想象一下，使用人工智能来比较两个看似毫无关联的创作——生物组织和贝多芬的《第九交响曲》。乍一看，生命系统和音乐杰作似乎毫无关联。然而，麻省理工学院McAfee工程学教授、土木与环境工程和机械工程教授Markus J. Buehler开发的一种新颖的人工智能方法弥补了这一差距，揭示了复杂性和秩序的共同模式。

“通过将生成式人工智能与基于图形的计算工具相结合，这种方法揭示了以前无法想象的全新想法、概念和设计。我们可以通过教导生成式人工智能对从未见过的想法、概念和设计做出新颖的预测来加速科学发现。”

这项开放获取的研究发表在《机器学习：科学与技术》上，展示了一种集成生成知识提取、基于图形的表示和多模态智能图形推理的先进人工智能方法。

这项研究使用受范畴论启发的方法开发的图表作为核心机制，教导模型理解科学中的符号关系。范畴论是数学的一个分支，它研究抽象结构及其之间的关系，通过关注对象及其相互作用而不是其具体内容，为理解和统一不同的系统提供了一个框架。在范畴论中，系统被视为对象（可以是任何东西，从数字到更抽象的实体，如结构或过程）和态射（定义这些对象之间关系的箭头或函数）。通过使用这种方法，Buehler能够教会人工智能模型系统推理复杂的科学概念和行为。通过态射引入的符号关系清楚表明，人工智能不仅仅是进行类比，而且还在进行更深层次的推理，将抽象结构映射到不同的领域。

Buehler使用这种新方法分析了1000篇有关生物材料的科学论文，并将其转化为图形形式的知识图谱。该图谱揭示了不同信息之间的联系，并能够找到将许多概念联系在一起的相关思想和关键点。

“真正有趣的是，图谱遵循无标度特性，具有高度连通性，可以有效用于图推理。换句话说，我们教人工智能系统思考基于图谱的数据，以帮助它们构建更好的世界表征模型，并增强思考和探索新想法的能力，从而实现发现。”