用人工智慧在論文中「撿漏」

勞倫斯伯克利國家實驗室的研究人員已經開發出一種人工智慧，只需要很少的訓練，就能在材料科學領域有所發現。這種人工智慧主要的工作就是「撿漏」，為了發現科學家們遺漏了什麼，它所要做的就是閱讀以前發表的數百萬篇科學論文。

這種人工智慧所用的方法被稱為機器學習，是一種能夠針對特定任務進行訓練的演算法，直到經過多次迭代，生成有意義的結果。機器學習的方法被用來解決許多問題，該研究團隊就利用它在材料科學的世界中尋找那些被「遺漏」的知識。

正如《自然》雜誌報道的那樣，科學家們給這個被稱為Word2vec的演算法輸入了330萬篇來自1922年至2018年間出版的1000種不同期刊的材料科學論文摘要。它從這些摘要中抽取了50萬個不同的單詞，並在它們之間建立了數學聯繫。這給了該人工智慧非常有趣的預測能力。

目前在谷歌工作的伯克利實驗室博士後Vahe Tshitoyan，他在一份聲明中說道：「每個研究領域都累積了100年的研究文獻，每周都有幾十項研究被發表，而研究人員只能訪問其中的一小部分。我們認為，機器學習能夠在不需要人類研究人員指導的情況下利用這些集體的知識。」

通過對程序進行一些訓練後，研究人員創造出一種可以將單詞與其含義聯繫起來的人工智慧。例如，它可以在21元素周期表中對元素進行分組，而不需要知道該元素是什麼樣子的。研究小組的主要重點是熱電材料，這是材料科學家研究了幾十年的領域。熱電材料能把熱轉化為電，因此它們非常重要。然而，要想成功，這些材料還需要高效、安全、通用和易於生產的特性。

在文獻分析的基礎上，這種人工智慧可以確定哪種材料具有最好的熱電性能。但它做了一些更不同尋常的事情：通過2008年之前出版的摘要，Word2vec能夠預測出現在後來研究中的材料。伯克利實驗室能源儲存與分布資源部工作的團隊負責人Anubhav Jain說道：「我真的沒想到這個演算法還能預測未來，我認為這個演算法也許可以描述人們以前做過的事情，但是不能得出這些不同之間的聯繫。當我不僅看到了預測，而且還看到了預測背後的推理時，我感到非常驚訝。這項研究表明，如果這種演算法更早被使用，一些材料可能在幾年前就被發現了。」

該團隊已經公布了Word2vec選出的排名前50的熱電材料，並計劃發布該演算法，以便其他科學家可以使用這一人工智慧來研究不同的材料。研究小組還在研究一種新型的學術搜索引擎，這種引擎可以更有效地搜索論文摘要。

本文譯自 iflscience，由譯者 Lough 基於創作共用協議(BY-NC)發布。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！