Despertando a Criatividade Científica por meio da Inspiração Interdisciplinar Dirigida 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

Resumo

Apesar de a investigação interdisciplinar conduzir a um impacto maior e de longo prazo, a maior parte do trabalho permanece confinada a silos académicos de domínio único. Abordagens recentes para a descoberta científica baseadas em IA mostram potencial para a investigação interdisciplinar, mas muitas priorizam a conceção rápida de experiências e soluções, contornando os processos exploratórios e de raciocínio colaborativo que impulsionam avanços interdisciplinares criativos. Consequentemente, esforços anteriores priorizam largamente a automatização da descoberta científica em vez de aumentar os processos de raciocínio que estão na base da disrupção científica. Apresentamos o Idea-Catalyst, uma estrutura nova que identifica sistematicamente perspetivas interdisciplinares para apoiar o raciocínio criativo tanto em humanos como em modelos de linguagem de grande escala. Partindo de um objetivo de investigação abstrato, o Idea-Catalyst foi concebido para auxiliar a fase de *brainstorming*, evitando explicitamente a ancoragem prematura em soluções específicas. A estrutura incorpora características metacognitivas fundamentais do raciocínio interdisciplinar: (a) definir e avaliar objetivos de investigação, (b) consciência das oportunidades e desafios por resolver de um domínio, e (c) exploração estratégica de ideias interdisciplinares com base no potencial de impacto. Concretamente, o Idea-Catalyst decompõe um objetivo abstrato (por exemplo, melhorar a colaboração humano-IA) em questões de investigação centrais do domínio-alvo que orientam a análise do progresso e dos desafios em aberto dentro desse domínio. Estes desafios são reformulados como problemas conceptuais independentes do domínio, permitindo a recuperação de disciplinas externas (por exemplo, Psicologia, Sociologia) que abordam questões análogas. Ao sintetizar e recontextualizar perspetivas destes domínios de volta para o domínio-alvo, o Idea-Catalyst classifica os domínios de origem pelo seu potencial interdisciplinar. Empiricamente, esta integração direcionada melhora a novidade média em 21% e a perspicácia em 16%, mantendo-se simultaneamente fundamentada no problema de investigação 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.