"As máquinas podem pensar?", perguntou o famoso matemático, decifrador de código e cientista da computação Alan Turing quase 70 anos atrás. Hoje, alguns especialistas não têm dúvidas de que a Inteligência Artificial (IA) logo será capaz de desenvolver o tipo de inteligência geral que os humanos possuem. Mas outros argumentam que as máquinas nunca serão comparadas. Embora a IA já possa superar os humanos em certas tarefas - assim como as calculadoras - eles não podem aprender a criatividade humana.

Afinal, nossa engenhosidade, que às vezes é impulsionado por paixão e intuição, em vez de lógica e evidências, nos permitiu fazer descobertas espetaculares - desde vacinas até partículas fundamentais. Certamente uma IA nunca será capaz de competir? Nós vamos, parece que sim. Um artigo publicado recentemente na Nature relata que uma IA agora conseguiu prever futuras descobertas científicas simplesmente extraindo dados significativos de publicações de pesquisa.

A linguagem tem uma conexão profunda com o pensamento, e moldou as sociedades humanas, relacionamentos e, em última análise, inteligência. Portanto, não é surpreendente que o Santo Graal da pesquisa em IA seja a plena compreensão da linguagem humana em todas as suas nuances. Processamento de linguagem natural (PNL), que faz parte de um guarda-chuva muito maior chamado aprendizado de máquina, visa avaliar, extrair e avaliar informações de dados textuais.

As crianças aprendem interagindo com o mundo circundante por tentativa e erro. Aprender a andar de bicicleta geralmente envolve alguns solavancos e quedas. Em outras palavras, cometemos erros e aprendemos com eles. É exatamente assim que o aprendizado de máquina funciona, às vezes com alguma contribuição "educacional" extra (aprendizado de máquina supervisionado).

Por exemplo, uma IA pode aprender a reconhecer objetos em imagens construindo uma imagem de um objeto a partir de muitos exemplos individuais. Aqui, um ser humano deve mostrar-lhe imagens contendo o objeto ou não. O computador então adivinha se e ajusta seu modelo estatístico de acordo com a precisão da estimativa, como julgado pelo humano. No entanto, também podemos deixar que o programa de computador faça sozinho todo o aprendizado relevante (aprendizado de máquina não supervisionado). Aqui, AI automaticamente começa a ser capaz de detectar padrões nos dados. Em ambos os casos, um programa de computador precisa encontrar uma solução avaliando o quão errado está, e, em seguida, tente ajustá-lo para minimizar esse erro.

Suponha que queremos entender algumas propriedades relacionadas a um material específico. A etapa óbvia é pesquisar informações de livros, páginas da web e quaisquer outros recursos apropriados. Contudo, isso consome tempo, pois pode envolver horas de pesquisa na web, leitura de artigos e literatura especializada. PNL pode, Contudo, ajude-nos. Por meio de métodos e técnicas sofisticadas, programas de computador podem identificar conceitos, relacionamentos mútuos, tópicos gerais e propriedades específicas de grandes conjuntos de dados textuais.

No novo estudo, uma IA aprendeu a recuperar informações da literatura científica por meio do aprendizado não supervisionado. Isso tem implicações notáveis. Até aqui, a maioria dos métodos baseados em PNL automatizados existentes são supervisionados, exigindo a entrada de humanos. Apesar de ser uma melhoria em comparação com uma abordagem puramente manual, este ainda é um trabalho de trabalho intensivo.

Contudo, no novo estudo, os pesquisadores criaram um sistema que poderia identificar com precisão e extrair informações de forma independente. Ele usou técnicas sofisticadas baseadas em propriedades estatísticas e geométricas de dados para identificar nomes químicos, conceitos e estruturas. Isso foi baseado em cerca de 1,5 milhão de resumos de artigos científicos sobre ciência de materiais.

Um programa de aprendizado de máquina então classifica palavras nos dados com base em recursos específicos, como "elementos", "energéticos" e "ligantes". Por exemplo, "calor" foi classificado como parte de "energética", e "gás" como "elementos". Isso ajudou a conectar certos compostos com tipos de magnetismo e semelhança com outros materiais, entre outras coisas, fornecendo uma visão sobre como as palavras foram conectadas sem a necessidade de intervenção humana.

Descobertas científicas

Este método pode capturar relacionamentos complexos e identificar diferentes camadas de informação, o que seria virtualmente impossível de ser realizado por humanos. Ele forneceu insights com bastante antecedência em comparação com o que os cientistas podem prever no momento. Na verdade, a IA poderia recomendar materiais para aplicações funcionais vários anos antes de sua descoberta real. Houve cinco dessas previsões, tudo baseado em artigos publicados antes do ano de 2009. Por exemplo, o AI conseguiu identificar uma substância conhecida como CsAgGa2Se4as como um material termoelétrico, que os cientistas descobriram apenas em 2012. Então, se a IA existisse em 2009, isso poderia ter acelerado a descoberta.

Ele fez a previsão conectando o composto com palavras como "calcogeneto" (material que contém "elementos calcogênicos", como enxofre ou selênio), "optoeletrônicos" (dispositivos eletrônicos que fornecem, detectar e controlar a luz) e "aplicações fotovoltaicas". Muitos materiais termoelétricos compartilham tais propriedades, e a IA foi rápida em mostrar isso.

Isso sugere que o conhecimento latente a respeito de descobertas futuras está, em grande medida, incorporado em publicações anteriores. Os sistemas de IA estão se tornando cada vez mais independentes. E não há nada a temer. Eles podem nos ajudar enormemente a navegar pela enorme quantidade de dados e informações, que está sendo continuamente criado por atividades humanas. Apesar das preocupações relacionadas à privacidade e segurança, A IA está mudando nossas sociedades. Acredito que nos levará a tomar melhores decisões, melhorar nossas vidas diárias e, finalmente, nos tornar mais inteligentes.

Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.