In het uitgestrekte landschap van de moderne wetenschap zijn weinig machines zo ingewikkeld of zo veeleisend als een deeltjesversneller. Dit zijn niet louter grote ringen van metaal; het zijn massieve, onderling verbonden systemen waarbij duizenden individuele componenten—van krachtige magneten tot gevoelige detectoren—in perfecte harmonie moeten samenwerken om een bundel deeltjes te sturen met bijna de snelheid van het licht. Decennialang hebben de mensen die deze machines bedienen vertrouwd op complexe computerschermen vol grafieken en knoppen, of op het schrijven van lange, rigide computerscripts om de machine te vertellen wat hij moet doen. Deze methode werkt, maar legt een zware mentale last op de operators, die voortdurend hun doelen moeten vertalen naar een taal die de machine begrijpt. Nu deze machines krachtiger en complexer worden, bereikt de oude manier van besturing haar limiet. De vraag die wetenschappers vandaag de dag voorhoudt, is of een machine die zo complex is, geleid kan worden door een eenvoudig gesprek, vergelijkbaar met het vragen aan een menselijke assistent om een taak uit te voeren, zonder dat daarbij de absolute veiligheid en precisie die nodig zijn om de bundel stabiel te houden, worden opgeofferd.

Een team van onderzoekers bij de Elettra-Sincrotrone Trieste faciliteit in Italië heeft een gedurfde stap gezet om deze vraag te beantwoorden. Ze hebben een nieuw soort controlesysteem gebouwd voor een volgende generatie lichtbron genaamd Elettra 2.0, een machine die momenteel in aanbouw is en veel krachtiger zal zijn dan zijn voorganger. In plaats van operators te dwingen door menu's te navigeren of code te schrijven, hebben de onderzoekers een kunstmatige intelligentie ontwikkend die hen in staat stelt om op natuurlijke wijze tegen de machine te spreken. Het systeem luistert naar een verzoek zoals "zet de voeding aan" of "corrigeer het pad van de bundel", begrijpt de noodzakelijke stappen en voert deze uit. De onderzoekers waren zich er echter terdekte van dat het geven van de mogelijkheid om te praten aan een machine niet betekent dat de machine de mogelijkheid krijgt om roekeloos te handelen. Hun oplossing was het bouwen van een strikte hiërarchie waarbij de kunstmatige intelligentie slechts optreedt als een supervisor, terwijl de werkelijke fysieke commando's worden uitgevoerd door een aparte, vooraf geverifieerde softwarelaag die niet gemakkelijk kan worden misleid of in verwarring kan worden gebracht.

De kern van deze nieuwe architectuur is een concept dat de onderzoekers beschrijven als het behandelen van de gehele versneller als een gigantische robot. Net zoals een robot een brein heeft dat acties plant en spieren die ze uitvoeren, scheidt dit systeem het denken van het doen. Het "brein" is een groot taalmodel, een type kunstmatige intelligentie dat in staat is menselijke taal te begrijpen en complexe problemen door te redeneren. Dit brein is via een standaardinterface verbonden met het controlesysteem van de machine, die menselijke woorden vertaalt naar specifieke, veilige instructies. Cruciaal is dat het brein de machine niet direct aanraakt. In plaats daarvan stuurt het zijn instructies naar een tussenlaag die bestaat uit vooraf geprogrammeerde procedures. Deze procedures zijn als een reeks vertrouwde, stapsgewijze recepten die jarenlang zijn getest en goedgekeurd. Als de kunstmatige intelligentie vraagt om een magneet aan te zetten, activeert dit een van deze vertrouwde recepten, die vervolgens de daadwerkelijke inschakeling afhandelt, controleert op veiligheidsinterlocks en bevestigt dat de actie succesvol was. Dit ontwerp zorgt ervoor dat zelfs als de kunstmatige intelligentie een fout maakt in haar redenering, de fysieke machine veilig blijft omdat de uiteindelijke acties altijd gefilterd worden door deze rigide, geverifieerde stappen.

Om dit idee te testen voordat de echte machine zelfs voltooid was, bouwde het team een perfecte digitale kopie van de versneller, een zogenaamde digitale tweeling (digital twin). Deze virtuele versie bootst de fysica van de echte machine na, simuleert hoe de bundel beweegt en hoe de magneten reageren, terwijl ook exact dezelfde besturingssoftware wordt gedraaid als die op de echte hardware zal worden gebruikt. De onderzoekers lieten hun conversatie-AI vervolgens aan het werk gaan op deze virtuele machine. Ze vroegen het systeem om een breed scala aan taken uit te voeren, variërend van eenvoudige controles zoals het uitlezen van de status van een voeding tot complexe operaties zoals het lanceren van een meerstapssequentie om het pad van de bundel te corrigeren. Ze testten ook het vermogen om vragen te beantwoorden door te zoeken in een enorme bibliotheek van technische documenten en eerdere onderhoudslogs, een capaciteit die bekend staat als retrieval-augmented generation. De resultaten waren opmerkelijk. In deze simulaties begreep het systeem de intentie van de operator correct en koppelde het deze aan de juiste besturingsactie in meer dan 95 procent van de gevallen. Het voerde commando's succesvol uit, verifieerde dat wijzigingen waren doorgevoerd door de resultaten terug te lezen, en weigerde acties uit te voeren die buiten de toegestane lijst van taken vielen.

Het systeem toonde ook een opmerkelijk vermogen om de nuances van machinebedrijf aan te pakken. Wanneer een operator de AI vroeg een instelling te wijzigen, stuurde het systeem niet alleen het commando; het wachtte om de wijziging te bevestigen, merkte op of de waarde nog steeds richting de doelwaarde steeg, en rapporteerde terug met een heldere, voor mensen leesbare uitleg over wat er gebeurde. Dit niveau van detail wordt door traditionele bedieningspanelen vaak verborgen achter ruwe getallen. Bovendien bewees het systeem dat het als een deskundige assistent kon optreden. Wanneer het werd gevraagd een probleem te diagnosticeren, kon het door jaren aan technische registers en onderhoudslogs zoeken om relevante informatie te vinden, waarbij het bronnen citeerde en de soort verzonnen antwoorden vermeed die de minder geavanceerde kunstmatige intelligentie kunnen teisteren. Het gehele proces, van het moment dat een operator een verzoek uitsprak tot het moment dat het systeem de actie bevestigde, duurde ongeveer één seconde voor eenvoudige taken, een snelheid die snel genoeg is voor praktisch gebruik in een drukke controlekamer.

Ondanks deze veelbelovende resultaten zijn de onderzoekers voorzichtig om hun werk te presenteren als een prototype in plaats van een voltooid product. De tests werden volledig uitgevoerd op de digitale tweeling, een veilige omgeving waar fouten geen risico vormen voor het beschadigen van dure hardware. De echte Elettra 2.0 machine is nog niet volledig operationeel, en het team erkent dat het systeem nog getest moet worden tegen de onvoorspelbare realiteiten van de fysieke wereld. Er zijn ook aanzienlijke hindernissen te overwinnen voordat deze technologie in het dagelijks gebruik kan worden toegepast. De huidige versie vertrouwt op commerciële software en externe servers, wat de reproduceerbaarheid of beveiliging beperkt. Het team werkt actief aan het verplaatsen van het volledige systeem naar een lokale, open-source infrastructuur die volledig binnen de faciliteit beheerd kan worden. Ze zijn ook van plan om rigoureuze beveiligingstests uit te voeren om te garanderen dat het systeem niet kan worden misleid door kwaadaardige instructies en om te bestuderen hoe menselijke operators het nieuwe interface vertrouwen en ermee interageren.

De weg vooruit houdt een geleidelijke toename van de onafhankelijkheid van het systeem in. Momenteel fungeert de kunstmatige intelligentie slechts als een adviseur of een hulpmiddel dat expliciete menselijke bevestiging vereist voordat het handelt. De roadmap voorziet in een toekomst waarin het systeem meer initiatief kan nemen, zoals het automatisch selecteren en aan elkaar koppelen van complexe procedures om te herstellen van een fout, mits het binnen strikte veiligheidsgrenzen blijft. Deze aanpak weerspiegelt de manier waarop andere complexe systemen, zoals zelfrijdende auto's, worden ontwikkeld: van eenvoudige assistentie naar gesuperviseerde autonomie. De onderzoekers geloven dat deze hiërarchische structuur, waarbij een conversatielaag veilig boven een rigide, geverifieerde besturingslaag staat, de sleutel is tot het ontsluiten van het potentieel van kunstmatige intelligentie in omgevingen met een hoog risico. Het biedt de flexibiliteit en gemak van natuurlijke taal zonder de veiligheid en betrouwbaarheid in gevaar te brengen die essentieel zijn in wetenschappelijk onderzoek.

De implicaties van dit werk strekken zich uit voorbij slechts één machine. De architectuur die het team heeft gebouwd, biedt een blauwdruk voor hoe geavanceerde kunstmatige intelligentie geïntegreerd kan worden in andere complexe, kritieke systemen, van elektriciteitsnetten tot industriële productie. Door te bewijzen dat een machine gecontroleerd kan worden via een gesprek terwijl een strikte veiligheidsbarrière behouden blijft, hebben de onderzoekers aangetoond dat de toekomst van het bedienen van deze enorme wetenschappelijke instrumenten misschien niet een scherm vol knoppen is, maar een eenvoudig, helder gesprek. Het succes van dit project op de digitale tweeling suggereert dat wanneer de echte Elettra 2.0 online komt, de operators een krachtige nieuwe partner zullen hebben, één die hun doelen begrijpt en hen helpt deze te bereiken met een niveau van precisie en veiligheid dat voorheen onbereikbaar was. De reis van een rigide, op scripts gebaseerd verleden naar een conversatie-gestuurd, intelligent toekomstig tijdperk is pas net begonnen, maar de eerste stappen zijn gezet met de helderheid en voorzichtigheid die de beste van de wetenschappelijke vooruitgang kenmerken.