Tekoäly (AI) voi jo suorittaa monia tehtäviä, joista ihmiset ovat ylpeitä, kuten shakkia ja osakekauppaa. Nyt Yhdysvaltain energiaministeriön Lawrence Berkeleyn kansallisen laboratorion uusi tutkimus paljasti, että tekoäly pystyy lukemaan vanhoja tieteellisiä julkaisuja löytääkseen ihmiset, joita ihmiset kaipasivat. Mitä tämä tarkoittaa tulevaisuudessa tai tutkimuksessa?
Tekoäly ja koneoppiminen
Lawrence Berkeleyn kansallisessa laboratoriossa tutkijat kokoontuivat 3,3 miljoonaatiivistelmät tieteellisistä julkaisuista, jotka julkaistiin alun perin vuosina 1922-2018. He loivat algoritmin nimeltä Word2vec analysoida tiivistelmiä 1000 eri lehdestä. Vaikuttaa siltä, että edes tekoälyllä ei ole aikaa lukea kokonaisia papereita.
Word2vec arvioitu 500000 sanaa materiaalitieteen papereista. Tekoäly käytti koneoppimista, joka on sovellus, jonka avulla se voi oppia ja tehdä parannuksia ilman erityistä ohjelmointia, muuttaa sanat numeroiksi ja löytää yhteyksiä niiden joukosta.
Tekoäly löytää piilotettua tietoa
Tutkijat huomauttavat, että tekoäly oli "ei materiaalitieteen koulutusta"mutta osasi käyttää matemaattisia malleja ja koneoppimista yhteyksien löytämiseen paperien joukosta. Word2vec pystyi ymmärtämään sanojen merkityksen löytääksesi piilotetun tiedon, jota ihmiset kaipasivat.
Papereissa kerrottiin lämpösähköisistä materiaaleista, jotka voivat tuottaa sähköä lämpötilaeron vuoksi. Ne voivat esimerkiksi muuttaa lämmön sähköksi. Pii-germaaniumseokset ovat esimerkki lämpösähköisistä materiaaleista.
Word2vec selvitti, mikä tekisi parhaita lämpösähköisiä materiaaleja, ja ennusti tarkasti tulevia löytöjä, kun tutkijat lopettivat tiivistelmät vuonna 2008. Tämä tarkoittaa, että tekoäly pystyi käyttämään aikaisempaa tietoa ennustamaan, mitä tutkijat löysivät myöhempinä vuosina. Lisäksi Word2vec selvitti jaksollisen taulukon rakenteen tutkijoiden ei tarvitse ohjelmoida sitä.
Mahdolliset käyttötarkoitukset ja sovellukset
Tutkijat ajattelevat, että jos tämä tekoäly olisi ollut olemassa aiemmin, se olisi voinut nopeuttaa materiaalitutkimusta merkittävällä tavalla. Toistaiseksi tutkijat ovat saattaneet tekoälyn luettelon parhaista lämpösähkömateriaaleista yleisön saataville. He aikovat myös tehdä Word2vecin takana olevan algoritmin julkiseksi, jotta muut voivat käyttää sitä, ja he haluavat luoda paremman hakukoneen tiivistelmille.
Tekoälyn kyky skannata aiemmin julkaistuja teoksia ja tehdä uusia löytöjä on tehokas ominaisuus. On arvioitu, että vuosina 1665–2009 50 miljoonaa lehtiartikkelia on julkaistu. Tänään noin 2,5 miljoonaa artikkelia julkaistaan vuosittain, ja vertaisarvioituja lehtiä on yli 20000.
Kun yhdistät kovan kilpailun julkaistaaksesi enemmän töitä kasvavan määrän tutkijoiden kanssa ympäri maailmaa, saat räjähdysmäisen tiedon, jota kenenkään ihmisen on lähes mahdotonta analysoida. James Evansin tutkimus paljastaa toisen huolen: Tutkijat jättävät huomiotta vanhemmat tutkimukset ja viittaavat vähemmän tutkimuksiin yleensä. Tämä luo heille mahdollisuuden puuttua tai kopioida aiempia töitä huomaamatta sitä.
Tekoäly voi auttaa seuraamalla vanhempia tutkimuksia löytääkseen asiaankuuluvia lähteitä ja parempia viittauksia. Se voi myös auttaa luomaan yhteyksiä eri tutkimusten välillä, joista ihmiset voivat puuttua.
Tekoälyn ja tutkimuksen tulevaisuus
Mitä tekoälyn kasvu ja sen kykyjen laajentuminen merkitsevät tutkimusta? Jotkut tutkijat ovat tyytyväisiä muutoksiin ja omaksuvat uuden tekniikan. He uskovat, että tekoäly pystyy tekemään löytöjä, jotka parantavat ihmisten elämää.
Toiset huolestuvat siitä, että tekoäly korvaa ihmiset ja poistaa työpaikat. Tekoälyn kriitikot ovat huolissaan siitä, että se tekee ihmisistä laiskoja, koska koneet pystyvät tekemään suurimman osan tehtävistä. Kumpaakin tekoälykeskustelun puolta oletkin, on selvää, että helppoja ratkaisuja ei ole.