Eeuwenlang is wetenschap een fundamenteel menselijk streven geweest: een proces van hypothesen, experimenten, analyses en peer review, gedreven door menselijke nieuwsgierigheid. Die kernlus is nu aan het veranderen. Kunstmatige intelligentie is verder gegaan dan het bijstaan van wetenschappers, naar het proberen om één te zijn, en de implicaties zijn al voelbaar binnen de wetenschappelijke gemeenschap. Een recent onderzoek toont aan dat een AI-systeem, genaamd ‘The AI Scientist’, met succes een onderzoekspaper heeft geschreven dat de peer review heeft doorstaan voor een workshop op een grote machine learning-conferentie.
De opkomst van autonoom onderzoek
De AI Scientist, ontwikkeld door onderzoekers van de Universiteit van British Columbia, opereert als een volledig autonome onderzoekspijplijn. Gegeven slechts een brede onderwerpaanwijzing, onderzoekt het de bestaande literatuur, genereert het hypothesen, ontwerpt het experimenten, analyseert het gegevens en schrijft het zelfs het eindartikel. Het systeem maakt gebruik van bestaande AI-modellen zoals Claude Sonnet van Anthropic of GPT-4o van OpenAI, maar de innovatie ligt in de orkestratie van deze tools in een op zichzelf staand wetenschappelijk proces.
De eerste output was niet baanbrekend; het papier werd door de betrokkenen omschreven als “middelmatig”. Het werd echter geaccepteerd voor presentatie, wat een kritische drempel markeerde. Het gaat er niet langer om dat AI wetenschappers helpt bij het oplossen van beperkte taken, zoals het vouwen van eiwitten. Het gaat over AI die autonoom wetenschappelijk werk genereert en verspreidt.
Het snelheids- en kostenvoordeel
De AI-wetenschapper voltooide zijn taak in 15 uur en kostte naar schatting $ 140. Vergelijk dit met de tijd en middelen die menselijke onderzoekers nodig hebben: een afgestudeerde student kan een heel semester besteden aan het maken van een workshoppaper. Naarmate AI-modellen goedkoper en sneller worden, zal deze kloof alleen maar groter worden, waardoor een onmiddellijke uitdaging voor de wetenschappelijke gemeenschap ontstaat.
Deze efficiëntie dwingt conferenties en tijdschriften zich aan te passen. Toplocaties introduceren limieten, waaronder een regelrecht verbod op puur door AI gegenereerde inzendingen. Anderen vereisen volledige transparantie: auteurs moeten hun gebruik van AI-tools openbaar maken. Het detecteren van door AI gegenereerde inhoud blijft echter moeilijk en de technologie verspreidt zich al buiten academische laboratoria. Andere groepen, zoals Intology en het Autoscience Institute, beweren dat hun AI-systemen ook met succes peer-reviewed artikelen hebben gepubliceerd.
Wat gebeurt er als AI beter wordt?
De huidige kwaliteit van door AI geschreven artikelen is nog steeds onder de maat. De logica is wankel, het schrijven kan gebrekkig zijn en de methodologische nauwkeurigheid lijdt er vaak onder. Maar het traject is duidelijk: AI zal verbeteren. Het debat is niet of AI menselijke onderzoekers zal overtreffen, maar wanneer.
Er zijn twee mogelijke toekomsten. Eén daarvan is een stortvloed aan onderzoek van lage kwaliteit die de systemen voor peer review overweldigt, waardoor een crisis in de wetenschappelijke geloofwaardigheid ontstaat. De andere is een nieuw tijdperk van versnelde ontdekkingen waarin AI beter presteert dan mensen, zowel qua snelheid als qua innovatie. Sommigen, zoals Clune, geloven dat AI uiteindelijk de belangrijkste motor van wetenschappelijke vooruitgang zal worden, waarbij mensen de rol van curatoren zullen krijgen. Anderen beweren dat de toekomst geavanceerde mens-AI-samenwerking zal omvatten, waarbij onderzoekers de door AI gegenereerde inzichten nauwkeurig zullen onderzoeken en verfijnen.
Ongeacht de uitkomst heeft het AI Scientist-experiment het landschap fundamenteel veranderd. Het vermogen van machines om autonoom onderzoek uit te voeren en te publiceren is niet langer hypothetisch; het is de realiteit. De vraag is nu hoe de wetenschappelijke gemeenschap zal reageren.
