Estimulando la Creatividad Científica mediante Inspiración Interdisciplinaria Impulsada por LLM

Sparking Scientific Creativity via LLM-Driven Interdisciplinary Inspiration

March 12, 2026

Autores: Priyanka Kargupta, Shuhaib Mehri, Dilek Hakkani-Tur, Jiawei Han

cs.AI

Resumen

A pesar de que la investigación interdisciplinaria conduce a un impacto mayor y a más largo plazo, la mayoría de los trabajos permanece confinada a silos académicos de un solo dominio. Los enfoques recientes basados en IA para el descubrimiento científico son prometedores para la investigación interdisciplinaria, pero muchos priorizan el diseño rápido de experimentos y soluciones, omitiendo los procesos de razonamiento colaborativo y exploratorio que impulsan los avances interdisciplinarios creativos. Como resultado, los esfuerzos previos priorizan en gran medida automatizar el descubrimiento científico en lugar de aumentar los procesos de razonamiento que subyacen a la disrupción científica. Presentamos Idea-Catalyst, un marco novedoso que identifica sistemáticamente perspectivas interdisciplinarias para apoyar el razonamiento creativo tanto en humanos como en modelos de lenguaje grandes. Partiendo de un objetivo de investigación abstracto, Idea-Catalyst está diseñado para asistir la etapa de lluvia de ideas, evitando explícitamente el anclaje prematuro en soluciones específicas. El marco incorpora características metacognitivas clave del razonamiento interdisciplinario: (a) definir y evaluar objetivos de investigación, (b) conciencia de las oportunidades y los desafíos no resueltos de un dominio, y (c) exploración estratégica de ideas interdisciplinarias basada en el potencial de impacto. Concretamente, Idea-Catalyst descompone un objetivo abstracto (por ejemplo, mejorar la colaboración humano-IA) en preguntas de investigación centrales del dominio objetivo que guían el análisis del progreso y los desafíos abiertos dentro de ese dominio. Estos desafíos se reformulan como problemas conceptuales independientes del dominio, permitiendo la recuperación de disciplinas externas (por ejemplo, Psicología, Sociología) que abordan problemas análogos. Al sintetizar y recontextualizar las perspectivas de estos dominios de vuelta al dominio objetivo, Idea-Catalyst clasifica los dominios fuente por su potencial interdisciplinario. Empíricamente, esta integración dirigida mejora la novedad promedio en un 21% y la perspicacia en un 16%, manteniéndose a la vez fundamentada en el problema de investigación original.

English

Despite interdisciplinary research leading to larger and longer-term impact, most work remains confined to single-domain academic silos. Recent AI-based approaches to scientific discovery show promise for interdisciplinary research, but many prioritize rapidly designing experiments and solutions, bypassing the exploratory, collaborative reasoning processes that drive creative interdisciplinary breakthroughs. As a result, prior efforts largely prioritize automating scientific discovery rather than augmenting the reasoning processes that underlie scientific disruption. We present Idea-Catalyst, a novel framework that systematically identifies interdisciplinary insights to support creative reasoning in both humans and large language models. Starting from an abstract research goal, Idea-Catalyst is designed to assist the brainstorming stage, explicitly avoiding premature anchoring on specific solutions. The framework embodies key metacognitive features of interdisciplinary reasoning: (a) defining and assessing research goals, (b) awareness of a domain's opportunities and unresolved challenges, and (c) strategic exploration of interdisciplinary ideas based on impact potential. Concretely, Idea-Catalyst decomposes an abstract goal (e.g., improving human-AI collaboration) into core target-domain research questions that guide the analysis of progress and open challenges within that domain. These challenges are reformulated as domain-agnostic conceptual problems, enabling retrieval from external disciplines (e.g., Psychology, Sociology) that address analogous issues. By synthesizing and recontextualizing insights from these domains back into the target domain, Idea-Catalyst ranks source domains by their interdisciplinary potential. Empirically, this targeted integration improves average novelty by 21% and insightfulness by 16%, while remaining grounded in the original research problem.