Iris AI는 인공지능을 기반으로 연구자들이 논문 조사를 위해 키워드를 알지 못해도 관련 논문을 찾는데 도움을 주는 개인연구지원 서비스이다. 노르웨이에 소재한 스타트업 기업인 개발팀은 현재는 걸음마 단계이나 Iris가 현실의 과학자처럼 진화해 가설을 검증하고 세울 수 있는 정도의 수준으로 빌전시키는 것을 목표로 하고 있다. 이를 바탕으로 웹 상의 게재된 논문이나 특허 등 다양한 연구정보를 읽고 파악하여 이용자에게 적절하고 필요한 정보를 제공할 수 있다는 것이다. Iris AI 팀은 이제서야 Iris가 실현 가능해진 이유를 인공지능 기술과 클라우드 지성의 발전, 열린 사회로의 진화라고 설명하고 있다. Iris는 초기에 관련 논문을 단순히 알려주는 수준에 그쳤으나, 현재는 알려주는 논문에 실제로 접근할 수 있게끔 도와준다. Iris는 앞으로 더 많은 정보를 인식해서 결국엔 다른 인공지능을 트레이닝 시킬 수 있는 수준으로 진화할 것이라고 예상하고 있다.

현재 Iris AI는 Scithons에 의해 지속적으로 트레이닝 되고 있다. Science와 Hackathons의 합친 말인 Scithons는 Iris의 트레이너로 홈페이지에서 간단한 회원가입을 함으로써 누구나 참여할 수 있다. 2016년 기준, 2,800여명의 Scithons이 등록한 상태이며 활동은 무료임에도 불구하고 그 수는 점차 증가하고 있다. 그렇다면 왜 사람들은 Scithons에 참여하고싶은 것일까? 그 이유는 바로 Iris를 통해 활용할 수 있는 다양한 분야의 정보를 확장하고자 하는데 있다. Scithons의 홍보영상을 보면, Iris를 활용한 팀은 그렇지 않은 팀에 비해 논문 검색시간을 현저히 줄일 수 있었고, 절약한 시간을 바탕으로 논문을 충분히 이해할 수 있었기 때문에 더 나은 연구 결과물을 생산할 수 있었음을 알 수 있다.

- Iris의 비전 : Baby Iris(2016년)가 과학자로 발전하여 가설을 검증하고 세울 수 있을 정도가 되는 것

- Iris 목표 : 모든 게재 된 논문을 다 읽어서 이용자에게 맞는 논문을 제공하는 것

- Iris의 단계

1st Iris: easily navigate

2nd Iris: navigate and connect

longer prospective: scientist as herself

Iris trains other AI

- Iris의 비즈니스 모델

Scithons: Science + Hackathons

- Scithons에 의해 Iris가 활용된 예: 한 팀은 Iris를 활용하고 다른 팀은 기존의 방식(Iris를 활용하지 않음)으로 같은 주제(radiation)에 대해 연구한 결과, Iris를 활용한 팀은 그렇지 않은 팀에 비해 관련 논문을 찾는 시간을 줄일 수 있었음. Iris를 활용한 팀은 전체 시간 중 20%를 논문 찾는데 사용하고 그 외 시간을 논문을 이해하는데 활용했다면, 다른 팀은 반대로 80%의 시간을 논문 찾는데 사용했다는 점

- Iris의 정보처리 과정 (초창기 버전을 대상으로)

(Ref: https://iris.ai/artificial-intelligence/sciencebehindiris/)

Reading

While reading, making sense of words: figuring out which are the most important (frequency analysis)

Extracting

combining words in cluster

using cluster to find the meaning of the words in the context

synonyms: to expand categories and get a broader understanding

Generalization: finding precise definition

Organizing

Data visualization