Crédit :CC0 Domaine public
"Les machines peuvent-elles penser ?", demanda le célèbre mathématicien, le briseur de code et informaticien Alan Turing il y a près de 70 ans. Aujourd'hui, certains experts ne doutent pas que l'intelligence artificielle (IA) sera bientôt en mesure de développer le type d'intelligence générale dont disposent les humains. Mais d'autres soutiennent que les machines ne seront jamais à la hauteur. Bien que l'IA puisse déjà surpasser les humains sur certaines tâches, tout comme les calculatrices, on ne peut pas leur enseigner la créativité humaine.
Après tout, notre ingéniosité, qui est parfois motivé par la passion et l'intuition plutôt que par la logique et l'évidence, nous a permis de faire des découvertes spectaculaires, allant des vaccins aux particules fondamentales. Une IA ne pourra sûrement jamais rivaliser ? Bien, il s'avère qu'ils pourraient. Un article récemment publié dans Nature rapporte qu'une IA a maintenant réussi à prédire les futures découvertes scientifiques en extrayant simplement des données significatives à partir de publications de recherche.
La langue a un lien profond avec la pensée, et il a façonné les sociétés humaines, relations et, finalement, intelligence. Par conséquent, il n'est pas surprenant que le Saint Graal de la recherche sur l'IA soit la pleine compréhension du langage humain dans toutes ses nuances. Traitement automatique du langage naturel (TALN), qui fait partie d'un ensemble beaucoup plus vaste appelé apprentissage automatique, vise à évaluer, extraire et évaluer des informations à partir de données textuelles.
Les enfants apprennent en interagissant avec le monde environnant par essais et erreurs. Apprendre à faire du vélo implique souvent quelques chocs et chutes. En d'autres termes, nous faisons des erreurs et nous apprenons d'elles. C'est précisément la façon dont fonctionne l'apprentissage automatique, parfois avec un apport « éducatif » supplémentaire (apprentissage automatique supervisé).
Par exemple, une IA peut apprendre à reconnaître des objets dans des images en construisant une image d'un objet à partir de nombreux exemples individuels. Ici, un humain doit lui montrer des images contenant l'objet ou non. L'ordinateur fait alors une supposition pour savoir si c'est le cas, et ajuste son modèle statistique en fonction de la précision de l'estimation, comme jugé par l'humain. Cependant, nous pouvons également laisser le programme informatique faire tout l'apprentissage pertinent par lui-même (apprentissage automatique non supervisé). Ici, L'IA commence automatiquement à détecter des modèles dans les données. Dans tous les cas, un programme informatique doit trouver une solution en évaluant à quel point il est erroné, puis essayez de l'ajuster pour minimiser une telle erreur.
Supposons que nous voulions comprendre certaines propriétés liées à un matériau spécifique. L'étape évidente consiste à rechercher des informations dans les livres, pages Web et toute autre ressource appropriée. Cependant, cela prend du temps, car cela peut impliquer des heures de recherche sur le Web, lire des articles et de la littérature spécialisée. La PNL peut, cependant, Aidez nous. Grâce à des méthodes et des techniques sophistiquées, les programmes informatiques peuvent identifier des concepts, relations mutuelles, sujets généraux et propriétés spécifiques à partir de grands ensembles de données textuelles.
Dans la nouvelle étude, une IA a appris à récupérer des informations dans la littérature scientifique via un apprentissage non supervisé. Cela a des implications remarquables. Jusque là, la plupart des méthodes automatisées existantes basées sur la PNL sont supervisées, nécessitant la contribution des humains. Bien qu'il s'agisse d'une amélioration par rapport à une approche purement manuelle, il s'agit toujours d'un travail à forte intensité de main-d'œuvre.
Cependant, dans la nouvelle étude, les chercheurs ont créé un système capable d'identifier avec précision et d'extraire des informations de manière indépendante. Il a utilisé des techniques sophistiquées basées sur les propriétés statistiques et géométriques des données pour identifier les noms chimiques, concepts et structures. Ceci était basé sur environ 1,5 million de résumés d'articles scientifiques sur la science des matériaux.
Un programme d'apprentissage automatique a ensuite classé les mots dans les données en fonction de caractéristiques spécifiques telles que les « éléments », « énergétique » et « liants ». Par exemple, « chaleur » a été classé dans le cadre de « énergétique », et "gaz" comme "éléments". Cela a permis de connecter certains composés avec des types de magnétisme et de similitude avec d'autres matériaux, entre autres, fournissant un aperçu de la façon dont les mots étaient liés sans aucune intervention humaine requise.
Découvertes scientifiques
Cette méthode pourrait capturer des relations complexes et identifier différentes couches d'informations, ce qui serait pratiquement impossible à réaliser par l'homme. Il a fourni des informations bien à l'avance par rapport à ce que les scientifiques peuvent prédire à l'heure actuelle. En réalité, l'IA pourrait recommander des matériaux pour des applications fonctionnelles plusieurs années avant leur découverte réelle. Il y avait cinq de ces prédictions, tous basés sur des articles publiés avant l'année 2009. Par exemple, l'IA a réussi à identifier une substance connue sous le nom de CsAgGa2Se4as en tant que matériau thermoélectrique, que les scientifiques n'ont découvert qu'en 2012. Donc, si l'IA avait existé en 2009, cela aurait pu accélérer la découverte.
Il a fait la prédiction en reliant le composé avec des mots tels que "chalcogénure" (matériau contenant des "éléments chalcogènes" tels que le soufre ou le sélénium), « optoélectronique » (dispositifs électroniques qui alimentent, détecter et contrôler la lumière) et « applications photovoltaïques ». De nombreux matériaux thermoélectriques partagent de telles propriétés, et l'IA n'a pas tardé à le montrer.
Cela suggère que les connaissances latentes concernant les découvertes futures sont dans une large mesure ancrées dans les publications passées. Les systèmes d'IA deviennent de plus en plus indépendants. Et il n'y a rien à craindre. Ils peuvent nous aider énormément à naviguer à travers l'énorme quantité de données et d'informations, qui est continuellement créé par les activités humaines. Malgré les préoccupations liées à la confidentialité et à la sécurité, L'IA change nos sociétés. Je crois que cela nous amènera à prendre de meilleures décisions, améliorer notre quotidien et finalement nous rendre plus intelligents.
Cet article est republié à partir de The Conversation sous une licence Creative Commons. Lire l'article original.