在不久的將來，我們將使用機器閱讀研究論文并建立人類尚未建立的聯系。發(fā)表在科學雜志《自然》上的一篇論文概述了古老的科學研究論文中包含的“潛在知識”是如何被我們這些可憐的人類充分利用的。正如一個名為 Word2vec 的系統(tǒng)所證明的那樣，連接是存在的，并且它們將繼續(xù)通過機器學習以大的方式建立!

我們今天做什么

今天我們遇到了一個問題——個人收集知識與傳播知識之間存在某種脫節(jié)。以埃及金字塔為例。在某個時候，有人知道關于這些金字塔的一切——必須以某種方式知道才能建造它們。

隨著時間的推移，知識流失了。無論是缺乏了解的欲望，還是缺乏經得起時間考驗的知識保存方法，信息都丟失了。我們作為人類的集體記憶并沒有保留所有關于埃及金字塔的知識。

今天，我們擁有保留知識的方法，子孫后代可以依靠這些方法來立足和擴展。問題在于，每次我們學習新知識時，我們都會從自己獨特的角度解釋和/或傳播所述知識。即使我們處理看似客觀的主題，細節(jié)也可能會在此過程中丟失。

甘道夫

這種情況的另一個流行文化參考是指環(huán)王中的甘道夫。“曾經的很多東西都丟了，”精靈領主加拉德瑞爾說，“因為現在沒有人記得它了。”

在米那斯提力斯的圖書館里，甘道夫從各個時代尋找信息，但幾乎都忘記了。在搜索圖書館和一堆亂七八糟的論文時，甘道夫在已經發(fā)表的論文中發(fā)現了一些發(fā)現。

甘道夫重新發(fā)現了力量之戒和一戒發(fā)生了什么，以及基本上所有使《指環(huán)王》的故事從那時開始向前發(fā)展的東西。當然，這些信息是寫下來的，但我們需要一個甘道夫去尋找它，閱讀它，并將重要的部分傳達給世界，這樣我們今天就可以在這里使用這些知識。

更好地標記

研究人員 Vahe Tshitoyan 等人寫道：“出版物包含有關作者解釋的數據項之間的聯系和關系的寶貴知識，為了提高對這些知識的識別和使用，一些研究側重于從科學文獻中檢索信息使用有監(jiān)督的自然語言處理。”

這個過程需要手工處理數據集，并且它們通常與手工標記的數據集一起使用。同樣，在標記過程中可能會遺漏細節(jié)。Tshitoyan 的新研究中提出的過程提出了一種新方法。

這種新方法使用來自已發(fā)表研究的材料科學知識，編碼為“沒有人工標記或監(jiān)督的信息密集詞嵌入(詞的向量表示)”。計算機解釋信息并將其全部存儲在一個地方。

會發(fā)生什么?

一旦機器開始捕獲信息，它就會立即開始解釋所述信息。然后，該機器可能會“在發(fā)現材料前幾年推薦用于功能性應用的材料”。

根據 Tshitoyan 的說法，該團隊的研究結果表明，已經發(fā)表的研究包含“關于未來發(fā)現的潛在知識”，這些知識將被機器發(fā)現。這臺機器可能比人類早幾年做出發(fā)現——并且可能會發(fā)現人類根本無法建立的聯系!

“在每個研究領域都有 100 年的過去研究文獻，每周都有數十項研究出來，”研究合著者 Gerbrand Ceder 說。“研究人員只能訪問其中的一小部分。我們認為，機器學習能否在不需要人類研究人員指導的情況下，以無人監(jiān)督的方式利用所有這些集體知識?”