Investeringar i forskning är på toppnivå, men graden av vetenskapliga genombrott sätter inga rekord. För att lösa detta problem, forskare vänder sig till artificiell intelligens och crowdsourcing för att få hjälp med att identifiera en nyckelinspiration för innovation – den perfekta analogin.

Wilbur Wright, till exempel, fick sin idé om att använda vingen för att balansera ett flygplan samtidigt som han vrider en kartong. Att använda liknande metoder för att lösa olika problem är ett vanligt tema i innovationshistorien. Men när problemen blir mer komplexa och mängden vetenskaplig information exploderar, att hitta användbara analogier kan vara svårt, sa Niki Kittur, en professor vid Carnegie Mellon Universitys Human-Computer Interaction Institute.

Som beskrivs i en ny rapport som publiceras online denna vecka av Proceedings of the National Academy of Sciences , forskare tar itu med detta problem genom att bryta ner processen att identifiera analogier, använda crowdworkers för att lösa enskilda steg i processen och träna AI:er att göra en del av arbetet automatiskt.

"Vi utvecklar nya verktyg som kan låsa upp en hel uppsättning intressanta möjligheter, sa Kittur, huvudförfattaren. "Vi har precis börjat se hur folk kan använda dem."

Om detta tillvägagångssätt visar sig vara framgångsrikt, forskare behöver inte förlita sig på ett ensamt geni som Wright för att hitta analogier. Istället, de kan använda en blandning av individer och AI:er, var och en gör de delar av arbetet som utnyttjar deras särskilda styrkor, sa författarna, som inkluderar forskare från CMU, Bosch Research and Technology Center i Pittsburgh, hebreiska universitetet i Jerusalem, University of Maryland och New York University Stern School of Business.

Att samordna dessa insatser kan vara en utmaning, de erkänner, men bättre analogier kan ge effektivare vetenskaplig upptäckt, potentiellt göra vetenskapliga framsteg mer djupgående och mindre inkrementella.

"Folk är verkligen intresserade av hur vi börjar skapa genombrott igen, sa Dafna Shahaf, biträdande professor i datavetenskap vid hebreiska universitetet i Jerusalem. "Upptäcktstakten är hög, men inte skala med den mängd resurser som investerats i forskning. "

Människor, såsom folkmassaarbetare på Amazon Mechanical Turk, har varit nyckeln till forskningen, även om AI kan lära av sina ansträngningar och ta en större roll framåt. Till exempel, författarna utvecklade ett AI-verktyg som gör det möjligt för en designer att specificera fokus för en produktbeskrivning och sedan abstrahera den på ett målinriktat sätt. En designer som utvecklar en justerbar tvålkopp, till exempel, kunde identifiera fokus som en utdragbar produkt för olika storlekar av tvål. Fokus kan sedan breddas till att omfatta olika typer av personliga produkter eller för att rymma dimensioner som höjder eller vikter, snarare än bara längden.

Forskarna har visat hur detta tillvägagångssätt kan utvidgas till vetenskaplig forskning. Det inkluderar att utveckla metoder för nybörjare att kommentera vetenskaplig litteratur, som kan vara utmanande att läsa och förstå. Ändå, icke-experter kan ofta urskilja var de viktigaste begreppen och mekanismerna finns i dessa forskningsrapporter, även om de inte förstår vad dessa begrepp/mekanismer betyder, sa Joel Chan, biträdande professor i informationsstudier vid University of Maryland.

"Att veta vilka delar som är viktiga köper oss mycket när det gäller att hitta subtila analogiska samband mellan forskningsartiklar, " lade Chan till. Till exempel, när icke-experter isolerar de delar av artiklar som beskriver deras syfte eller forskningsmål, AI-modeller kan identifiera andra papper som handlar om gemensamma syften, även om de kommer från olika ämnesområden.

Om analogiidentifiering kan skalas upp, potentialen för framsteg är stor, sa Hila Lifshitz-Assaf, biträdande professor i information, operations and management sciences vid NYU Stern. Väntar på att bli utnyttjad är mer än 9 miljoner amerikanska patent; mer än 2 miljoner produkt- och lösningsidéer skickade till idéplattformar som InnoCentive, Kickstarter, Quirky och OpenIDEO; hundratals miljoner vetenskapliga artiklar och rättsfall sökbara på Google Scholar; och miljarder webbsidor och videor som kan sökas på internet.

Självklart, den stora mängden information utgör en utmaning för att hitta och tillämpa analogier, en av tre utmaningar som författarna identifierar. En annan är människors tendens att fixera sig vid detaljer på ytnivå, snarare än djupare begrepp som gäller över fält. Människor som överväger hur man behandlar en inoperabel tumör med strålning utan att förstöra frisk vävnad, till exempel, tenderar att fokusera på strålning eller cancer snarare än att hämta inspiration från militärvetenskap för mångsidiga övergrepp.

En tredje utmaning är den stora komplexiteten i verkliga problem, som kan kräva lösningar på flera delproblem, kräver flera analogier på flera abstraktionsnivåer.

Att lösa dessa utmaningar kan inleda en ny era av upptäckter, Kittur sa:ge människor den inspiration som krävs för att göra genombrott nu precis utanför vår räckhåll.

"Det kan vara så att den lågt hängande frukten har plockats och vi bara inte har stegarna för att nå det som återstår, " förklarade han. "AI kommer att hjälpa oss att komma högre upp i trädet, men du kommer fortfarande att behöva folk för att faktiskt plocka frukten."