研究投资处于历史最高水平，但科学突破的速度并没有创造任何记录。为了解决这一困境，科学家们正在转向人工智能和众包，以帮助确定创新的关键灵感 - 完美的类比。
例如，威尔伯·赖特(Wilbur Wright)就是在使用机翼翘曲来平衡飞机的同时扭曲纸板箱时出类拔萃的想法。使用类似的方法来解决不同的问题是创新史上的一个共同主题。但随着问题变得更加复杂，科学信息的数量爆炸，找到有用的类比可能很困难，卡内基梅隆大学人机交互研究所的教授Niki Kittur说。
正如本周由美国国家科学院院刊在线发表的一份新报告所述，研究人员正在通过打破识别类比的过程解决这个问题，利用群众工作者解决流程中的各个步骤并培训AIs自动完成部分工作。
“我们正在开发可以解锁一整套有趣可能性的新工具，”第一作者Kittur说。“我们刚刚开始看到人们如何使用它们。”
如果这种方法证明是成功的，那么研究人员就不必依赖像莱特这样的孤独天才来找到类比。相反，他们可以使用个人和AI的混合，每个人都在利用他们特殊的优势做这些工作，这些作者包括CMU的科学家，匹兹堡博世研究和技术中心，耶路撒冷希伯来大学，马里兰大学和纽约大学斯特恩商学院。
他们承认，协调这些努力可能是一项挑战，但更好的类比可以产生更有效的科学发现，可能使科学进步更加深刻，增量更少。
耶路撒冷希伯来大学计算机科学助理教授Dafna Shahaf说：“人们对我们如何再次开始取得突破感兴趣。” “发现的速度很快，但不会随着研究投入的资源量而扩大。”
人们，例如亚马逊机械土耳其人的群众工作者，一直是研究的关键，尽管人工智能可以从他们的努力中学习并承担更大的前进作用。例如，作者开发了一个AI工具，使设计人员能够指定产品描述的焦点，然后以有针对性的方式对其进行抽象。例如，开发可调节肥皂盘的设计师可以将重点确定为不同尺寸肥皂的可扩展产品。然后可以扩大焦点以包括不同类型的个人产品或适应诸如高度或重量之类的尺寸，而不仅仅是长度。
研究人员已经证明了这种方法如何扩展到科学研究。这包括为新手开发注释科学文献的方法，这些方法可能难以阅读和理解。即便如此，非专业人士经常可以看出这些研究报告中最重要的概念和机制在哪里，即使他们不了解这些概念/机制的含义，马里兰大学信息研究助理教授Joel Chan说。
“知道哪些部分很重要，在寻找研究论文之间微妙的类比关系方面给我们带来了很多好处，”Chan补充说。例如，一旦非专家分离描述其目的或研究目标的论文部分，AI模型就可以识别出其他有关共同目的的论文，即使它们来自不同的主题领域。
纽约大学斯特恩分校信息，运营和管理科学助理教授Hila Lifshitz-Assaf表示，如果可以扩大类比识别，那么进步的潜力就很大。等待被窃听的美国专利超过900万件; 向InnoCentive，Kickstarter，Quirky和OpenIDEO等构思平台提交了200多万种产品和解决方案创意; 可在Google学术搜索中搜索数以亿计的科学论文和法律案例; 以及可在互联网上搜索的数十亿个网页和视频。
当然，大量的信息对寻找和应用类比提出了挑战，这是作者确定的三个挑战之一。另一个是人们倾向于关注表面层次的细节，而不是更深层次的概念，这些概念适用于各个领域。例如，考虑如何用辐射治疗不能手术的肿瘤而不破坏健康组织的人倾向于关注辐射或癌症，而不是从军事科学中汲取灵感来进行多重攻击。
第三个挑战是现实世界问题的复杂性，这可能需要几个子问题的解决方案，需要在多个抽象层次上进行多个类比。
Kittur说，解决这些挑战可以迎来一个新的发现时代，为人们提供必要的灵感，使我们能够实现突破，这是我们无法企及的。
他解释说：“可能是这种低悬的果实已被拔掉，而我们只是没有梯子可以到达剩下的东西。” “人工智能将帮助我们进入树木，但你仍然需要人们去采摘水果。”