Diese Dissertation entwickelt einen Rahmen für künstliche Intelligenz zur Entdeckung interdisziplinärer Ingenieurlösungen, indem sie TRIZ (Theorie der Erfinderischen Problemlösung) mit der automatischen Verarbeitung natürlicher Sprache kombiniert. Das System integriert drei Komponenten: einen Text-CNN-Klassifikator, der interdisziplinäre Artikel identifiziert, ein thematisches Netzwerk, das interdisziplinäre Verbindungen abbildet, und ein RoBERTa-Verifizierungssystem für Problemlösungs-Paare. Der Prozess umfasst die Rahmenbedingungen der Probleme gemäß den TRIZ-Parametern, die Recherche in anderen Bereichen, die Projektierung der Lösungen auf die TRIZ-Prinzipien und die Überprüfung der Übereinstimmung. Anstatt lexikalische Ähnlichkeit zu suchen, werden tiefere konzeptionelle Übereinstimmungen angestrebt, die erklären, warum interdisziplinäre Lösungen funktionieren. Eine Fallstudie zur neuromorphischen Bildgebung zeigt bio-inspirierte Lösungen für Herausforderungen wie Latenz und Rauschen. Der Rahmen betont Transparenz durch nachvollziehbare Schritte und TRIZ-Rechtfertigungen. Diese "Entdeckungsingenieurkunst" beschleunigt die interdisziplinäre Innovation und wahrt dabei Stringenz und Nachvollziehbarkeit.
Nicolas Douard (Mon,) hat diese Frage untersucht.