề xuất các vật liệu “cho các ứng dụng chức năng vài năm trước khi chúng được khám phá thực tế. Có năm dự đoán như vậy, tất cả đều dựa trên các bài báo xuất bản trước năm 2009. Ví dụ, AI đã xác định được một chất có tên CsAgGa2Se4as là một vật liệu nhiệt điện, mà các nhà khoa học chỉ phát hiện ra vào năm 2012. Vì vậy, nếu AI xuất hiện vào năm 2009, thì nó có thể đẩy nhanh quá trình khám phá.”