Indhold
- AI og maskinlæring
- AI finder skjult viden
- Potentielle anvendelser og applikationer
- Fremtiden for AI og forskning
Kunstig intelligens (AI) kan allerede udføre mange af de opgaver, som mennesker sætter en ære i, såsom at spille skak og handle med aktier. Nu afslørede en ny undersøgelse fra U.S. Department of Energy's Lawrence Berkeley National Laboratory, at AI er i stand til at læse gamle videnskabelige artikler for at finde en opdagelse, som folk savnede. Hvad betyder dette for fremtiden eller forskningen?
AI og maskinlæring
På Lawrence Berkeley National Laboratory sammensatte forskere 3,3 millioner abstracts fra videnskabelige artikler, der oprindeligt blev offentliggjort fra 1922 til 2018. De skabte en kaldet algoritme Word2vec at analysere sammendragene fra 1.000 forskellige tidsskrifter. Det ser ud til, at selv kunstig intelligens ikke har tid til at læse de komplette artikler.
Word2vec vurderede 500.000 ord fra artiklerne om materialevidenskab. AI brugte maskinlæring, som er et program, der giver det mulighed for at lære og foretage forbedringer uden specifik programmering, til at omdanne ord til tal og finde forbindelser blandt dem.
AI finder skjult viden
Forskere påpegede, at AI ikke havde "nogen træning i materialevidenskab", men var i stand til at bruge matematiske modeller og maskinlæring til at finde forbindelser mellem artiklerne. Word2vec var i stand til at forstå betydningen af ordene for at finde skjult viden, som mennesker gik glip af.
Papirerne handlede om termoelektriske materialer, som kan producere elektricitet på grund af en forskel i temperatur. For eksempel kan de omdanne varme til elektricitet. Silicium-germanium-legeringer er et eksempel på termoelektriske materialer.
Word2vec regnede ud, hvad der ville gøre de bedste termoelektriske materialer og fremsatte nøjagtige forudsigelser om fremtidige opdagelser, da forskere stoppede abstracterne i 2008. Dette betyder, at AI var i stand til at bruge tidligere viden til at forudsige, hvad forskere fandt i senere år. Derudover regnede Word2vec strukturen med det periodiske system uden forskere at skulle programmere det.
Potentielle anvendelser og applikationer
Forskere mener, at hvis denne AI eksisterede i fortiden, kunne den have fremskyndet materialevidenskabelig forskning på en betydelig måde. Indtil videre har forskere lavet AIs-listen over de bedste termoelektriske materialer, der er tilgængelige for offentligheden. De planlægger også at offentliggøre algoritmen bag Word2vec, så andre kan bruge den, og de ønsker at skabe en bedre søgemaskine til abstracts.
AIs evne til at scanne tidligere offentliggjort arbejde og gøre nye opdagelser er en kraftfuld funktion. Det anslås, at fra 1665 til 2009 er der offentliggjort 50 millioner tidsskriftsartikler. I dag, ca. 2,5 millioner artikler offentliggøres hvert år, og der er mere end 20.000 peer-reviewede tidsskrifter.
Når du kombinerer intens konkurrence om at udgive mere arbejde med et voksende antal forskere overalt i verden, får du en eksplosion af information, som næsten umuligt er for et menneske at analysere. En undersøgelse af James Evans afslører en anden bekymring: Forskere ignorerer ældre forskning og citerer færre undersøgelser generelt. Dette skaber muligheden for, at de mangler eller duplikerer tidligere arbejde uden at indse det.
AI kan hjælpe ved at kæmpe gennem ældre forskning for at finde relevante kilder og bedre citater. Det kan også hjælpe med at skabe forbindelser mellem forskellige undersøgelser, som folk kan gå glip af.
Fremtiden for AI og forskning
Hvad betyder væksten af AI og udvidelsen af dens evner for forskning? Nogle forskere bifalder ændringerne og omfavner ny teknologi. De tror, at kunstig intelligens vil være i stand til at gøre opdagelser, der forbedrer folks liv.
Andre bekymrer sig for, at AI vil erstatte folk og eliminere job. Kritikere af AI er bekymrede for, at det vil gøre mennesker dovne, fordi maskiner vil være i stand til at udføre de fleste opgaver. Uanset hvilken side af AI-debatten, du er om, er det klart, at der ikke findes nogen lette løsninger.