La inteligencia artificial predice el futuro de la investigación en este campo
Un algoritmo de IA predice la dirección en la que probablemente evolucionará su campo de investigación
A los investigadores humanos les resulta casi imposible seguir la pista de la abrumadora abundancia de publicaciones científicas en el campo de la inteligencia artificial y mantenerse al día de los avances. Los científicos de un equipo internacional dirigido por Mario Krenn, del Instituto Max-Planck para la Ciencia de la Luz, han desarrollado ahora un algoritmo de IA que no sólo ayuda a los investigadores a orientarse sistemáticamente, sino que también les guía de forma predictiva en la dirección en que probablemente evolucionará su propio campo de investigación. Este trabajo se ha publicado en la revista Nature Machine Intelligence.
En el campo de la inteligencia artificial (IA) y el aprendizaje automático (AM), el número de publicaciones científicas crece exponencialmente y se duplica aproximadamente cada 23 meses. Para los investigadores humanos, resulta casi imposible seguir el ritmo de los avances y mantener una visión de conjunto. Mario Krenn, jefe de grupo de investigación del Instituto Max-Planck para la Ciencia de la Luz de Erlangen, aborda la solución a este reto de una forma poco convencional. Ha desarrollado una nueva herramienta basada en gráficos, "Science4Cast", que permite plantear preguntas sobre el futuro desarrollo de la investigación en IA.
Anteriormente, el grupo internacional de investigación había convocado el concurso "Science4Cast" con el objetivo de captar y predecir la evolución de los conceptos científicos en el campo de la investigación sobre IA, determinando qué temas serán objeto de investigación en el futuro. Se presentaron más de 50 contribuciones con distintos enfoques. Krenn, junto con los equipos mejor clasificados, ha examinado ahora los distintos métodos aplicados, que van desde los puramente estadísticos a los puramente de aprendizaje, y ha llegado a resultados sorprendentes. Según Mario Krenn, "los métodos más eficaces utilizan un conjunto cuidadosamente seleccionado de características de red y no un enfoque de IA continua. Esto sugiere un potencial significativo que puede desbloquearse utilizando enfoques de ML puro sin conocimiento humano".
Science4Cast es una representación gráfica del conocimiento que se va haciendo más compleja a medida que se publican más artículos científicos. Cada nodo del gráfico representa un concepto de la IA, y las conexiones entre nodos indican si dos conceptos se estudiaron juntos y cuándo. Por ejemplo, la pregunta "¿Qué pasará?" puede describirse como una pregunta matemática sobre el desarrollo posterior del grafo. Science4Cast se alimenta con datos reales de más de 100.000 publicaciones científicas que abarcan un periodo de 30 años, lo que da como resultado un total de 64.000 nodos.
Sin embargo, predecir en qué trabajarán los investigadores en el futuro es sólo un primer paso. En su trabajo, los investigadores describen cómo el desarrollo ulterior de Science4Cast podría proporcionar en breve sugerencias personalizadas a científicos individuales sobre sus futuros proyectos de investigación. Nuestra ambición es desarrollar un método que sirva de fuente de inspiración para los científicos, casi como una musa artificial. Esto podría acelerar el progreso de la ciencia en el futuro", explica Krenn.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Mario Krenn, Lorenzo Buffoni, Bruno Coutinho, Sagi Eppel, Jacob Gates Foster, Andrew Gritsevskiy, Harlin Lee, Yichao Lu, João P. Moutinho, Nima Sanjabi, Rishi Sonthalia, Ngoc Mai Tran, Francisco Valente, Yangxinyu Xie, Rose Yu, Michael Kopp; "Forecasting the future of artificial intelligence with machine learning-based link prediction in an exponentially growing knowledge network"; Nature Machine Intelligence, 2023-10-16
Más noticias del departamento ciencias
Noticias más leídas
Más noticias de nuestros otros portales
Contenido visto recientemente
La resonancia magnética ayuda al diseño de la próxima generación de baterías - La técnica permitirá una evaluación más rápida de los nuevos materiales de las baterías
Plásticos degradables - El químico de Constance recibe la beca ERC Advanced Grant para el desarrollo de plásticos degradables
Nuevos materiales híbridos como termoeléctricos eficientes
Una nueva vía para la conversión ascendente de fotones sostenible con metales no preciosos - Los científicos utilizan el cromo para una eficiente conversión ascendente de fotones verdes a azules
Agua líquida a 170 grados centígrados - El láser de rayos X revela una dinámica anómala en el calentamiento ultrarrápido
Los investigadores cocinan una nueva forma de eliminar la sal y los microplásticos del agua - Una nueva investigación demuestra que la comida de tu desayuno puede transformarse en un material capaz de filtrar el agua
Un gran descubrimiento en la conversión de la captura de carbono para la producción de etileno - Un nuevo método convierte el dióxido de carbono en producto químico
Un rápido detector de luz hecho de materiales bidimensionales - Tecnología con múltiples posibilidades
Los investigadores desarrollan un concepto para el diseño racional de importantes compuestos de nitrógeno - Jóvenes científicos de Bayreuth dan nombre a nuevas clases de sustancias
Nuevo sistema de reciclaje de poliésteres comerciales - Utilizando materiales comunes y un sencillo proceso de mezcla y calentamiento, los poliésteres pueden transformarse en materiales altamente reciclables y de gran valor
