Künstliche Intelligenz verändert rasant die Landschaft der wissenschaftlichen Forschung und entwickelt sich über einfache Werkzeuge hinaus möglicherweise zu einer neuen Form wissenschaftlicher Einheit. Was mit frühen automatisierten Experimenten wie dem Roboter „Adam“ in den 2000er Jahren begann, hat sich zu KI-Systemen entwickelt, die zu mit Nobelpreisen ausgezeichneten Durchbrüchen beitragen und Entdeckungen in verschiedenen Bereichen beschleunigen. Während die Skepsis bestehen bleibt, deutet das Tempo der Fortschritte darauf hin, dass die Rolle der KI in der Wissenschaft kein Hype mehr ist, sondern Realität.
Die Entwicklung der KI in der Forschung
Frühe KI-Anwendungen ahmten menschliche Forscher wie Adam nach, der Fragen formulierte und sie in einem Roboterlabor testete. Heutzutage zerlegen ausgefeiltere KI-Agenten, die auf Modellen wie ChatGPT von OpenAI basieren, komplexe Probleme in umsetzbare Schritte und nutzen riesige Datensätze, um detaillierte Antworten zu liefern. Forscher in den Bereichen Pharmazie, Materialwissenschaften und Quantencomputer nutzen diese Systeme bereits, um Entdeckungen zu beschleunigen. Die Nobelpreise für Chemie und Physik im Jahr 2024 würdigen die wachsende Bedeutung von KI-Werkzeugen, doch der wahre Wandel ist noch im Gange.
KI als Forschungspartner: Aktuelle Stärken und Grenzen
Derzeit zeichnet sich KI dadurch aus, dass sie innerhalb definierter Grenzen sucht und riesige Datensätze durchsucht, um unklare Muster und Zusammenhänge zu identifizieren. Große Sprachmodelle (LLMs), die hinter Chatbots stehen, haben Zugriff auf eine beispiellose Menge an Text, einschließlich Forschungsarbeiten in mehreren Sprachen. Echte wissenschaftliche Durchbrüche erfordern jedoch oft ein Denken über den Tellerrand hinaus – etwas, womit die aktuelle KI zu kämpfen hat.
Die Herausforderung besteht nicht im Zugang zu Informationen, sondern in der Fähigkeit, wirklich neuartige Ideen zu generieren. Menschliche Kreativität und Vorstellungskraft bleiben für bahnbrechende Erkenntnisse wie die Theorie der Kontinentalverschiebung oder die spezielle Relativitätstheorie von entscheidender Bedeutung. KI kann die menschliche Entdeckung erweitern, sie aber noch nicht vollständig reproduzieren.
Durchbrüche: Von der Symmetrie schwarzer Löcher zu neuen Medikamenten
Trotz ihrer Einschränkungen leistet KI bereits konkrete Beiträge. Der theoretische Physiker Alex Lupsasca entdeckte, dass der GPT-5-Pro-Agent von OpenAI unabhängig voneinander Symmetrien in Gleichungen für Schwarze Löcher identifizieren konnte, und bestätigte damit seine frühere Arbeit. Der Mathematiker Ernest Ryu arbeitete mit ChatGPT an einem Beweis in der Optimierungstheorie und stellte fest, dass eine gängige Methode nach 12 Stunden Hin und Her immer zu einer einzigen Lösung konvergiert.
Der Schlüssel ist nicht Ersatz, sondern Zusammenarbeit. Wissenschaftler wie Lupsasca und Ryu schließen sich KI-Unternehmen (OpenAI) an, um die Grenzen weiter zu verschieben, und betrachten KI nicht als Konkurrenz, sondern als wesentlichen Forschungspartner.
Das Risiko von „Junk Science“ und der Bedarf an besseren Werkzeugen
Die Verbreitung von KI-generierten Inhalten wirft Bedenken hinsichtlich der Qualität auf. Kritiker wie Gary Marcus von der NYU warnen davor, dass LLMs leicht „Junk-Wissenschaft“ produzieren können, einschließlich gefälschter Forschungsarbeiten, die von Papierfabriken produziert werden. Zeitschriften haben bereits damit begonnen, KI-generierte Einreichungen aufgrund mangelnder Qualität abzulehnen.
Um dies zu mildern, gehen Forscher auf „Stacked Boxes“ um – sie kombinieren allgemeine KI-Agenten mit speziellen Tools, die Genauigkeit gewährleisten, wie etwa Wissensgraphen. Dieser Ansatz erweist sich in der Arzneimittelforschung und Materialwissenschaft als wirksam. Insilico Medicine beispielsweise nutzte KI, um ein Protein zu identifizieren, das mit idiopathischer Lungenfibrose in Zusammenhang steht, und entwarf ein Arzneimittelmolekül, um es zu blockieren, das sich derzeit in klinischen Studien befindet.
Die Zukunft: KI baut ihren eigenen Forschungsrahmen auf
Das ultimative Ziel besteht darin, die KI in die Lage zu versetzen, einen eigenen Forschungsrahmen aufzubauen – ihre eigenen Fragen zu definieren, Experimente zu entwerfen und Daten mit minimalem menschlichen Eingriff zu analysieren. Projekte wie AutoRA (sozialwissenschaftliche Forschung) und Code Scientist (informatische Forschung) sind erste Schritte in diese Richtung. Diese Systeme kombinieren vorhandenes Wissen neu, um neuartige Experimente zu generieren und Ergebnisse autonom zu analysieren.
Obwohl diese Systeme noch keine weltbewegenden Entdeckungen machen, signalisieren sie doch einen Wandel hin zu echter KI-gesteuerter Wissenschaft. Die Herausforderung besteht weiterhin darin, diese Werkzeuge zu verfeinern, Kreativität sicherzustellen und die Generierung fehlerhafter oder irreführender Schlussfolgerungen zu verhindern.
Der Einfluss von KI auf wissenschaftliche Entdeckungen ist unbestreitbar. Von der Unterstützung menschlicher Forscher bis hin zur potenziellen Entwicklung autonomer wissenschaftlicher Einheiten ist die Zukunft der Wissenschaft untrennbar mit der Entwicklung der künstlichen Intelligenz verbunden.
