Trí tuệ nhân tạo có thể được đào tạo để độc lập đưa ra dự đoán khoa học dựa trên kiến thức trước đó

Có một cuộc tranh luận đang diễn ra giữa các nhà nghiên cứu trí tuệ nhân tạo về việc liệu Trí tuệ nhân tạo, như TheNext Web (TNW) lưu ý, “sẽ sớm được phát triển loại trí tuệ tổng quát mà con người có,” với những lập luận gay gắt cho và chống lại.

Nhưng vẫn còn một lĩnh vực kiến thức khác mà trí tuệ nhân tạo đang làm những bước tiến khổng lồ, và đó là với Xử lý ngôn ngữ tự nhiên (NLP), một phần của một chiếc ô lớn hơn của học máy, với “mục tiêu đánh giá, trích xuất và đánh giá thông tin từ dữ liệu văn bản.” Để đạt được điều này, TNW chỉ ra một bài báo được xuất bản gần đây trên Nature cho biết một trí tuệ nhân tạo đã “đã quản lý để dự đoán các khám phá khoa học trong tương lai bằng cách đơn giản trích xuất dữ liệu có ý nghĩa từ các ấn phẩm nghiên cứu.”

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

Như được thảo luận trong nghiên cứu được đề cập, “cho đến nay, hầu hết các phương pháp NLP tự động hiện có đều được giám sát, đòi hỏi sự đầu vào từ con người. Mặc dù đây là một cải tiến so với phương pháp hoàn toàn thủ công, nhưng đây vẫn là một công việc đòi hỏi nhiều lao động.” Nhưng các nhà nghiên cứu đã chuẩn bị bài báo này đã có thể tạo ra một hệ thống trí tuệ nhân tạo “có thể xác định và trích xuất thông tin một cách chính xác và độc lập. Nó sử dụng các kỹ thuật tinh vi dựa trên các thuộc tính thống kê và hình học của dữ liệu để xác định tên hóa học, khái niệm và cấu trúc. Điều này dựa trên khoảng 1,5 triệu tóm tắt của các bài báo khoa học về khoa học vật liệu.”

Sau đó, chương trình học máy này “phân loại từ trong dữ liệu dựa trên các tính năng cụ thể như “nguyên tố”, “năng lượng” và “chất kết dính”. Ví dụ, “nhiệt” được phân loại là một phần của “năng lượng”, và “khí” là “nguyên tố”. Điều này giúp kết nối các hợp chất nhất định với các loại từ tính và sự tương tự với các vật liệu khác, cung cấp thông tin về cách các từ được kết nối mà không cần sự can thiệp của con người.”

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