人工智能可以经过训练，根据先前的知识独立做出科学预测

人工智能研究人员之间一直存在争论，人工智能是否可以作为 下一个网络 (TNW) 注意，“将 很快就能 发展出那种 一般情报 人类拥有的”，并有激烈的支持和反对争论。

但人工智能在另一个知识领域正在取得巨大进步，那就是 自然语言处理 （NLP），机器学习更大范围的一部分，“旨在评估、提取和评估文本数据中的信息”。为此，TNW 指出了一篇论文 最近发表在《自然》杂志上 报告称，人工智能现在“通过简单地从研究出版物中提取有意义的数据，成功地预测了未来的科学发现”。

研究和理解特定的科学问题显然需要查阅书籍、专业出版物、网页和任何其他相关来源。 当然，这可能是一项极其耗时的工作，特别是当我们手头有一个非常复杂的问题或疑问时。 这就是 NLP 的用武之地。通过使用“通过复杂的方法和技术，计算机程序可以从大型文本数据集中识别概念、相互关系、一般主题和特定属性。”

正如上述研究中所讨论的，“到目前为止，大多数现有的基于 NLP 的自动化方法都是有监督的，需要人类的输入。 尽管与纯手工方法相比有所改进，但这仍然是一项劳动密集型工作。” 但准备这篇论文的研究人员能够创建一个“能够独立准确识别和提取信息的人工智能系统。 它使用基于数据统计和几何特性的复杂技术来识别化学名称、概念和结构。 这是基于大约 1.5 万份材料科学科学论文摘要。”

然后，这个机器学习程序“根据“元素”、“能量”和“粘合剂”等特定特征对数据中的单词进行分类。 例如，“热”被归类为“能量学”的一部分，“气体”被归类为“元素”。 这有助于将某些化合物与磁性类型以及与其他材料的相似性等联系起来，从而提供关于这些单词如何在不需要人工干预的情况下联系起来的见解。”

这种方法使人工智能能够“捕捉复杂的关系并识别不同层次的信息，这几乎是人类不可能完成的。” 与该领域的科学家目前所能做的相比，这使得我们能够提前提供见解。 实际上，人工智能在实际发现材料之前几年就推荐了“用于功能应用的材料”。 有五个这样的预测，全部基于 2009 年之前发表的论文。例如，人工智能成功地将一种名为 CsAgGa2Se4 的物质识别为 热电材料，科学家们在 2012 年才发现这一点。因此，如果人工智能在 2009 年就出现了，它可能会加速这一发现。”