科学家开发出一种人工智能算法预测人工智能研究的未来

人工智能思考科学的未来。图片来源：由 OpenAI 的 DALL-E3 生成

　　人类研究人员几乎不可能跟踪人工智能领域大量的科学出版物并跟上最新进展。

　　马克斯-普朗克光科学研究所的马里奥·克伦 (Mario Krenn) 领导的国际团队的科学家们现已开发出一种人工智能算法，不仅可以帮助研究人员系统地定位自己，还可以预测性地引导他们朝着自己的研究领域的方向前进。可能会进化。该工作发表在《自然·机器智能》杂志上。

　　在人工智能 (AI) 和机器学习(ML)领域，科学出版物的数量呈指数级增长，大约每 23 个月翻一番。对于人类研究人员来说，跟上进展并保持全面的概览几乎是不可能的。

　　马里奥·克伦 (Mario Krenn) 是埃尔兰根马克斯·普朗克光科学研究所研究组组长，他以一种非常规的方式解决了这一挑战。他开发了一种新的基于图形的工具 Science4Cast，可以提出有关人工智能研究未来发展的问题。

　　此前，国际研究小组宣布举办Science4Cast竞赛，旨在捕捉和预测人工智能研究领域科学概念的发展，确定哪些主题将成为未来研究的重点。提交了 50 多份采用不同方法的文稿。

　　克伦与顶尖团队一起检查了所应用的各种方法，从纯粹的统计方法到纯粹的学习方法，并得出了令人惊讶的结果。“最有效的方法是使用一组精心策划的网络功能，而不是连续的人工智能方法，”马里奥·克伦 (Mario Krenn) 说。这表明无需人类知识即可使用纯机器学习方法释放巨大潜力。

　　Science4Cast 是一种基于图形的知识表示，随着更多科学文章的发表，它会变得越来越复杂。图中的每个节点代表人工智能中的一个概念，节点之间的连接表明两个概念是否以及何时被一起研究。

　　例如，问题“将会发生什么”可以被描述为关于图的进一步发展的数学问题。Science4Cast 提供了 30 年期间超过 100,000 份科学出版物的真实数据，总共产生了 64,000 个节点。

　　然而，预测研究人员未来的工作只是第一步。研究人员在他们的工作中描述了 Science4Cast 的进一步开发如何能够很快为个别科学家提供有关其未来研究项目的个性化建议。

　　“我们的目标是开发一种方法，为科学家提供灵感源泉——几乎就像一个人造缪斯。这可能会加速未来科学的进步，”克伦解释道。

　　更多信息：Mario Krenn 等人，在呈指数增长的知识网络中通过基于机器学习的链接预测来预测人工智能的未来，Nature Machine Intelligence(2023)。