• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Cómo una IA entrenada para leer artículos científicos podría predecir descubrimientos futuros

    Crédito:CC0 Public Domain

    "¿Pueden pensar las máquinas?", preguntó el famoso matemático, el descifrador de códigos y científico informático Alan Turing hace casi 70 años. Hoy dia, Algunos expertos no tienen ninguna duda de que la Inteligencia Artificial (IA) pronto podrá desarrollar el tipo de inteligencia general que tenemos los humanos. Pero otros argumentan que las máquinas nunca estarán a la altura. Aunque la IA ya puede superar a los humanos en ciertas tareas, al igual que las calculadoras, no se les puede enseñar la creatividad humana.

    Después de todo, nuestro ingenio, que a veces es impulsado por la pasión y la intuición en lugar de la lógica y la evidencia, nos ha permitido hacer descubrimientos espectaculares, desde vacunas hasta partículas fundamentales. ¿Seguramente una IA nunca podrá competir? Bien, resulta que podrían. Un artículo publicado recientemente en Nature informa que una IA ha logrado predecir futuros descubrimientos científicos simplemente extrayendo datos significativos de publicaciones de investigación.

    El lenguaje tiene una conexión profunda con el pensamiento, y ha dado forma a las sociedades humanas, relaciones y, por último, inteligencia. Por lo tanto, No es sorprendente que el santo grial de la investigación de la IA sea la comprensión total del lenguaje humano en todos sus matices. Procesamiento del lenguaje natural (NLP), que forma parte de un marco mucho más amplio denominado aprendizaje automático, tiene como objetivo evaluar, extraer y evaluar información de datos textuales.

    Los niños aprenden interactuando con el mundo circundante a través de prueba y error. Aprender a andar en bicicleta a menudo implica algunos golpes y caídas. En otras palabras, cometemos errores y aprendemos de ellos. Esta es precisamente la forma en que funciona el aprendizaje automático, a veces con algún aporte "educativo" adicional (aprendizaje automático supervisado).

    Por ejemplo, una IA puede aprender a reconocer objetos en imágenes construyendo una imagen de un objeto a partir de muchos ejemplos individuales. Aquí, un humano debe mostrarle imágenes que contengan el objeto o no. Luego, la computadora adivina si lo hace, y ajusta su modelo estadístico de acuerdo con la precisión de la conjetura, según lo juzgue el humano. Sin embargo, también podemos dejar que el programa informático realice todo el aprendizaje relevante por sí mismo (aprendizaje automático no supervisado). Aquí, La IA comienza a detectar patrones en los datos automáticamente. En cualquier caso, un programa de computadora necesita encontrar una solución evaluando qué tan equivocado es, y luego intente ajustarlo para minimizar dicho error.

    Supongamos que queremos comprender algunas propiedades relacionadas con un material específico. El paso obvio es buscar información en libros, páginas web y cualquier otro recurso apropiado. Sin embargo, esto lleva mucho tiempo, ya que puede implicar horas de búsqueda en la web, lectura de artículos y literatura especializada. PNL puede, sin embargo, Ayúdanos. A través de métodos y técnicas sofisticados, los programas de computadora pueden identificar conceptos, relaciones mutuas, temas generales y propiedades específicas de grandes conjuntos de datos textuales.

    En el nuevo estudio, una IA aprendió a recuperar información de la literatura científica a través del aprendizaje no supervisado. Esto tiene implicaciones notables. Hasta aquí, la mayoría de los métodos automatizados basados ​​en PNL existentes están supervisados, requiriendo aportes de humanos. A pesar de ser una mejora en comparación con un enfoque puramente manual, este sigue siendo un trabajo intensivo en mano de obra.

    Sin embargo, en el nuevo estudio, los investigadores crearon un sistema que podía identificar y extraer información con precisión de forma independiente. Usó técnicas sofisticadas basadas en propiedades estadísticas y geométricas de los datos para identificar nombres químicos, conceptos y estructuras. Esto se basó en aproximadamente 1,5 millones de resúmenes de artículos científicos sobre ciencia de materiales.

    Luego, un programa de aprendizaje automático clasificó palabras en los datos según características específicas, como "elementos", "energéticos" y "aglutinantes". Por ejemplo, "calor" se clasificó como parte de "energéticos", y "gas" como "elementos". Esto ayudó a conectar ciertos compuestos con tipos de magnetismo y similitud con otros materiales, entre otras cosas. proporcionando una idea de cómo las palabras estaban conectadas sin necesidad de intervención humana.

    Descubrimientos cientificos

    Este método podría capturar relaciones complejas e identificar diferentes capas de información, lo cual sería virtualmente imposible de llevar a cabo por humanos. Proporcionó información con mucha anticipación en comparación con lo que los científicos pueden predecir en este momento. De hecho, la IA podría recomendar materiales para aplicaciones funcionales varios años antes de su descubrimiento real. Hubo cinco de tales predicciones, todo basado en artículos publicados antes del año 2009. Por ejemplo, la IA logró identificar una sustancia conocida como CsAgGa2Se4as como material termoeléctrico, que los científicos solo descubrieron en 2012. Entonces, si la IA hubiera existido en 2009, podría haber acelerado el descubrimiento.

    Hizo la predicción conectando el compuesto con palabras como "calcogenuro" (material que contiene "elementos calcógenos" como azufre o selenio), "optoelectrónicos" (dispositivos electrónicos que generan, detectar y controlar la luz) y "aplicaciones fotovoltaicas". Muchos materiales termoeléctricos comparten tales propiedades, y la IA se apresuró a demostrarlo.

    Esto sugiere que el conocimiento latente sobre los descubrimientos futuros está en gran medida incrustado en publicaciones pasadas. Los sistemas de IA son cada vez más independientes. Y no hay nada que temer. Pueden ayudarnos enormemente a navegar a través de la enorme cantidad de datos e información, que está siendo creado continuamente por actividades humanas. A pesar de las preocupaciones relacionadas con la privacidad y la seguridad, La IA está cambiando nuestras sociedades. Creo que nos llevará a tomar mejores decisiones, mejorar nuestra vida diaria y, en última instancia, hacernos más inteligentes.

    Este artículo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el artículo original.




    © Ciencia https://es.scienceaq.com