Los investigadores tratan de encontrar métodos que aceleren la innovación con analogías, mediante técnicas de Crowdsource combinadas con la Inteligencia Artificial.
La innovación basada en analogías es, por ejemplo, cuando Wilbur Wright, tuvo su famosa idea de utilizar la deformación de alas para equilibrar un avión mientras giraba 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 explota, encontrar analogías útiles puede ser difícil, dijo Niki Kittur, profesora del Instituto de Interacción Humano-Computadora de la Universidad Carnegie Mellon.
Como se describe en un nuevo informe que se publicó on line esta semana en las Actas de la Academia Nacional de Ciencias, los investigadores están abordando este problema al desglosar el proceso de identificación de analogías, usar trabajo crowdsource para resolver pasos individuales en el proceso y capacitar la AI para hacer parte del trabajo automáticamente.
Si este enfoque resulta exitoso, los investigadores no necesitan confiar en un genio solitario como Wright para encontrar analogías. En su lugar, pueden usar una combinación de individuos y AI, cada uno haciendo esas partes del trabajo que aprovechan sus fortalezas particulares, dijeron los autores, que incluyen científicos de Carnegie Mellon University, Bosch Research and Technology Center in Pittsburgh, Hebrew University of Jerusalem, University of Maryland y New York University Stern School of Business.
La coordinación de esos esfuerzos puede ser un desafío, reconocen, pero mejores analogías podrían generar descubrimientos científicos más eficientes, lo que podría hacer que los avances científicos sean más profundos y menos incrementales.
«La gente está realmente interesada en cómo comenzamos a generar avances de nuevo», dijo Dafna Shahaf, profesora asistente de informática en la Universidad Hebrea de Jerusalén. «El ritmo de descubrimiento es alto, pero no se escala con la cantidad de recursos invertidos en investigación».
El crowdsourcing de Amazon Mechanical Turk , ha sido clave para la investigación, aunque la Inteligencia Artificial puede aprender de sus esfuerzos y asumir un papel más importante en el futuro. Por ejemplo, los autores desarrollaron una herramienta de AI que permite a un diseñador especificar el enfoque de una descripción del producto y luego abstraerlo de manera específica. Un diseñador que desarrolla una jabonera ajustable, por ejemplo, podría identificar el enfoque como un producto extensible para diferentes tamaños de jabón. El enfoque podría luego ampliarse para incluir diferentes tipos de productos personales o para adaptarse a dimensiones tales como alturas o pesos, en lugar de solo la longitud.

Fig 1 : Modelo del proceso de innovación impulsado por la analogía, que consiste en tres procesos centrales: abstraer el problema, buscar analogías y aplicarlas para generar soluciones al problema original. Tradicionalmente, el proceso tiene lugar dentro de la cabeza de una persona. En su lugar, proponemos distribuir el proceso entre muchos procesadores de información, tanto humanos como mecánicos. En la parte inferior se resumen una serie de estudios que hemos llevado a cabo con sistemas basados en multitudes e inteligencia artificial y los desafíos que enfrentan. Crédito: CMU
Los investigadores han demostrado cómo este enfoque de innovación con analogías puede extenderse a la investigación científica
Eso incluye el desarrollo de métodos para que los novatos puedan anotar literatura científica, lo que puede ser difícil de leer y entender. Aun así, los no expertos a menudo pueden discernir dónde se encuentran los conceptos y mecanismos más importantes en estos informes de investigación, incluso si no comprenden qué significan esos conceptos o mecanismos, dijo Joel Chan, profesor asistente de estudios de información en la Universidad de Maryland.

Fig 2: Ejemplo de una descripción concreta del producto y una representación esquemática del mismo.
«Saber qué partes son importantes nos aporta mucho en términos de encontrar relaciones analógicas sutiles entre los trabajos de investigación «, agregó Chan. Por ejemplo, una vez que los no expertos aíslan las partes de los documentos que describen su propósito o objetivo de investigación, los modelos de AI pueden identificar otros artículos que tengan propósitos comunes, incluso si son de diferentes áreas temáticas.
Si se puede ampliar la identificación por analogía, el potencial de avances es grande, dijo Hila Lifshitz-Assaf, profesora asistente de ciencias de la información, operaciones y administración en NYU Stern.
Más de 9 millones de patentes en EE. UU. más de 2 millones de ideas de productos y soluciones enviadas a plataformas de ideación como InnoCentive, Kickstarter, Quirky 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 los autores identifican. Otra es la tendencia de las personas a fijarse en los detalles de nivel de superficie, en lugar de conceptos más profundos que se aplican en todos los campos. Las personas que consideran cómo tratar un tumor inoperable con radiación sin destruir el tejido sano, por ejemplo, tienden a centrarse en la radiación o el cáncer en lugar de inspirarse en la ciencia militar para realizar asaltos múltiples. Un tercer desafío es la gran complejidad de los problemas del mundo real, que pueden requerir soluciones de varios subproblemas, que requieren múltiples analogías en múltiples niveles de abstracción.
La solución de esos desafíos podría marcar el comienzo de una nueva era de descubrimientos, dijo Kittur, que proporciona a las personas la inspiración necesaria para hacer avances ahora más allá de nuestro alcance. «Podría ser que se haya arrancado la fruta de baja altura y simplemente no tenemos las escaleras para alcanzar lo que queda», explicó. «La inteligencia artificial nos ayudará a subir más en el árbol, pero aún necesitarás que la gente realmente elija la fruta».
Aniket Kittur el al., «Scaling up analogical innovation with crowds and AI,» PNAS(2019).
Fuente: Carnegie Mellon University