大約70年前，著名的數學家，程式碼先驅者和電腦科學家艾倫·圖靈（Alan Turing）問：“機器能思考嗎？” 現在，一些專家毫不懷疑，人工智慧（AI）很快將能夠開發人類擁有的那種通用智慧。但是其他人則認為機器永遠無法達到預期的目標。儘管在某些任務上，人工智慧已經可以超越人類，就像計算器一樣，但它們卻無法教給人類創造力。

畢竟，我們的創造力有時是出於熱情和直覺而不是邏輯和推理的驅使，使我們能夠做出驚人的發現-從疫苗到基本粒子。當然，人工智慧將永遠無法與我們競爭嗎？好吧，事實證明他們可能會這麼做。最近在《自然》雜誌上發表的一篇論文指出，人工智慧現在已經能夠通過簡單地從研究出版物中提取有意義的資料來預測未來的科學發現。

語言與思維有著深厚的聯絡，它已經塑造了人類社會，人際關係，並最終影響了智力。因此，人工智慧研究的意義是對人類語言的所有細微差別的充分理解也就不足為奇了。自然語言處理（NLP）是稱為機器學習的更大保護傘的一部分，它在評估，提取和評估文字資料中的資訊。

兒童通過反覆試驗與周圍的世界互動學習。學習如何騎單車經常會遇到一些顛簸和跌落。換句話說，我們犯了錯誤並從中學習。這恰恰是機器學習的執行方式，有時還需要一些額外的“教育”輸入（監督的機器學習）。

例如，AI可以通過從許多單獨的示例中構建物件的圖片來學習識別影象中的物件。在這裡，人類必須向其顯示是否包含該物體的影象。然後，計算機對是否會做出猜測，並根據猜測的準確性調整統計模型（由人類判斷）。但是，我們也可以讓計算機程式自己完成所有相關的學習（無監督機器學習）。在這裡，AI自動開始能夠檢測資料中的模式。無論哪種情況，計算機程式都需要通過評估錯誤程度來找到解決方案，然後嘗試對其進行調整以最大程度地減少此類錯誤。

假設我們想了解與特定材料有關的一些特性。顯而易見的步驟是從書籍，網頁和任何其他適當的資源中搜索資訊。但是，這很耗時，因為它可能涉及數小時的網路搜尋，閱讀文章和專業文獻。NLP可以幫助我們。通過複雜的方法和技術，計算機程式可以從大型文字資料集中識別概念，相互關係，一般主題和特定屬性。

在這項新研究中，人工智慧學會了通過無監督學習從科學文獻中檢索資訊。這具有顯著的意義。到目前為止，大多數基於NLP的自動化自動方法都受到監督，需要人工輸入。儘管與純手工方法相比有所改進，但這仍然是一項勞動密集型工作。

但是，在這項新研究中，研究人員建立了一個可以獨立準確地識別和提取資訊的系統。它使用了基於資料統計和幾何特性的複雜技術來識別化學名稱，概念和結構。這是基於約150萬篇有關材料科學的科學論文摘要。

然後，機器學習程式會根據諸如“元素”，“能量學”和“粘合劑”之類的特定特徵對資料中的單詞進行分類。例如，“熱”被歸類為“能量學”的一部分，“氣體”被歸類為“元素”。這有助於將具有磁性型別和與其他材料相似性的某些化合物連線起來，從而提供了在不需要人工干預的情況下單詞如何關聯的見解。

科學發現

這種方法可以捕獲複雜的關係並識別不同的資訊層，這實際上是人類無法實現的。與科學家目前可以預測的相比，它提前提供了深刻的見解。實際上，人工智慧可以在實際發現前幾年為功能性應用推薦材料。有五種這樣的預測，所有這些預測都是基於2009年之前發表的論文。例如，AI設法識別出一種稱為CsAgGa2Se4as的物質作為熱電材料，科學家在2012年才發現了。因此，如果AI出現在2009年左右，這可能會加快發現速度。

它通過將化合物與諸如“硫族化物”（包含“硫族元素”的材料，例如硫或硒的材料），“光電”（提供，檢測和控制光的電子裝置）和“光伏應用”等詞聯絡起來進行預測。許多熱電材料都具有這種特性，而AI很快證明了這一點。

這表明有關未來發現的潛在知識在很大程度上已嵌入過去的出版物中。人工智慧系統變得越來越獨立。沒有什麼可擔心的。它們可以極大地幫助我們瀏覽由人類活動不斷產生的大量資料和資訊。儘管與隱私和安全有關，但人工智慧正在改變我們的社會。我相信它將引導我們做出更好的決策，改善我們的日常生活。