通过 LLM 驱动的跨学科灵感激发科学创造力

尽管跨学科研究导致更大更长期的影响，但大多数工作仍局限于单一学科的学术孤岛中。近期基于人工智能的科学发现方法显示出跨学科研究的前景，但许多方法侧重于快速设计实验和解决方案，却绕过了驱动创造性跨学科突破的探索性、协作推理过程。因此，此前的工作大多优先自动化科学发现，而非增强支撑科学颠覆性思维的推理过程。我们提出 Idea-Catalyst 框架，系统性地识别跨学科洞见，以支持人类和大语言模型的创造性推理。框架从抽象的研究目标出发，旨在协助头脑风暴阶段，明确避免对特定解决方案进行过早锚定。Idea-Catalyst 体现了跨学科推理的关键元认知特征：(a) 定义和评估研究目标，(b) awareness 各领域的机遇和未解决挑战，(c) 基于影响潜力进行战略性的跨学科思想探索。具体而言，Idea-Catalyst 将抽象目标（例如改进人类与人工智能的协作）分解为核心目标领域的研究问题，以指导分析该领域的进展和开放挑战。这些挑战被重新表述为领域无关的概念性问题，从而可从外部领域（例如心理学、社会学）中检索解决类似问题的见解。通过将这些领域的见解综合并重新置于目标领域中，Idea-Catalyst 按照其跨学科潜力对来源领域进行排序。经实证验证，此有针对性的集成方式在平均创新性提升 21%、洞察性提升 16% 的同时，仍始终以原始研究问题为基础。