Kunstmatige intelligentie hervormt snel het landschap van wetenschappelijk onderzoek en gaat verder dan eenvoudige hulpmiddelen en wordt mogelijk een nieuwe vorm van wetenschappelijke entiteit. Wat begon met vroege geautomatiseerde experimenten, zoals de robot ‘Adam’ in de jaren 2000, is uitgegroeid tot AI-systemen die bijdragen aan Nobelprijswinnende doorbraken en het versnellen van ontdekkingen op diverse terreinen. Hoewel de scepsis blijft bestaan, duidt het tempo van de vooruitgang erop dat de rol van AI in de wetenschap niet langer een hype is, maar realiteit.
De evolutie van AI in onderzoek
Vroege AI-toepassingen imiteerden menselijke onderzoekers, zoals Adam, die vragen formuleerden en deze testten in een robotlaboratorium. Tegenwoordig splitsen meer geavanceerde AI-agents, aangedreven door modellen als ChatGPT van OpenAI, complexe problemen op in uitvoerbare stappen en maken ze gebruik van enorme datasets om diepgaande antwoorden te geven. Onderzoekers op het gebied van de farmacie, materiaalkunde en kwantumcomputers gebruiken deze systemen al om ontdekkingen te versnellen. De Nobelprijzen voor scheikunde en natuurkunde van 2024 erkennen het groeiende belang van AI-hulpmiddelen, maar de echte verschuiving ontvouwt zich nog steeds.
AI als onderzoekspartner: huidige sterke punten en beperkingen
Momenteel blinkt AI uit in het zoeken binnen gedefinieerde grenzen, waarbij enorme datasets worden doorzocht om obscure patronen en verbanden te identificeren. Grote taalmodellen (LLM’s) achter chatbots hebben toegang tot een ongekende hoeveelheid tekst, inclusief onderzoekspapers in meerdere talen. Echte wetenschappelijke doorbraken vereisen echter vaak buiten de gebaande paden denken – iets waar de huidige AI moeite mee heeft.
De uitdaging is niet de toegang tot informatie, maar het vermogen om werkelijk nieuwe ideeën te genereren. Menselijke creativiteit en verbeeldingskracht blijven essentieel voor sprongen in inzicht, zoals de theorie van continentale drift of de speciale relativiteitstheorie. AI kan menselijke ontdekkingen vergroten, maar kan deze nog niet volledig repliceren.
Doorbraken: van symmetrieën in zwarte gaten tot nieuwe medicijnen
Ondanks de beperkingen levert AI al tastbare bijdragen. Theoretisch natuurkundige Alex Lupsasca ontdekte dat de GPT-5 pro-agent van OpenAI onafhankelijk symmetrieën in vergelijkingen van zwarte gaten kon identificeren, waarmee hij zijn eerdere werk verifieerde. Wiskundige Ernest Ryu werkte samen met ChatGPT aan een bewijs in de optimalisatietheorie, waarbij hij ontdekte dat een gemeenschappelijke methode na twaalf uur heen en weer altijd convergeert naar één oplossing.
De sleutel is niet vervanging, maar samenwerking. Wetenschappers als Lupsasca en Ryu sluiten zich aan bij AI-bedrijven (OpenAI) om de grenzen verder te verleggen, waarbij ze AI niet als concurrent zien, maar als een essentiële onderzoekspartner.
Het risico van “rommelwetenschap” en de behoefte aan betere hulpmiddelen
De proliferatie van door AI gegenereerde inhoud doet zorgen rijzen over de kwaliteit. Critici zoals Gary Marcus van NYU waarschuwen dat LLM’s gemakkelijk ‘junk science’ kunnen produceren, inclusief valse onderzoekspapieren die door papierfabrieken worden geproduceerd. Tijdschriften zijn al begonnen met het afwijzen van door AI gegenereerde inzendingen vanwege de lage kwaliteit.
Om dit te verzachten, gaan onderzoekers over op ‘gestapelde dozen’, waarbij algemene AI-agenten worden gecombineerd met gespecialiseerde tools die nauwkeurigheid garanderen, zoals kennisgrafieken. Deze aanpak blijkt effectief in de ontdekking van geneesmiddelen en de materiaalkunde. Insilico Medicine gebruikte bijvoorbeeld AI om een eiwit te identificeren dat verband houdt met idiopathische longfibrose en ontwierp een medicijnmolecuul om dit te blokkeren, momenteel in klinische onderzoeken.
De toekomst: AI bouwt zijn eigen onderzoekskader
Het uiteindelijke doel is om AI in staat te stellen zijn eigen onderzoekskader te bouwen – om zijn eigen vragen te definiëren, experimenten te ontwerpen en gegevens te analyseren met minimale menselijke tussenkomst. Projecten als AutoRA (sociaalwetenschappelijk onderzoek) en Code Scientist (computerwetenschappelijk onderzoek) zijn eerste stappen in deze richting. Deze systemen combineren bestaande kennis om nieuwe experimenten te genereren en de resultaten autonoom te analyseren.
Hoewel deze systemen nog geen wereldschokkende ontdekkingen doen, signaleren ze een verschuiving naar echte AI-gedreven wetenschap. De uitdaging blijft het verfijnen van deze instrumenten, het waarborgen van creativiteit en het voorkomen van het genereren van gebrekkige of misleidende conclusies.
De impact van AI op wetenschappelijke ontdekkingen valt niet te ontkennen. Van het assisteren van menselijke onderzoekers tot het potentieel autonome wetenschappelijke entiteiten worden, de toekomst van de wetenschap is onlosmakelijk verbonden met de evolutie van kunstmatige intelligentie.
