AI for Scientific Discovery is a Social Problem
Dit artikel betoogt dat de onevenwichtige toepassing van AI in de wetenschap voornamelijk wordt veroorzaakt door sociale en institutionele factoren in plaats van technische beperkingen, en pleit voor een herformulering van AI voor wetenschap als een collectief sociaal project dat samenwerking, eerlijke deelname en gemeenschapsopbouw vereist om technische vooruitgang te garanderen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
AI voor Wetenschap: Een Sociaal Probleem, Geen Alleen maar Techniek
Stel je voor dat wetenschap een enorme, wereldwijde bouwplaats is. De mensen die daar werken (de wetenschappers) proberen nieuwe gebouwen te ontwerpen: nieuwe medicijnen, schone energiebronnen, of een beter begrip van het klimaat.
De afgelopen jaren is er een nieuwe, superkrachtige machine op de bouwplaats verschenen: Kunstmatige Intelligentie (AI). Deze machine kan ongelooflijk snel rekenen, patronen vinden in enorme hoeveelheden data en zelfs nieuwe ontwerpen bedenken. Denk aan AlphaFold, dat de vorm van eiwitten heeft opgelost, of AI die nieuwe batterijen heeft ontdekt.
Maar dit artikel, geschreven door Georgia Channing en Avijit Ghosh van Hugging Face, zegt iets verrassends: Het probleem is niet dat de machine niet goed genoeg werkt. Het probleem is dat we de machine niet op de juiste manier gebruiken en dat de bouwplaats niet goed georganiseerd is.
Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen.
1. De "Super-Scientist" Mythe (De Illusie van de Zelfstandige Bouwer)
Er circuleert een verhaal dat AI binnenkort een "zelfstandige wetenschapper" wordt die alleen maar werkt. Bedrijven zeggen: "Binnenkort doet AI het onderzoek voor ons!"
De realiteit: Dit is als denken dat een superkrachtige graafmachine een heel huis kan bouwen zonder architect, metselaars of een bouwvergunning.
- AI is goed in het samenvatten van wat er al in boeken staat (zoals een snelle bibliothecaris).
- Maar echte wetenschap gaat over het maken van nieuwe kennis, het doen van experimenten in het lab en het begrijpen waarom iets werkt.
- Als we denken dat AI alles zelf doet, vergeten we de echte mensen die de data verzamelen, de apparatuur onderhouden en de experimenten doen. Het is alsof we de graafmachine de eer geven voor het huis, terwijl we vergeten wie de bakstenen heeft gelegd.
2. De Gebroken Spreekkist (Communicatieproblemen)
Op de bouwplaats zitten twee groepen mensen die elkaar nauwelijks begrijpen:
- De AI-experts: Zij praten over "voorspellingsnauwkeurigheid" en "snelheid". Ze willen een model dat 99% goed raadt.
- De vakwetenschappers (biologen, fysici, etc.): Zij willen weten waarom iets gebeurt. Ze willen het mechanisme begrijpen.
Het probleem: Stel je voor dat een AI-expert een auto bouwt die razendsnel rijdt (99% snelheid), maar de motor is zo onbegrijpelijk dat niemand weet hoe hij werkt. Voor een racekanjer is dat prima, maar voor een ingenieur die de auto veilig wil maken, is het waardeloos.
De twee groepen praten tegen elkaar aan. De AI-experts bouwen modellen die niet passen bij de regels van de natuurkunde, en de wetenschappers weten niet hoe ze de AI moeten gebruiken. Het is alsof ze twee verschillende talen spreken zonder vertaler.
3. De Data-Depot Chaos (De Rommelige Schuur)
Om AI te laten werken, heb je enorme hoeveelheden data nodig. Maar in de wetenschap is die data vaak verspreid over honderden schuurtjes die niet op elkaar aansluiten.
- De ene universiteit slaat data op in een formaat dat alleen zij begrijpen.
- De andere universiteit gebruikt een ander systeem.
- Veel data wordt "opgeslagen" in een kast waar niemand bij kan (propriëtaire formaten).
De analogie: Stel je voor dat je een gigantische puzzel wilt leggen. Maar de stukjes liggen verspreid over de hele wereld, in dozen van verschillende maten, en sommige dozen zijn op slot. Je moet urenlang zoeken en de stukjes zelf op maat zagen voordat je überhaupt kunt beginnen met leggen.
Dit kost wetenschappers 45% van hun tijd! In plaats van nieuwe dingen te ontdekken, zitten ze te rommelen met het opschonen van hun eigen data.
4. De Ongelijke Speelplaats (Wie heeft de beste apparatuur?)
Niet iedereen heeft toegang tot dezelfde gereedschappen.
- Grote, rijke universiteiten in rijke landen hebben de snelste computers en de beste AI-chips.
- Wetenschappers in arme landen of kleinere instellingen moeten vaak wachten op gratis, trage tools.
De vergelijking: Het is alsof een paar rijke spelers op een voetbalveld spelen met de nieuwste, snelste schoenen en een perfect gemaaid veld. De rest van het team moet rennen in oude schoenen op een modderig veld. Het maakt niet uit hoe goed je kunt trappen; als je niet kunt rennen, win je niet. Dit zorgt ervoor dat de beste AI-wetenschap alleen in de rijke landen gebeurt, terwijl er overal ter wereld slimme mensen zitten die geen kans krijgen.
Wat is de Oplossing? (Hoe we het kunnen repareren)
De auteurs zeggen: "We moeten stoppen met alleen maar kijken naar de techniek en gaan kijken naar de mensen en de organisatie."
- Leer elkaar spreken: We hebben meer mensen nodig die zowel AI als biologie/fysica begrijpen. Net als een tolk die twee talen vloeiend spreekt.
- Maak één groot depot: We moeten afspreken hoe we data opslaan, zodat iedereen het kan lezen. Denk aan een universele taal voor wetenschappelijke data.
- Deel de gereedschappen: We moeten zorgen dat elke wetenschapper, waar ook ter wereld, toegang heeft tot de krachtige computers die nodig zijn.
- Waardeer de helpers: In de huidige wereld krijg je een prijs voor het bouwen van een nieuw model. Maar het opzetten van een goede database of het verzamelen van data wordt niet beloond. We moeten die "onzichtbare" werklieden gaan waarderen, want zonder hen werkt de machine niet.
Conclusie
AI voor wetenschap is geen technisch probleem dat we kunnen oplossen met een snellere computer. Het is een sociaal probleem. Het is als het organiseren van een wereldwijde orkest. Je kunt de beste instrumenten hebben, maar als de muzikanten niet samenwerken, niet dezelfde bladmuziek lezen en als de dirigent alleen naar de solisten kijkt, klinkt het als een puinhoop.
Als we de samenwerking, de eerlijkheid en de toegang voor iedereen verbeteren, dan kan AI echt de wetenschap veranderen. Anders blijft het gewoon een dure machine die in een hoek staat te wachten.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.