Видобування нових знань про COVID-19 за допомогою інструменту машинного навчання штучного інтелекту (ШI)

ТЕМИ: штучний інтелект, COVID-19, машинне навчання

Команда науковців-дослідників у галузі матеріалознавства з Національної лабораторії Лоуренса в Берклі (Berkeley Lab) створили інструмент для надшвидкого видобутку з тексту корисних відомостей. Вчені, які зазвичай витрачають свій час на дослідження високоефективних матеріалів для термоелектриків або катод-акумуляторів, вирішили допомогти світовій науковій спільноті опрацювати гору наукової літератури про COVID-19, яка щоденно збільшується.

Такий інструмент втілено при розробці веб-сайту covidscholar.org. Він використовує методи обробки природних мов для досягнення «триєдиної» мети:

  1. оперативно просканувати десятки тисяч науково-дослідних робіт;
  2. швидко обробити документи на задану тематику;
  3. виявити уявлення та зв’язки, які за інших обставин можуть не бути очевидними.

Дослідники сподіваються на те, що цей інструмент зможе зрештою послужити поштовхом для розвитку так званої automated science («автоматизованої науки»).

«В Google та інших пошукових системах люди шукають те, що вони вважають релевантним», — сказав вчений з лабораторії Берклі Гербранд Седер, один із керівників проекту. «Наша мета — зробити такий витяг відомостей з опрацьованої сукупності, щоб люди могли знайти неочевидну інформацію встановити та зв’язки між окремими фактами. Ось і вся ідея машинного навчання та обробки природних мов, яка буде застосована на цих наборах даних.»

Кістяк колективу дослідників COVIDScholar — інструменту для видобутку тексту для наукової літератури, пов’язаної з COVID-19 — складають:

  • Крістін Перссон (Kristin Persson);
  • Джон Дагделен (John Dagdelen);
  • Гербранд Седер (Gerbrand Ceder);
  • Амалі Тревартха (Amalie Trewartha).

COVIDScholar був розроблений у відповідь на березневий заклик Білого дому до Управління науки і технологій. Уряд Сполцчених Штатів Америки попросив експертів зі штучного інтелекту (ШІ) розробити такі нові методи та інструменти пошуку тексту, які б допомогли знайти відповіді на ключові питання щодо COVID-19.

Команда «Берклі Лаб» отримала прототип COVIDScholar та станом на 10 травня вже працює з ним протягом приблизно десять днів. За цей час «КовідШолар» зібрав понад 61 000 науково-дослідних робіт. З них — близько 8000 конкретно про COVID-19. Решта матеріалів стосувалась подібних тем, таких як інші віруси та пандемії загалом.

Цього тижня команда випустила оновлену версію, готову до публічного використання. Нова версія надає дослідникам можливість шукати «пов’язані документи» та сортувати статті за допомогою налаштування релевантності на основі машинного навчання.

Обсяги досліджень у будь-якій науковій галузі, особливо в цій, є непростими. «Немає сумнівів, що ми не можемо йти в ногу з літературою, як вчені», — сказала вчена лабораторія Берклі Крістін Перссон, яка є співавтором проекту. «Нам потрібна допомога, щоб швидко знайти відповідні документи та створити співвідношення між паперами, які можуть виглядати не так, як вони говорять про одне і те ж».

Команда створила автоматизовані сценарії. Вони дозволяють охопити нові документи, включаючи додрукарські папери, очистити їх та зробити їх пошуковими, тобто придатними для опрацювання у пошуку. Тому на найнижчому — базовому — рівні COVIDScholar діє, як простий пошуковий механізм, хоча за суттю є вузькоспеціалізованим.

Складено за матеріалами статті https://scitechdaily.com/unexpected-scientific-insights-into-covid-19-from-ai-machine-learning-tool/

Економічна кібернетика

Хмельницький національний університет

2020

Залишити відповідь

Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *