Quo Vadis? Scientific Discovery in the Age of Artificial Intelligence

Eeuwenlang was de weg naar een nieuwe wetenschappelijke ontdekking een diep menselijke reis. Het begint met een vraag, gevolgd door jaren van lezen, rekenen, testen en falen, alles gestuurd door de intuïtie en ervaring van een onderzoeker. In de afgelopen jaren heeft een nieuwe partner zich bij deze reis gevoegd: kunstmatige intelligentie. In het begin waren deze computerprogramma's als gespecialiseerde rekenmachines, uitstekend in het oplossen van specifieke, nauwe problemen, maar niet in staat om verder te denken dan hun programmering. Echter, een grote verschuiving vond plaats met de komst van geavanceerde taalmodellen. Deze systemen, getraind op enorme hoeveelheden menselijke kennis, kunnen nu redeneren, plannen en ideeën verbinden over verschillende vakgebieden op manieren die voorheen onmogelijk waren. Dit roept een diepgaande vraag op voor de toekomst van de wetenschap: zijn deze machines slechts hulpmiddelen die ons helpen sneller te werken, of zijn ze echte partners geworden die in staat zijn om op zichzelf ontdekkingen te doen?

Een nieuw artikel van Petr O. Jedlička, een onderzoeker aan het Instituut voor Filosofie in Praag, onderzoekt exact dit keerpunt. De auteur onderzoekt hoe snel kunstmatige intelligentie is verschoven van een niche-instrument naar een centrale speler in laboratoria en onderzoekskantoren over de hele wereld. Het artikel betoogt dat we een nieuw tijdperk zijn binnengegaan waarin AI niet langer slechts een passief instrument is, maar een actieve deelnemer aan het wetenschappelijke proces. Het beschrijft hoe deze systemen nu helpen bij het bewijzen van wiskundige stellingen, het ontwerpen van chemische experimenten en zelfs het genereren van hypothesen over menselijk gedrag. Toch biedt het artikel ook een nuchtere waarschuwing. Hoewel de vooruitgang echt en snel is, zijn deze systemen nog niet perfect. Ze maken nog steeds fouten, verzinnen soms feiten die nooit hebben bestaan, en ze leunen zwaar op menselijke begeleiding. De centrale bevinding is dat hoewel AI de manier waarop wetenschap wordt bedreven transformeert, de relatie tussen menselijke onderzoekers en machines complex is, en dat de toekomst van ontdekking zal afhangen van hoe goed we deze nieuwe samenwerking beheren.

Om de omvang van deze verandering te begrijpen, moet men kijken naar hoe snel deze systemen zijn verbeterd. Slechts enkele jaren geleden worstelden computers nog met taken die diep redeneren of een flexibel begrip van de wereld vereisten. Vandaag de dag kunnen geavanceerde modellen problemen oplossen die voorheen het domein van experts waren, en ze worden beter in een tempo dat zelfs hun makers verrast. Het artikel merkt op dat deze systemen nu in staat zijn om langdurige, meerstaps-taken aan te pakken, zoals het schrijven van een volledig wetenschappelijk artikel of het plannen van een reeks experimenten, in plaats van alleen een enkele vraag te beantwoorden. Dit vermogen om urenlang aan een enkel project te werken zonder het doel uit het oog te verliezen, markeert een significante afwijking van eerdere hulpmiddelen.

De auteur categoriseert het huidige landschap van AI in de wetenschap in vier verschillende typen, elk met een andere rol. Het eerste type bestaat uit gespecialiseerde systemen die zijn gebouwd voor één specifieke taak, zoals het voorspellen van de 3D-structuur van een eiwit. Deze tools bestaan al een tijdje en zijn ongelooflijk krachtig binnen hun nauwe vakgebied. Het tweede type omvat AI-assistenten die naast mensen werken, door hen te helpen bij het samenvatten van onderzoeksartikelen, het schrijven van code of het controleren op fouten. Deze zijn reactief; ze wachten tot een mens een vraag stelt voordat ze in actie komen. Het derde type, wat misschien wel het meest opwindend is, betreft AI-agenten. Dit zijn systemen die onafhankelijker kunnen handelen. Ze kunnen een groot doel opdelen in kleinere stappen, hun eigen simulaties draaien, hun eigen ideeën bekritiseren en zelfs conceptversies van wetenschappelijke manuscripten schrijven. Sommige van deze agenten worden beschreven als "co-wetenschappers" omdat ze veel van dezelfde cognitieve taken kunnen uitvoeren als een menselijke onderzoeker. De vierde en laatste categorie is de meest fysieke: hybride systemen die AI combineren met robots. Deze "zelfrijdende laboratoria" kunnen niet alleen een experiment plannen, maar ook fysiek chemicaliën mengen, tests uitvoeren en de resultaten analyseren zonder dat een mens ooit het materiaal aanraakt.

Het artikel geeft concrete voorbeelden van wat deze systemen al bereiken. In de wiskunde en informatica is AI verder gegaan dan eenvoudige berekeningen om te helpen bij het oplossen van complexe, openstaande problemen. Zo hielp één systeem bij het bewijzen van een langlopende conjectuur over de paden die een reiziger in een netwerk kan afleggen, een taak die creatieve probleemoplossing vereiste in plaats van alleen brute krachtberekening. In de fysische wetenschappen helpt AI bij het modelleren van complexe fenomenen zoals vloeistofdynamica en heeft zelfs geholpen bij het ontwerpen van nieuwe soorten chemische katalysatoren. In de levenswetenschappen is de impact misschien wel het meest zichtbaar. Systemen hebben met succes de structuur van eiwitten voorspeld, een taak die vroeger jaren aan laboratoriumwerk kostte en nu in minuten kan worden gedaan. Recenter hebben deze systemen nog een stap verder gezet door nieuwe medicijnkandidaten voor ziekten voor te stellen en te identificeren hoe bacteriën resistentie tegen antibiotica kunnen delen. In de sociale wetenschappen wordt AI gebruikt om menselijk gedrag te modelleren en zelfs om te testen hoe mensen reageren op verschillende soorten informatie, hoewel dit ook vragen oproept over hoe deze systemen menselijke overtuigingen zouden kunnen beïnvloeden.

Het artikel is echter voorzichtig om geen te rooskleurig beeld te schetsen. Ondanks deze indrukwekkende prestaties benadrukt de auteur aanzienlijke beperkingen die voorkomen dat AI een volledig autonome wetenschapper is. Een van de grootste problemen is dat deze systemen nog steeds kunnen "hallucineren", wat betekent dat ze vol vertrouwen dingen kunnen beweren die volkomen onjuist zijn. Het artikel citeert een verontrustend voorbeeld waarbij een AI-systeem een fictieve ziektenamen genereerde, en omdat de fout zo overtuigend oogde, geloofden menselijke onderzoekers aanvankelijk dat het echt was. Dit laat zien dat hoewel AI veel inhoud kan produceren, het nog niet in staat is om zonder menselijk toezicht betrouwbaar onderscheid te maken tussen waarheid en fictie. Bovendien stelt het artikel dat deze systemen vaak beperkt worden door de data waarop ze zijn getraind. Als de wetenschappelijke literatuur die ze lezen fouten of vooroordelen bevat, zal de AI deze fouten waarschijnlijk herhalen. Er is ook het probleem van nieuwheid; hoewel AI bestaande ideeën op nieuwe manieren kan combineren, is het nog niet duidelijk of het werkelijk originele concepten kan genereren die volledig nieuw terrein betreden, zoals menselijke genieën dat soms doen.

Het artikel onderzoekt ook de risico's die gepaard gaan met deze snelle vooruitgang. Op praktisch niveau is er het gevaar dat als AI te veel routinetaken overneemt, jonge wetenschappers niet de training zullen krijgen die ze nodig hebben om in de toekomst experts te worden. Als de "leertijd" van de wetenschap wordt geautomatiseerd, kan de volgende generatie menselijke onderzoekers het diepe, intuïtieve begrip missen dat voortkomt uit het zelf uitvoeren van het werk. Op een serieuzer niveau bespreekt het artikel de potentie voor misbruik. Omdat deze systemen experimenten kunnen ontwerpen en gegevens kunnen analyseren met grote snelheid, zouden ze theoretisch gebruikt kunnen worden om gevaarlijke biologische agentia te creëren of om geavanceerde cyberaanvallen te lanceren. De snelheid waarmee deze systemen opereren betekent dat de risico's sneller kunnen escaleren dan ons vermogen om ze te reguleren.

Kijkend naar de toekomst suggereert de auteur dat we voor een nieuw soort uitdaging staan. Naarmate AI-systemen bekwaamere worden, kunnen ze ideeën en verklaringen gaan produceren die zo complex of abstract zijn dat menselijke onderzoekers ze niet volledig kunnen begrijpen. Dit zou kunnen leiden tot een situatie waarin machines ontdekkingen doen die we niet kunnen verifiëren of zelfs niet kunnen bevatten. Het artikel waarschuwt dat dit kan leiden tot een kloof waarbij de wetenschap een "black box" wordt, gedreven door machines waarvan de redenering opaak is voor de mensen die op hen vertrouwen. De auteur concludeert dat hoewel AI een krachtige motor voor ontdekking is, het geen vervanging is voor menselijk oordeel. De toekomst van de wetenschap zal waarschijnlijk afhangen van een zorgvuldige balans, waarbij mensen en machines samenwerken, waarbij mensen de ethische begeleiding, het kritische toezicht en het diepe begrip bieden dat machines momenteel missen. De reis van ontdekking is niet langer alleen een menselijke onderneming; het is een gedeeld pad, en hoe we dit samen navigeren, zal het volgende hoofdstuk van de wetenschappelijke vooruitgang definiëren.