Balázs Richárd

Mesterséges intelligencia keresi a tűt a szénakazalban

Minél több az online információ, annál könnyebb elsiklani a lényeges dolgok felett. A mesterséges intelligencia kutatói egy automatizált eszközt hoztak létre, amivel minden tudományos publikációt átvizsgálva új, eddig felfedezetlen kapcsolatokat találnának az információk között.

A november 2-án elindított Semantic Scholar képes az évente megjelenő közel 2 millió tudományos iratot automatikusan elolvasni, feldolgozni és kategorizálni a találtakat. A publikációk felét átlagosan mindössze legfeljebb három ember olvassa el, így rendkívüli tudásmennyiség mehet veszendőbe. "Szeretnénk a kutatóknak egy hatékony megoldást biztosítani, amivel elemezhetik a területükön végbemenő újdonságokat" - magyarázta Oren Etzioni a Seattle-i Allen Mesterséges Intelligencia Intézet (AI2) igazgatója.

A rendszer a weben keresi a publikusan elérhető tudományos cikkeket, beszkennelve a cikkek szövegét és képeit. A szövegek hivatkozásaiból és referenciáiból a Semantic Scholar megállapítja melyek a legbefolyásosabb és legellentmondásosabb publikációk. Emellett kiemeli a fontosabb kifejezéseket a hasonló tanulmányokból, tömöríti és indexeli az adatokat és módszereket, amikkel a kutatók dolgoztak, így könnyen kielemezhető számos különböző, egymástól független forrásból származó összefüggés, például egy adott orvosság a cukorbetegséggel küzdő középkorú női betegekre gyakorolt hatása, magyarázta Etzioni.

Korunk tudománya olyan hatalmas kutatási volumeneket gyárt egy-egy területen is, aminek teljes körű elemzésére és értelmezésére az ember már nem képes. "Mivel évente tanulmányok milliói jelennek meg, ezért ma már nincsenek polihisztorok" - mondta Etzioni. "Az emberi szem elsiklik és hajlamos figyelmen kívül hagyni olyan kulcsfontosságú kutatásokat vagy technikákat, melyek adott esetben alkalmazhatók lennének, vagy az orvosi példával élve, életeket menthetnének."

Nem csak az AI2 ismerte fel a ránk zúduló hatalmas információ mennyiség rendszerezésének a szükségességét. Tavaly az IBM Watson MI technológiájával ellátott rendszer, a Knowledge Integration Toolkit (KnIT) 100 000 tanulmányt fésült át és sikeresen megvilágította egy daganat elnyomó fehérje működését. Az IBM szerint a KnIT ma már teljesen automatikusan, emberi felügyelet nélkül képes elvégezni elemző munkáját. Az amerikai védelmi minisztérium kutatási ügynöksége, a DARPA is dolgozik egy Big Mechanism nevet viselő technológián, ami az összes rákkutatással kapcsolatos publikáció átvizsgálásával új kezeléseket fejleszthet ki a különböző ráktípusokra. A rendszer 2017 végén fog készen állni az érdemi munkára.

Hozzászólások

A témához csak regisztrált és bejelentkezett látogatók szólhatnak hozzá!
Bejelentkezéshez klikk ide
(Regisztráció a fórum nyitóoldalán)
  • Cat #5
    amennyire az adott tanulmányok/publikációk jelentősek. Nem tesz csodát ez sem, csak összeköti a pontokat.
  • Nikolaosz #4
    Érdekes. Kíváncsi vagyok hogy ezen technológiák aktivitása és hatásai a tudományban és technikában mennyire lesz érezhető az emberek, a társadalom számára?
  • Jawarider #3
    Ne félj :)

    A kreativitást -szerintem- nem lehet leprogramozni :)
  • repvez #2
    "a DARPA is dolgozik egy Big Mechanism nevet viselő technológián, ami az összes rákkutatással kapcsolatos publikáció átvizsgálásával új kezeléseket fejleszthet ki a különböző ráktípusokra. A rendszer 2017 végén fog készen állni az érdemi munkára. "

    2017? Hmm Terminátor:Genesys :P
  • NEXUS6 #1
    Szerintem jó ötlet, ez sokat segíthet bizonyos ki nem mondott összefüggések feltárásában.

    Pl a klímarendszer és a bioszféra összefüggéseit csak mostanában kezdik igazán mélyen vizsgálni. De rengeteg olyan a növényi élettel foglalkozó cikk van, ami nem a klíma/légkör összetétel változással kapcsolatban íródott, de részletesen tárgyalja a magasabb CO2 szint C3/C4 növényekre kifejtett hatásait.

    A kutatók esetleg eleve bizonyos általánosabb gondolatok alátámasztása érdekében írják a cikket, de mivel korrekten az összefüggésnek csak a saját szakterületükre eső részét tárgyalják ezért esetleg ezek az új/nem main-stream interdiszciplináris összefüggések tudományos igényességű cikkekben meg sem jelennek.