Investeringen in onderzoek zijn ongekend hoog, maar de snelheid van wetenschappelijke doorbraken vestigt geen records. Om dit dilemma op te lossen, wetenschappers wenden zich tot kunstmatige intelligentie en crowdsourcing voor hulp bij het identificeren van een belangrijke inspiratiebron voor innovatie - de perfecte analogie.

Wilbur Wright, bijvoorbeeld, beroemd om zijn idee om vleugelvervorming te gebruiken om een ​​vliegtuig in evenwicht te brengen terwijl hij een kartonnen doos draait. Het gebruik van vergelijkbare methoden om uiteenlopende problemen op te lossen is een veelvoorkomend thema in de geschiedenis van innovatie. Maar naarmate problemen complexer worden en de hoeveelheid wetenschappelijke informatie explodeert, het vinden van nuttige analogieën kan moeilijk zijn, zei Niki Kittur, een professor aan het Human-Computer Interaction Institute van de Carnegie Mellon University.

Zoals beschreven in een nieuw rapport dat deze week online wordt gepubliceerd door de Proceedings van de National Academy of Sciences , onderzoekers pakken dit probleem aan door het proces van het identificeren van analogieën te doorbreken, het gebruik van crowdworkers om individuele stappen in het proces op te lossen en AI's te trainen om een ​​deel van het werk automatisch te doen.

"We ontwikkelen nieuwe tools die een hele reeks interessante mogelijkheden kunnen ontsluiten, " zei Kittur, de hoofdauteur. "We beginnen net te zien hoe mensen ze kunnen gebruiken."

Als deze aanpak succesvol blijkt, onderzoekers hoeven niet op een eenzaam genie als Wright te vertrouwen om analogieën te vinden. In plaats daarvan, ze kunnen een mix van individuen en AI's gebruiken, die elk die delen van het werk doen die gebruikmaken van hun specifieke sterke punten, zeiden de auteurs, waaronder wetenschappers van CMU, het Bosch Research and Technology Center in Pittsburgh, de Hebreeuwse Universiteit van Jeruzalem, de Universiteit van Maryland en de Stern School of Business van de New York University.

Het coördineren van deze inspanningen kan een uitdaging zijn, zij erkennen, maar betere analogieën zouden efficiëntere wetenschappelijke ontdekkingen kunnen opleveren, mogelijk maken van wetenschappelijke vooruitgang diepgaander en minder incrementeel.

"Mensen zijn echt geïnteresseerd in hoe we weer doorbraken gaan genereren, " zei Dafna Shahaf, assistent-professor informatica aan de Hebreeuwse Universiteit van Jeruzalem. "Het ontdekkingstempo is hoog, maar schaalt niet met de hoeveelheid middelen die in onderzoek worden geïnvesteerd."

Mensen, zoals crowdworkers op Amazon Mechanical Turk, waren de sleutel tot het onderzoek, hoewel AI kan leren van hun inspanningen en in de toekomst een grotere rol kan spelen. Bijvoorbeeld, de auteurs ontwikkelden een AI-tool waarmee een ontwerper een focus van een productbeschrijving kan specificeren en deze vervolgens gericht kan abstraheren. Een ontwerper die een verstelbaar zeepbakje ontwikkelt, bijvoorbeeld, kon de focus identificeren als een uitbreidbaar product voor verschillende maten zeep. De focus kan dan worden verbreed naar verschillende soorten persoonlijke producten of om rekening te houden met afmetingen zoals lengtes of gewichten, in plaats van alleen lengte.

De onderzoekers hebben laten zien hoe deze aanpak kan worden uitgebreid naar wetenschappelijk onderzoek. Dat omvat het ontwikkelen van methoden voor beginners om wetenschappelijke literatuur te annoteren, wat een uitdaging kan zijn om te lezen en te begrijpen. Toch, niet-experts kunnen in deze onderzoeksrapporten vaak zien waar de belangrijkste concepten en mechanismen zitten, zelfs als ze niet begrijpen wat die concepten/mechanismen betekenen, zei Joël Chan, assistent-professor informatiestudies aan de Universiteit van Maryland.

"Weten welke onderdelen belangrijk zijn, levert ons veel op in termen van het vinden van subtiele analoge relaties tussen onderzoekspapers, " voegde Chan eraan toe. Bijvoorbeeld zodra niet-experts de delen van papers isoleren die hun doel of onderzoeksdoel beschrijven, AI-modellen kunnen andere artikelen identificeren die over gemeenschappelijke doelen gaan, zelfs als ze uit verschillende themagebieden komen.

Als analogie-identificatie kan worden opgeschaald, het potentieel voor vooruitgang is groot, zei Hila Lifshitz-Assaf, assistent-professor informatie, operaties en managementwetenschappen aan NYU Stern. Wachten om te worden afgetapt zijn meer dan 9 miljoen Amerikaanse patenten; meer dan 2 miljoen product- en oplossingsideeën ingediend bij ideeënplatforms zoals InnoCentive, kickstarter, Eigenzinnig en OpenIDEO; honderden miljoenen wetenschappelijke artikelen en rechtszaken doorzoekbaar op Google Scholar; en miljarden webpagina's en video's die op internet kunnen worden doorzocht.

Natuurlijk, de enorme hoeveelheid van die informatie vormt een uitdaging bij het vinden en toepassen van analogieën, een van de drie uitdagingen die de auteurs identificeren. Een ander voorbeeld is de neiging van mensen om zich te fixeren op details op oppervlakteniveau, in plaats van diepere concepten die op verschillende gebieden van toepassing zijn. Mensen die overwegen hoe ze een inoperabele tumor met bestraling moeten behandelen zonder gezond weefsel te vernietigen, bijvoorbeeld, hebben de neiging zich te concentreren op straling of kanker in plaats van inspiratie te putten uit de militaire wetenschap voor meervoudige aanvallen.

Een derde uitdaging is de enorme complexiteit van problemen in de echte wereld, waarvoor mogelijk oplossingen van verschillende deelproblemen nodig zijn, waarbij meerdere analogieën op meerdere abstractieniveaus nodig zijn.

Het oplossen van die uitdagingen kan een nieuw tijdperk van ontdekkingen inluiden, Kittur zei, mensen de inspiratie geven die nodig is om doorbraken te maken die nu net buiten ons bereik liggen.

"Het kan zijn dat het laaghangende fruit is geplukt en dat we gewoon niet de ladders hebben om te bereiken wat er nog is. " legde hij uit. "AI zal ons helpen hoger in de boom te komen, maar je hebt nog steeds mensen nodig om het fruit daadwerkelijk te plukken."