O investimento em pesquisa está em alta, no entanto, a taxa de descobertas científicas não está estabelecendo nenhum recorde. Para resolver este dilema, os cientistas estão recorrendo à inteligência artificial e ao crowdsourcing para obter ajuda na identificação de uma inspiração fundamental para a inovação - a analogia perfeita.

Wilbur Wright, por exemplo, É famosa a ideia de usar o arqueamento de asas para equilibrar um avião enquanto torce uma caixa de papelão. Usar métodos semelhantes para resolver problemas díspares é um tema comum na história da inovação. Mas, à medida que os problemas se tornam mais complexos e a quantidade de informações científicas explode, encontrar analogias úteis pode ser difícil, disse Niki Kittur, professor do Instituto de Interação Humano-Computador da Carnegie Mellon University.

Conforme descrito em um novo relatório a ser publicado online esta semana pela Anais da Academia Nacional de Ciências , pesquisadores estão abordando este problema decompondo o processo de identificação de analogias, usar trabalhadores de massa para resolver etapas individuais no processo e treinar IAs para fazer parte do trabalho automaticamente.

"Estamos desenvolvendo novas ferramentas que podem abrir todo um conjunto de possibilidades interessantes, "disse Kittur, o autor principal. "Estamos apenas começando a ver como as pessoas podem usá-los."

Se essa abordagem for bem-sucedida, os pesquisadores não precisam confiar em um gênio solitário como Wright para encontrar analogias. Em vez de, eles podem usar uma mistura de indivíduos e IAs, cada um fazendo aquelas partes do trabalho que alavancam seus pontos fortes particulares, disseram os autores, que incluem cientistas da CMU, o Centro de Pesquisa e Tecnologia da Bosch em Pittsburgh, a Universidade Hebraica de Jerusalém, a University of Maryland e a New York University Stern School of Business.

Coordenar esses esforços pode ser um desafio, eles reconhecem, mas melhores analogias podem produzir descobertas científicas mais eficientes, potencialmente tornando os avanços científicos mais profundos e menos incrementais.

"As pessoas estão realmente interessadas em como começamos a gerar inovações novamente, "disse Dafna Shahaf, professor assistente de ciência da computação na Universidade Hebraica de Jerusalém. "O ritmo de descoberta é alto, mas não escalona com a quantidade de recursos investidos em pesquisa. "

Pessoas, como trabalhadores coletivos no Amazon Mechanical Turk, têm sido fundamentais para a pesquisa, embora a IA possa aprender com seus esforços e assumir um papel maior no futuro. Por exemplo, os autores desenvolveram uma ferramenta de IA que permite a um designer especificar o foco da descrição de um produto e, em seguida, abstraí-lo de maneira direcionada. Um designer desenvolvendo uma saboneteira ajustável, por exemplo, poderia identificar o foco como um produto extensível para diferentes tamanhos de sabonete. O foco pode então ser ampliado para incluir diferentes tipos de produtos pessoais ou para acomodar dimensões como alturas ou pesos, em vez de apenas comprimento.

Os pesquisadores mostraram como essa abordagem pode ser estendida à pesquisa científica. Isso inclui o desenvolvimento de métodos para os novatos fazerem anotações na literatura científica, o que pode ser difícil de ler e entender. Mesmo assim, não especialistas muitas vezes conseguem discernir onde estão os conceitos e mecanismos mais importantes nesses relatórios de pesquisa, mesmo que eles não entendam o que esses conceitos / mecanismos significam, disse Joel Chan, professor assistente de estudos da informação na Universidade de Maryland.

"Saber quais partes são importantes nos compra muito em termos de encontrar relações analógicas sutis entre artigos de pesquisa, "Chan adicionado. Por exemplo, uma vez que os não especialistas isolam as partes dos artigos que descrevem seu propósito ou objetivo de pesquisa, Os modelos de IA podem identificar outros artigos que tratam de propósitos comuns, mesmo que sejam de diferentes áreas temáticas.

Se a identificação de analogia pode ser ampliada, o potencial para avanços é grande, disse Hila Lifshitz-Assaf, professor assistente de informação, ciências operacionais e de gestão na NYU Stern. Esperando para serem explorados estão mais de 9 milhões de patentes dos EUA; mais de 2 milhões de ideias de produtos e soluções enviadas para plataformas de concepção, como InnoCentive, Kickstarter, Peculiar e OpenIDEO; centenas de milhões de artigos científicos e processos judiciais pesquisáveis ​​no Google Scholar; e bilhões de páginas da web e vídeos pesquisáveis ​​na Internet.

Claro, o grande volume dessas informações representa um desafio para encontrar e aplicar analogias, um dos três desafios que os autores identificam. Outra é a tendência das pessoas de se fixar nos detalhes superficiais, em vez de conceitos mais profundos que se aplicam a todos os campos. Pessoas considerando como tratar um tumor inoperável com radiação sem destruir o tecido saudável, por exemplo, tendem a se concentrar na radiação ou no câncer em vez de se inspirar na ciência militar para ataques multifacetados.

Um terceiro desafio é a complexidade absoluta dos problemas do mundo real, que pode exigir soluções de vários subproblemas, exigindo múltiplas analogias em vários níveis de abstração.

Resolver esses desafios pode inaugurar uma nova era de descobertas, Kittur disse, fornecendo às pessoas a inspiração necessária para fazer descobertas agora um pouco além do nosso alcance.

"Pode ser que os frutos mais baixos tenham sido colhidos e simplesmente não tenhamos escadas para alcançar o que resta, "ele explicou." A IA nos ajudará a subir mais alto na árvore, mas você ainda precisará de pessoas para realmente colher as frutas. "