AI återupptäcker vetenskap som tog forskare årtionden att utveckla
AI återupptäcker årtionden av forskning på egen hand.
När AI återupptäcker vetenskapens grundstenar
En fascinerande utveckling pågår inom AI-forskningen. System börjar automatiskt återupptäcka teorier som tog mänskliga forskare årtionden att utveckla. Enligt en ny studie på arXiv har forskare visat att AI kan identifiera samma språkliga byggstenar som Roger Schank formulerade redan på 1970-talet – men med betydligt bättre precision.
Schanks klassiska teori delade upp alla händelser i primitiva operationer som ATRANS (överföring av ägande) och PTRANS (fysisk förflyttning). Det nya AI-systemet använde komprimeringsprinciper för att analysera före- och efter-tillstånd i världen, och resultatet var slående: där Schanks ursprungliga primitiver förklarade 81% av syntetisk data nådde AI:n 100%. På verklig data från kunskapsdatabasen ATOMIC var skillnaden ännu större – från Schanks 10% till AI:ns fullständiga täckning.
Det mest intressanta är vad AI:n upptäckte utöver de ursprungliga primitierna. I verkliga händelser dominerade mentala och känslomässiga förändringar över fysiska handlingar, vilket tyder på att den fullständiga uppsättningen av händelseprimitiver är rikare än vad vi tidigare förstått.
Från text till kunskap på autopilot
Parallellt med dessa genombrott inom språkförståelse utvecklas metoder för att automatiskt bygga kunskapsgrafer från stora textsamlingar. En ny doktorsavhandling visar hur kombinationen av språkteknologi, maskininlärning och generativ AI kan skapa skalbara system för kunskapsextraktion.
Metoderna har testats inom allt från analys av digitaliseringsdebatten i nyheter och sociala medier till kartläggning av forskningstrenden inom byggbranschen. Det som gör dessa system särskilt värdefulla är deras förmåga att skapa genomskinliga, förklarliga kunskapsgrafer som olika system kan samarbeta kring.
Kausala samband och självmodifierande system
Forskningen går även djupare in i hur AI-system kan förstå orsakssamband. Nya rön kopplar samman Bayesiska nätverk med kausala modeller genom linjär algebra och linjär programmering. Detta öppnar möjligheter för AI-system att inte bara se mönster utan förstå varför saker händer.
Ännu mer fascinerande är forskningen kring självmodifierande kognitiva system. Forskare har skapat ett ramverk som identifierar fyra olika nivåer av självförändring – från enkel handling utan förändring till målinriktad revidering av systemets grundläggande struktur.
En central upptäckt är "korsande opacitet": människor har självrepresentation på höga hierarkiska nivåer men oklara operativa nivåer, medan reflexiva AI-system uppvisar det omvända mönstret. Detta ger viktiga insikter för utveckling av artificiellt medvetande.
Optimering får nya verktyg
Slutligen visar forskningen framsteg inom optimeringsalgoritmer med Dogfight Search (DoS), en metod inspirerad av jaktflygplans taktiska samarbete. Till skillnad från traditionella algoritmer bygger DoS på kinematiska förskjutningsekvationer och överträffar etablerade konkurrenter i både teoretiska test och verkliga tillämpningar som vägplanering i bergsterräng.
Att algoritmen finns tillgänglig via Matlab File Exchange visar hur forskningsgemenskapen aktivt delar verktyg för att accelerera utvecklingen.
Vår analys
Dessa genombrott pekar mot en grundläggande förändring i hur AI-system kommer att fungera. Vi ser början på AI som inte bara bearbetar information utan förstår den på djupare, mer strukturerade sätt.
Speciellt intressant är hur AI återupptäcker och förbättrar klassiska teorier. Det tyder på att vi närmar oss system som kan bidra till vetenskaplig forskning snarare än bara tillämpa befintlig kunskap. När AI kan identifiera språkliga primitiver bättre än människor, och upptäcka nya kategorier som mentala och känslomässiga förändringar, öppnas dörrar för mer nyanserad språkförståelse.
Kombinationen av förbättrad kunskapsextraktion, kausalt resonemang och självmodifierande förmågor leder mot AI-system som kan lära sig och anpassa sig på sätt som liknar mänsklig kognition. För svenska företag betyder detta access till kraftfullare verktyg för dataanalys, automatisering och beslutsfattande inom en snar framtid.