图片来自网络
大约70年前，著名的数学家，代码先驱者和计算机科学家艾伦·图灵（Alan Turing）问：“机器能思考吗？” 如今，一些专家毫不怀疑，人工智能（AI）很快将能够开发人类拥有的那种通用智能。但是其他人则认为机器永远无法达到预期的目标。尽管在某些任务上，人工智能已经可以超越人类，就像计算器一样，但它们却无法教给人类创造力。
毕竟，我们的创造力有时是出于热情和直觉而不是逻辑和推理的驱使，使我们能够做出惊人的发现-从疫苗到基本粒子。当然，人工智能将永远无法与我们竞争吗？好吧，事实证明他们可能会这么做。最近在《自然》杂志上发表的一篇论文指出，人工智能现在已经能够通过简单地从研究出版物中提取有意义的数据来预测未来的科学发现。
语言与思维有着深厚的联系，它已经塑造了人类社会，人际关系，并最终影响了智力。因此，人工智能研究的意义是对人类语言的所有细微差别的充分理解也就不足为奇了。自然语言处理（NLP）是称为机器学习的更大保护伞的一部分，它在评估，提取和评估文本数据中的信息。
儿童通过反复试验与周围的世界互动学习。学习如何骑自行车经常会遇到一些颠簸和跌落。换句话说，我们犯了错误并从中学习。这恰恰是机器学习的运行方式，有时还需要一些额外的“教育”输入（监督的机器学习）。
图片来自网络
例如，AI可以通过从许多单独的示例中构建对象的图片来学习识别图像中的对象。在这里，人类必须向其显示是否包含该物体的图像。然后，计算机对是否会做出猜测，并根据猜测的准确性调整统计模型（由人类判断）。但是，我们也可以让计算机程序自己完成所有相关的学习（无监督机器学习）。在这里，AI自动开始能够检测数据中的模式。无论哪种情况，计算机程序都需要通过评估错误程度来找到解决方案，然后尝试对其进行调整以最大程度地减少此类错误。
假设我们想了解与特定材料有关的一些特性。显而易见的步骤是从书籍，网页和任何其他适当的资源中搜索信息。但是，这很耗时，因为它可能涉及数小时的网络搜索，阅读文章和专业文献。NLP可以帮助我们。通过复杂的方法和技术，计算机程序可以从大型文本数据集中识别概念，相互关系，一般主题和特定属性。
在这项新研究中，人工智能学会了通过无监督学习从科学文献中检索信息。这具有显着的意义。到目前为止，大多数基于NLP的自动化自动方法都受到监督，需要人工输入。尽管与纯手工方法相比有所改进，但这仍然是一项劳动密集型工作。
但是，在这项新研究中，研究人员创建了一个可以独立准确地识别和提取信息的系统。它使用了基于数据统计和几何特性的复杂技术来识别化学名称，概念和结构。这是基于约150万篇有关材料科学的科学论文摘要。
然后，机器学习程序会根据诸如“元素”，“能量学”和“粘合剂”之类的特定特征对数据中的单词进行分类。例如，“热”被归类为“能量学”的一部分，“气体”被归类为“元素”。这有助于将具有磁性类型和与其他材料相似性的某些化合物连接起来，从而提供了在不需要人工干预的情况下单词如何关联的见解。
