Descrizione del progetto
Promuovere le scoperte attraverso l’automazione delle conclusioni per analogia
Le analogie sono spesso utilizzate nella scienza. Molte scoperte storiche importanti sono state possibili attraverso conclusioni per analogia. L’analogia è la capacità di trovare una regola strutturale profonda e applicarla in diversi campi. Tuttavia, oggi la quantità di dati disponibili e i diversi schemi strutturali, con il supporto di IA e apprendimento automatico, aumentano notevolmente la possibilità di tali conclusioni. Il progetto SIAM, finanziato dall’UE, si propone di creare un meccanismo per l’automazione del processo di conclusioni per analogia combinando l’innovazione umana e l’elaborazione delle informazioni da parte delle macchine. Impiegherà l’IA nella scoperta, nella selezione e nell’applicazione dell’analogia. Il progetto preparerà strumenti per confrontare le analogie e trovare somiglianze, al fine di creare algoritmi basati sul buon senso e l’astrazione per sviluppare nuovi strumenti che accelereranno l’innovazione e la scoperta.
Obiettivo
"Many world-changing breakthroughs in science and technology were enabled by analogical transfer, as ideas from one domain were used to solve a problem in another. Observing water led the Greek philosopher Chrysippus to speculate that sound was a wave phenomenon; an analogy to twisting a cardboard box allowed the Wright brothers to design a steerable aircraft. Despite its value for innovation, very little progress has been made towards automating the process of analogy-finding in real-world settings, and the problem has maintained a longstanding status as a ""holy grail"" in artificial intelligence (AI).
The goal of this proposal is to tackle head-on this important problem and develop principled tools for automatically discovering analogies in large, unstructured, natural-language datasets such as patents and scientific papers. Such tools could revolutionize a variety of fields, allowing scientists and inventors to retrieve useful content based on deep structural similarity rather than simple keywords. The explosion of data available online, coupled with novel machine learning and crowdsourcing techniques, creates an unprecedented opportunity to develop novel methods to accelerate innovation and discovery.
My approach explores the multiple roles AI and machine learning can play in the analogical innovation pipeline. This research will focus on the three core components of the pipeline -- (1) developing representations and similarity metrics to facilitate comparison between potential analogs, (2) imbuing the algorithms with commonsense knowledge and abstraction capabilities, and (3) guiding the adaptation of the discovered analogies to solve the original problem. For each component, the proposal demonstrates how recent advances suggest effective approaches, and describes our concrete preliminary results and ideas to serve as starting points and indicate the feasibility of this challenging project."
Campo scientifico
Parole chiave
Programma(i)
Argomento(i)
Meccanismo di finanziamento
ERC-STG - Starting GrantIstituzione ospitante
91904 Jerusalem
Israele