Die Idee ist naheliegend. Wenn sich ein Wissensbereich dermaßen dynamisch entwickelt wie der der KI, ist es für Menschen schwer, jederzeit den Überblick über den Stand der Forschung zu behalten.

Und gerade in der KI sprechen wir von einem exponentiellen Anstieg der Publikationen. Da wäre eine KI, die diesen Überblick behalten kann, doch eine gute Sache.

Hinzu kommt, dass nicht alles, was in Sachen KI so publiziert wird, am Ende auch Hände und Füße hat. Insofern wäre es gut, wenn diese neu zu schaffende KI auch dazu in der Lage wäre, zu bewerten, welche der Veröffentlichungen in der Nach- und in der Vorschau die größten Erfolgswahrscheinlichkeiten haben.

Eine ebensolche KI haben Forschende um den Physiker Mario Krenn vom Max-Planck-Institut für die Physik des Lichts in Erlangen nun entwickelt und in einem Papier (PDF), das auf dem Dokumenten-Server Arxiv veröffentlicht wurde, beschrieben.

Mehr als 140.000 Forschungsarbeiten durchsuchten sie mit der Software RAKE (Rapid Automatic Keyword Extraction). Die waren sämtlich zwischen 1994 und 2021 auf dem Arxiv-Server in den Bereichen KI und Maschinelles Lernen veröffentlicht worden.

Aus dem Titel und dem Abstract der Arbeiten extrahierten sie dann die jeweiligen Schlüsselkonzepte und machten sie zu Knotenpunkten eines semantischen Netzwerks. Über diese Knoten konnten sie dann filtern, welche Arbeiten besonders viel Aufmerksamkeit erzielt und wie sich gegebenenfalls Forschungsbereiche im Laufe der Zeit verschoben hatten.

Für künftige Verbesserungen der KI wollen die Forschenden zusätzlich zu Titel und Abstract noch die erzielte Wirkung der jeweiligen Arbeit auf die Wissenschaft in die Auswertung einbeziehen.

Einen Haken hat die Sache: Da konzeptbedingt nur bereits bekannte Ansätze in die KI einfließen können, ist sie nicht in der Lage, etwa völlig neue Ideen hervorzubringen.