Идеи, которые никто не искал экспресс
Наука похожа на город, где улицы прокладывают сами жители. Там, где уже протоптаны тропы, строят новые дома, а нетронутые пустыри остаются незамеченными — не потому, что там нельзя строить, а потому, что никто туда не заглядывает. В науке такие пустыри — это направления, которые логично вытекают из уже известного, но не приходят в голову учёным, потому что у каждого своя узкая специализация и привычные методы.
Новая система работает как картограф, который не идёт по следам, а смотрит на карту сверху. Она берёт научные статьи и разбирает их на тысячи маленьких «кирпичиков» — отдельных понятий и методов. Затем она оценивает каждое сочетание кирпичиков с двух сторон: насколько оно осмысленно (можно ли из этого собрать рабочую идею) и насколько оно доступно (есть ли уже учёные, которые так думают). Цель — найти сочетания, которые осмысленны, но пока не заняты людьми. Такие идеи авторы называют «чужим пространством науки».
Главный вывод: искусственный интеллект может не просто ускорять то, что люди и так умеют, а дополнять их — открывать целые районы науки, куда человеческое сообщество не заглядывает. Это как если бы карта города вдруг показала невидимые улицы, которые стоит проложить.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2603.01092
Scientific discovery is constrained not only by what is true, but by what is cognitively available to the researchers currently exploring a field. Many directions are coherent in light of the literature yet unlikely to be proposed because no existing community occupies the right combination of concepts, methods, and intuitions. Modern language models inherit this bias, recombining high-density regions of the literature when prompted for novel ideas. We introduce a framework that targets the complementary region, which we call the alien space of science, where directions are plausible under the structure of existing knowledge but unlikely under the distribution of existing researchers. Our method first decomposes papers into granular conceptual units and clusters them into a shared vocabulary of idea atoms. It then learns two complementary models over this vocabulary. A coherence model scores whether a combination of atoms forms a viable research direction, and an availability model scores whether any existing author community is positioned to produce a given combination. Sampling alien directions then reduces to ranking atom combinations that maximize coherence while minimizing availability. On a corpus of 16,068 peer-reviewed LLM papers from NeurIPS, ICLR, ICML, and major NLP venues, the resulting sampler explores a 3.5 - 7 x broader effective atom vocabulary than frontier LLM ideation baselines without sacrificing coherence, and produces ideas that match or exceed those baselines under blind LLM, human, and downstream experimental evaluation. By separating scientific plausibility from community availability, our framework points toward AI ideation that complements rather than merely accelerates human science, expanding exploration into coherent directions that the current community may overlook.
Слово «alien» в названии подхода не значит «инопланетный» в смысле пришельцев из космоса. Оно означает «чужой» для привычного мышления учёных — как неизведанная территория, куда не ступала нога исследователя.