使用人工智能来推进科技发展

在最近一次去埃森哲位于都柏林的船坞工厂参观时，他们展示了一个基于人工智能的工具，在对数千种现有食谱进行分析后，推荐新的食谱，以产生潜在的新口味。尽管这项工作很有趣，但当应用到创新本身时，这种方法可能更有趣。

今天，越来越多的创新被称为“重组”，即以新颖和创造性的方式应用现有的想法和概念。研究人员正越来越多地部署基于人工智能的工具，以帮助设计一些可能的探索之路。

例如，卡耐基梅隆大学(Carnegie Mellon University)和耶路撒冷希伯来大学(Hebrew University of Jerusalem)的研究人员最近发表的一篇论文，强调了一种人工智能驱动的方法，可以挖掘专利和研究论文的数据库，以寻找可以重新组合成新问题解决方案的想法。

该方法的核心是试图找到将看似不同的方法和问题联系起来的类比。他们利用众包来了解人们是如何形成类比的，然后用它来训练一种深度学习算法，然后挖掘智能数据库，寻找潜在的创新。

“经过几十年的尝试，这是第一次有人在大规模的类比问题上获得了计算上的吸引力，”作者说。“一旦你能找到类比，你就能真正加快创新的速度，如果你能加快创新的速度，就能解决下游的许多其他问题。”

也许可以这样说，发现类比不是计算机最容易做的事情，因为这通常是我们人类做的事情之一，我们并不总是理解我们是如何做的。以前自动化作业的尝试首先需要手工创建数据结构，这非常耗时，因此根本没有可伸缩性。

该团队求助于土耳其机械公司(Mechanical Turk)，招募了一些志愿者，通过产品创新网站weird寻找类似的产品。他们通过寻找一系列具有类似目的或工作方法的产品来做到这一点。

每个参与者都被要求解释他们是如何得出结论的。例如，它们可以根据产品的用途和机制来描述产品。这有助于提供可用于创建类比的连接器。

然后，这些见解被输入到算法中，然后再将其释放到一个额外的产品描述数据集中。研究人员要求该算法自己想出一些类似的例子。有趣的是，事实证明，它非常擅长这项任务，它超越了表面的相似性，发现了看似不同的产品之间的相似性。事实上，当这些被测试时，新产品建议被评为最具创新性的想法。

该团队认为，通过允许组织发现专利或研究论文之间先前隐藏的联系，这种方法可以很容易地扩展为创新过程的一部分。这两个数据集都是巨大的，并以惊人的速度增长。这是一个非常适合自治方法的问题，因此看看接下来团队和他们的系统会发生什么将会很有趣。

在《自然》杂志最近发表的一篇论文中，也记录了一个类似的项目。研究人员使用了类似的方法来推导单词和主题之间的联系，然后从1922年至2018年发表的材料科学论文中搜罗了大约330万篇科学摘要。

这种方法能够获取该领域的基本知识，比如元素周期表的性质和结构，以及化学物质的结构与其性质之间的关系，同时也提出了一些新的化合物，其性质与热电材料的性质类似，这些化合物以前从未被研究过。

研究小组认为，这种方法可以有效地探索科学研究的新途径，从而加速科学在各个领域的发展。

请关注公众号:程序你好