Los investigadores de la Universidad Carnegie Mellon y la Universidad Hebrea de Jerusalén idearon un método que permite a las computadoras extraer bases de datos de patentes, invenciones y trabajos de investigación, identificando ideas que pueden reutilizarse para resolver nuevos problemas o crear nuevos productos.
Específicamente, desarrollaron una forma para que las computadoras encuentren analogías: comparaciones entre métodos a veces dispares y problemas que resaltan las similitudes subyacentes.
Como cualquiera que haya disfrutado viendo el MacGyver de la TV desarma un misil con un clip o bloquea una fuga de ácido sulfúrico con una barra de chocolate, las analogías pueden proporcionar ideas críticas e inspiración para la resolución de problemas. Aprovechar grandes bases de datos de invenciones podría estimular la innovación, perohacerlo sin la ayuda de analogías es, bueno, como encontrar una aguja en un pajar.
Los informáticos de Carnegie Mellon y la Universidad Hebrea resolvieron el problema de la analogía al combinar crowdsourcing y un tipo de inteligencia artificial conocida como aprendizaje profundo. Al observar cómo las personas encontraban analogías, obtuvieron información que utilizaron para entrenar software informático para encontrar aún más analogías.
"Después de décadas de intentos, esta es la primera vez que alguien ha ganado tracción computacionalmente sobre el problema de la analogía a escala", dijo Aniket Kittur, profesor asociado en el Instituto de Interacción Humano-Computadora de CMU.
"Una vez que puede buscar analogías, realmente puede aumentar la velocidad de la innovación", dijo Dafna Shahaf, ex alumno de la CMU y científico de la computación de la Universidad Hebrea. "Si puede acelerar la tasa de innovación, eso resuelve muchode otros problemas aguas abajo "
El equipo de investigación presentará sus hallazgos el jueves 17 de agosto, en KDD 2017, la Conferencia sobre Descubrimiento de Conocimiento y Minería de Datos, en Halifax, Nueva Escocia, donde el trabajo de investigación ya ha ganado los premios Best Paper y Best Student Paper.
Las analogías han jugado un papel en numerosos descubrimientos. El microbiólogo italiano Salvador Luria concibió un experimento sobre mutación bacteriana, que luego le valió el Premio Nobel, mientras miraba una máquina tragamonedas. Los hermanos Wright utilizaron ideas sobre el equilibrio y el peso adquiridomientras construía bicicletas para ayudarlos a lograr un vuelo propulsado. Un truco para sacar un corcho suelto de una botella de vino inspiró a un mecánico de automóviles argentino a inventar un dispositivo para facilitar los partos difíciles.
Encontrar analogías no siempre es fácil, particularmente para las computadoras, que no entienden las cosas en un nivel semántico profundo como lo hacen los humanos. Los investigadores han intentado crear estructuras de datos artesanales, pero este enfoque lleva mucho tiempo y es costoso, no escalable para bases de datoseso puede incluir nueve millones de patentes de los Estados Unidos o 70 millones de trabajos de investigación científica. Otros han intentado inferir esta estructura a partir de grandes cantidades de texto, pero este enfoque identifica principalmente similitudes superficiales, no la comprensión profunda útil para la resolución de problemas. Para seguir un nuevo enfoque, Kittur, quien pasó años estudiando crowdsourcing como un medio para encontrar analogías, unió fuerzas con Shahaf, que se ha especializado en analogías computacionales.
Junto con el estudiante de doctorado de Shahaf, Tom Hope, y el investigador postdoctoral de la CMU, Joel Chan, idearon un esquema en el que los trabajadores contratados a través de Amazon Mechanical Turk buscaron productos análogos en el Quirky.com sitio web de innovación de productos. Basado en las descripciones de los productos, buscaron aquellos que tenían propósitos similares o emplearon mecanismos similares.
"Pudimos mirar dentro del cerebro de estas personas porque los forzamos a mostrar su trabajo", explicó Chan. Una descripción de un fabricante de yogurt, por ejemplo, podría producir palabras como "concentrado", "comida" y "reducir, "asociado con su propósito y palabras como" líquido "," bomba "y" calentamiento "asociado con su mecanismo." En términos de analogías, esto no se trata de yogur, sino de concentrar cosas ", señaló.
Con base en estos conocimientos, la computadora podría aprender a analizar descripciones de productos adicionales e identificar sus propias analogías, muchas de las cuales reflejan similitudes entre productos aparentemente dispares, no simplemente similitudes de superficie. Cuando los trabajadores de la multitud posteriormente usaron las analogías para sugerir nuevos productos, estosLas analogías "distantes" arrojaron las ideas más innovadoras, dijo Hope.
El mismo enfoque podría usarse para adaptar los programas de computadora para encontrar analogías en las solicitudes de patentes o en los trabajos de investigación científica.
La National Science Foundation apoyó esta investigación, al igual que Bosch, Google y la iniciativa Web 2020 de CMU.
La iniciativa CMU AI en la Facultad de Ciencias de la Computación está avanzando en la investigación y la educación de inteligencia artificial al aprovechar las fortalezas de la escuela en visión por computadora, aprendizaje automático, robótica, procesamiento del lenguaje natural e interacción humano-computadora.
Fuente de la historia :
Materiales proporcionados por Universidad Carnegie Mellon . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :