Τεχνητή νοημοσύνη και σε μηχανές αναζήτησης

Τι μπορεί να προσφέρει η τεχνητή νοημοσύνη στους επιστήμονες που αναζητούν στο internet ανάμεσα σε εκατομμύρια επιστημονικές δημοσιεύσεις αυτό που τους ενδιαφέρει; Προφανώς τα αποτελέσματα που είναι σημαντικά και χρήσιμα από όλα αυτά που αναρτώνται στο διαδίκτυο κάθε χρόνο!

Μια νέα μηχανή αναζήτησης με τεχνητή νοημοσύνη, η Semantic Scholar, έρχεται να προσφέρει ακριβώς αυτό, και μάλιστα δωρεάν!

Κάθε χρόνο γίνονται περίπου δύο εκατομμύρια νέες επιστημονικές δημοσιεύσεις και από αυτές σχεδόν οι μισές διαβάζονται το πολύ από τρεις ανθρώπους. Η Semantic Scholar, δημιούργημα του Ινστιτούτου 'Αλεν για την Τεχνητή Νοημοσύνη με έδρα το Σιάτλ των ΗΠΑ, θέλει να διευκολύνει τους επιστήμονες, ενημερώνοντάς τους για γνώσεις, συσχετίσεις και νέες ιδέες που είχαν περάσει απαρατήρητες έως τώρα. Οι ερευνητές θα μπορούν να θέτουν ερωτήματα στη Semantic Scholar και αυτή θα «διαβάζει» όλα εκείνα που εκείνοι, ακόμα και αν γνώριζαν ότι υπάρχουν, δεν θα προλάβαιναν να το κάνουν.

Το εν λόγω σύστημα ψάχνει μόνο σε ελεύθερα προσβάσιμες δημοσιεύσεις (όχι όσες διατίθενται μέσω συνδρομής) και "σκανάρει" τόσο το κείμενο όσο και τις φωτογραφίες ή τα επιστημονικά διαγράμματα. Παράλληλα, μπορεί να εντοπίσει ποιες δημοσιεύσεις έχουν τη μεγαλύτερη επιρροή και ποιες είναι αμφιλεγόμενες.

Αυτή η μηχανή αναζήτησης με τεχνητή νοημοσύνη προς το παρόν αναζητά δημοσιεύσεις από τους τομείς της πληροφορικής και των υπολογιστών (περίπου τρία εκατομμύρια μέχρι στιγμής), ενώ από το 2016 θα διευρύνει τις αναζητήσεις και σε άλλα πεδία, με προτεραιότητα τη βιοϊατρική και τη φυσική, με την ελπίδα ότι θα επιταχυνθεί η ανάπτυξη νέων φαρμάκων και θεραπειών.

Σε εξέλιξη βρίσκονται παρεμφερείς προσπάθειες από τον υπερυπολογιστή «Γουάτσον» της ΙΒΜ που υποστηρίζει το νέο εργαλείο επιστημονικής αναζήτησης "The Knowledge Integration Kit" (KnIT), καθώς και από την υπηρεσία Προωθημένων Αμυντικών Ερευνητικών Προγραμμάτων (DARPA) του αμερικανικού Πενταγώνου, η οποία αναπτύσσει τη φιλόδοξη τεχνολογία "Big Mechanism" (Μεγάλος Μηχανισμός), που αναμένεται να έχει ολοκληρωθεί έως το 2017.

Παράλληλα, υπάρχουν οι βάσεις επιστημονικών δημοσιεύσεων, με μεγαλύτερες τη Google Scholar (με τουλάχιστον 100 εκατομμύρια έγγραφα) και τη PubMed, οι οποίες όμως δεν έχουν την τεχνητή νοημοσύνη να «καταλάβουν» το περιεχόμενο αυτών των δημοσιεύσεων.Το πλεονέκτημα της Google Scholar, από την άλλη, είναι ότι μπορεί να βρει και δημοσιεύσεις που «κρύβονται» πίσω από το «τείχος» της πληρωμένης συνδρομής.

'Αλλα εργαλεία, όπως η Microsoft Academic Search και η CiteSeer, είναι μικρότερης εμβέλειας.