Opis projektu
Sprawniejsze dokonywanie odkryć dzięki automatyzacji znajdowania analogii
Analogie są często wykorzystywane w nauce. W historii wiele ważnych odkryć zostało dokonanych poprzez analogie. Analogia polega na zdolności do znalezienia głębszych zasad strukturalnych i zastosowania ich w różnych dziedzinach. Obecnie ilość dostępnych danych i różne wzorce strukturalne, a także wsparcie ze strony sztucznej inteligencji i uczenia maszynowego, dramatycznie zwiększają możliwość dokonywania odkryć. Finansowany przez UE projekt SIAM ma na celu stworzenie mechanizmu automatyzacji procesu wyszukiwania analogii dzięki połączeniu ludzkiej innowacyjności z maszynowym przetwarzaniem informacji. Wykorzysta on sztuczną inteligencję do wyszukiwania, selekcji i stosowania analogii. W ramach projektu zostaną przygotowane narzędzia umożliwiające porównywanie analogii i znajdowanie podobieństw, tak aby stworzyć algorytmy oparte na zdrowym rozsądku i abstrakcji oraz powstaną nowe narzędzia, które przyspieszą innowacje i odkrycia.
Cel
"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."
Dziedzina nauki
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
ERC-STG - Starting GrantInstytucja przyjmująca
91904 Jerusalem
Izrael