Existe un debate en curso entre los investigadores de IA sobre si la Inteligencia Artificial, como La próxima web (TNW) notas, “será pronto ser capaz de desarrollar el tipo de inteligencia general que tienen los humanos”, con acalorados argumentos a favor y en contra.
Pero hay otro campo del conocimiento en el que la IA está dando pasos de gigante, y es con Procesamiento natural del lenguaje (NLP), una parte de un paraguas mucho más grande de aprendizaje automático, con «el objetivo de evaluar, extraer y evaluar información de datos textuales». A tal efecto, TNW señala un documento recientemente publicado en Nature que informa que una IA ahora ha «logrado predecir futuros descubrimientos científicos simplemente extrayendo datos significativos de publicaciones de investigación».
Investigar y comprender una pregunta científica específica requiere el paso obvio de consultar libros, publicaciones especializadas, páginas web y cualquier otra fuente relevante. Por supuesto, este puede ser un ejercicio que requiere mucho tiempo, especialmente si tenemos un problema o una pregunta muy compleja entre manos. Ahí es donde entra la PNL. Mediante el uso 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».
Como se analiza en el estudio mencionado anteriormente, “hasta ahora, la mayoría de los métodos basados en PNL automatizados existentes están supervisados y requieren la participación de humanos. A pesar de ser una mejora en comparación con un enfoque puramente manual, este sigue siendo un trabajo que requiere mucha mano de obra”. Pero los investigadores que prepararon este artículo pudieron crear un sistema de IA que “podría identificar y extraer información con precisión de forma independiente. Usó técnicas sofisticadas basadas en propiedades estadísticas y geométricas de los datos para identificar nombres, conceptos y estructuras químicas. Esto se basó en alrededor de 1,5 millones de resúmenes de artículos científicos sobre ciencia de los materiales”.
Luego, este programa de aprendizaje automático “clasificó palabras en los datos en función de características específicas como “elementos”, “energética” y “aglutinantes”. Por ejemplo, el “calor” se clasificó como parte de la “energética” y el “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 se conectaban las palabras sin necesidad de intervención humana”.
Este método hizo posible que la IA «capturara relaciones complejas e identificara diferentes capas de información, lo que sería prácticamente imposible de realizar por humanos». Esto hizo posible brindar información mucho más avanzada en comparación con lo que los científicos que se ocupan del campo son capaces de hacer en este momento. AI en realidad recomendó materiales “para aplicaciones funcionales varios años antes de su descubrimiento real. Hubo cinco predicciones de este tipo, todas basadas en artículos publicados antes del año 2009. Por ejemplo, la IA logró identificar una sustancia conocida como CsAgGa2Se4as como un material termoeléctricoque los científicos descubrieron recién en 2012. Entonces, si la IA hubiera existido en 2009, podría haber acelerado el descubrimiento”.