如今，存在着超过 34,000 种学术性、同行评审的期刊，每年总共发表约 250 万篇文章。据估计，同一时间段内，一名研究人员，取决于其学科，将阅读其中的约 270 篇。科学家们永远跟不上。他们将错过关键的见解。他们正在自己的专业知识的海洋中溺水。幸运的是，人工智能研究所 (AI2) 向他们抛出了救生圈。周五，AI2 将其基于人工智能的搜索引擎 Semantic Scholar 扩展到了神经科学领域。此次发布只是 AI2 长期愿景的又一步：让人与机器携手，推进科学，拯救生命。
深入
AI2 是该国最大的非营利性人工智能研究机构，这意味着其目标不是赚钱；而是利用人工智能的前沿技术服务于共同利益。Semantic Scholar 搜索引擎是这家总部位于西雅图的组织的核心项目，该组织由微软远见者保罗·艾伦于 2014 年创立。“我们正将科学搜索带入 21 世纪，”AI2 首席执行官 Oren Etzioni 说。“我们清理了杂乱的信息，并聚焦于关键的出版物和引用。” Semantic Scholar 并行使用数据挖掘、自然语言处理和计算机视觉，从数百万项研究的文本和图像中提取有价值的信息。该系统共同建立了对给定研究中信息及其与更广泛研究文献相关性的语义理解。算法跟踪该研究被引用的次数，这些引用是否来自有影响力的科学家，以及该论文的引用是否近期有所增加。Semantic Scholar 还会汇总社交媒体上的热议，以进一步将研究置于背景中。例如，对于神经科学搜索，Semantic Scholar 根据目标大脑区域、使用的方法、模型生物和研究的细胞类型对结果进行排序。它是一种比今天现有的工具更深入、更具科学直观性的搜索工具。“我们能够聚焦于神经科学和计算机科学方面的不同语义信息，这就是我们与众不同的地方，”Etzioni 说。
增加到图书馆
今天，AI2 的学术搜索引擎包含 1000 万篇与计算机科学和神经科学相关的文章。但 Etzioni 计划在 2017 年将整个 PubMed 生物医学语料库纳入 Semantic Search 的范围内。此外，Etzioni 说 AI2 团队正在开发能够检测研究弱点（如 p-hacking）的算法，以将高质量的研究推到前面。“医学突破不应受到搜索科学文献繁琐过程的阻碍，”Etzioni 说。
科学学徒
AI2 正在进行几个项目，每个项目的突破都将融入 Semantic Scholar 的长期未来。AI2 研究员 Peter Clark 正在领导一个团队，该团队正在使用深度学习构建一个能够通过中学水平科学考试的计算机系统，这项任务需要比搜索和检索技术更深入的理解。在隔壁，Ali Farhadi 正在开发具有所见内容情境知识的计算机视觉系统。除了对象检测和模式识别，Farhadi 还设计了这样的系统，例如，当对图像中的对象施加力时，可以预测接下来会发生什么。该团队的 imSitu 项目可以快速总结图像中发生的事情。“我们希望将这些项目的成果注入（Semantic Scholar）中，”Etzioni 说。“我们已经拥有独特的语义能力，但在 20 年的视野下，它将是完全前所未有的。” 20 年后，Semantic Scholar 可能不再是一个有用的搜索引擎，而是可能成为一名科学学徒，协助研究人员工作。机器学徒可能会梳理研究论文，并根据它分析的所有文章和图像提出未来研究的方向。它可能会暴露缺失的联系，或与新论文相关的研究，并可能引导研究人员走向更具成效的道路。“我们有这些团队在研究视觉方面的核心基础技术，如果愿意的话，就像是辅助轮，”Etzioni 说。
