Scatenare la Creatività Scientifica attraverso l'Ispirazione Interdisciplinare Guidata dai LLM

Sparking Scientific Creativity via LLM-Driven Interdisciplinary Inspiration

March 12, 2026

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

cs.AI

Abstract

Nonostante la ricerca interdisciplinare produca un impatto più ampio e di più lungo termine, la maggior parte del lavoro rimane confinata in silos accademici di singoli domini. I recenti approcci basati sull'IA per la scoperta scientifica mostrano potenziale per la ricerca interdisciplinare, ma molti privilegiano la progettazione rapida di esperimenti e soluzioni, aggirando i processi di ragionamento esplorativo e collaborativo che guidano le svolte creative interdisciplinari. Di conseguenza, gli sforzi precedenti hanno largamente privilegiato l'automazione della scoperta scientifica piuttosto che l'augmentazione dei processi di ragionamento alla base dell'innovazione scientifica. Presentiamo Idea-Catalyst, un framework innovativo che identifica sistematicamente intuizioni interdisciplinari per supportare il ragionamento creativo sia negli esseri umani che nei modelli linguistici di grandi dimensioni. Partendo da un obiettivo di ricerca astratto, Idea-Catalyst è progettato per assistere la fase di brainstorming, evitando esplicitamente un ancoraggio prematuro a soluzioni specifiche. Il framework incorpora caratteristiche metacognitive chiave del ragionamento interdisciplinare: (a) definire e valutare gli obiettivi di ricerca, (b) consapevolezza delle opportunità e delle sfide irrisolte di un dominio, e (c) esplorazione strategica di idee interdisciplinari basata sul potenziale di impatto. Nello specifico, Idea-Catalyst scompone un obiettivo astratto (ad esempio, migliorare la collaborazione uomo-IA) in quesiti di ricerca fondamentali del dominio target che guidano l'analisi dei progressi e delle sfide aperte all'interno di quel dominio. Queste sfide vengono riformulate come problemi concettuali indipendenti dal dominio, permettendo il recupero da discipline esterne (ad esempio, Psicologia, Sociologia) che affrontano questioni analoghe. Sintetizzando e ricontestualizzando le intuizioni da questi domini nuovamente nel dominio target, Idea-Catalyst classifica i domini di origine in base al loro potenziale interdisciplinare. Empiricamente, questa integrazione mirata migliora la novità media del 21% e la profondità di insight del 16%, rimanendo al contempo ancorata al problema di ricerca originale.

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.