Crédito:CC0 Public Domain
La inversión en investigación está en su punto más alto, sin embargo, la tasa de avances científicos no está estableciendo ningún récord. Para resolver este dilema, los científicos están recurriendo a la inteligencia artificial y al crowdsourcing en busca de ayuda para identificar una inspiración clave para la innovación:la analogía perfecta.
Wilbur Wright, por ejemplo, famoso tuvo su idea de usar ala deformación para equilibrar un avión mientras gira una caja de cartón. El uso de métodos similares para resolver problemas dispares es un tema común en la historia de la innovación. Pero a medida que los problemas se vuelven más complejos y la cantidad de información científica se dispara, encontrar analogías útiles puede ser difícil, dijo Niki Kittur, profesor del Instituto de Interacción Hombre-Computadora de la Universidad Carnegie Mellon.
Como se describe en un nuevo informe que publicará en línea esta semana el procedimientos de la Academia Nacional de Ciencias , Los investigadores están abordando este problema al desglosar el proceso de identificación de analogías, utilizando trabajadores colectivos para resolver pasos individuales en el proceso y capacitando a las IA para que realicen parte del trabajo automáticamente.
"Estamos desarrollando nuevas herramientas que podrían desbloquear todo un conjunto de posibilidades interesantes, "dijo Kittur, el autor principal. "Estamos empezando a ver cómo la gente podría usarlos".
Si este enfoque tiene éxito, los investigadores no necesitan confiar en un genio solitario como Wright para encontrar analogías. En lugar de, pueden utilizar una combinación de individuos e IA, cada uno haciendo esas partes del trabajo que aprovechan sus fortalezas particulares, dijeron los autores, que incluyen científicos de CMU, el Centro de Investigación y Tecnología de Bosch en Pittsburgh, la Universidad Hebrea de Jerusalén, la Universidad de Maryland y la Escuela de Negocios Stern de la Universidad de Nueva York.
Coordinar esos esfuerzos puede ser un desafío, ellos reconocen, pero mejores analogías podrían producir un descubrimiento científico más eficiente, potencialmente haciendo que los avances científicos sean más profundos y menos incrementales.
"La gente está realmente interesada en cómo comenzamos a generar avances nuevamente, "dijo Dafna Shahaf, profesor asistente de informática en la Universidad Hebrea de Jerusalén. "El ritmo de descubrimiento es alto, pero no escala con la cantidad de recursos invertidos en investigación ".
Gente, como los trabajadores colectivos en Amazon Mechanical Turk, han sido clave para la investigación, aunque la IA puede aprender de sus esfuerzos y asumir un papel más importante en el futuro. Por ejemplo, los autores desarrollaron una herramienta de inteligencia artificial que permite a un diseñador especificar un enfoque de la descripción de un producto y luego abstraerlo de manera específica. Un diseñador que desarrolla una jabonera ajustable, por ejemplo, podría identificar el foco como un producto extensible para diferentes tamaños de jabón. Luego, el enfoque podría ampliarse para incluir diferentes tipos de productos personales o para acomodar dimensiones como alturas o pesos, en lugar de solo longitud.
Los investigadores han demostrado cómo este enfoque se puede extender a la investigación científica. Eso incluye el desarrollo de métodos para que los principiantes anoten la literatura científica, que puede resultar difícil de leer y comprender. Aún así, los no expertos a menudo pueden discernir dónde están los conceptos y mecanismos más importantes en estos informes de investigación, incluso si no comprenden lo que significan esos conceptos / mecanismos, dijo Joel Chan, profesor asistente de estudios de la información en la Universidad de Maryland.
"Saber qué partes son importantes nos compra mucho en términos de encontrar relaciones analógicas sutiles entre trabajos de investigación, ", Agregó Chan. Por ejemplo, una vez que los no expertos aíslan las partes de los artículos que describen su propósito u objetivo de investigación, Los modelos de IA pueden identificar otros artículos que tienen fines comunes, incluso si son de diferentes áreas temáticas.
Si la identificación de analogías se puede ampliar, el potencial de avances es grande, dijo Hila Lifshitz-Assaf, profesor asistente de información, ciencias de operaciones y administración en NYU Stern. A la espera de ser aprovechado hay más de 9 millones de patentes estadounidenses; más de 2 millones de ideas de productos y soluciones enviadas a plataformas de ideación como InnoCentive, Pedal de arranque, Extravagante y OpenIDEO; cientos de millones de artículos científicos y casos legales que se pueden buscar en Google Scholar; y miles de millones de páginas web y videos que se pueden buscar en Internet.
Por supuesto, el gran volumen de esa información plantea un desafío para encontrar y aplicar analogías, uno de los tres desafíos que identifican los autores. Otro es la tendencia de las personas a fijarse en los detalles del nivel de la superficie, en lugar de conceptos más profundos que se aplican a todos los campos. Personas que están considerando cómo tratar un tumor inoperable con radiación sin destruir tejido sano. por ejemplo, tienden a centrarse en la radiación o el cáncer en lugar de inspirarse en la ciencia militar para asaltos de múltiples frentes.
Un tercer desafío es la enorme complejidad de los problemas del mundo real, que pueden requerir soluciones de varios subproblemas, requiriendo múltiples analogías en múltiples niveles de abstracción.
Resolver esos desafíos podría marcar el comienzo de una nueva era de descubrimiento, Kittur dijo:Brindar a las personas la inspiración necesaria para lograr avances que ahora están fuera de nuestro alcance.
"Podría ser que la fruta madura haya sido arrancada y simplemente no tengamos las escaleras para llegar a lo que queda, ", explicó." La IA nos ayudará a subir más alto en el árbol, pero aún necesitará que las personas realmente recojan la fruta ".