AI versnelt wetenschappelijke ontdekkingen: de wetenschapper die nooit slaapt

• Auteur:
• auteursnaam

  Quantumrun-prognose
• 12 december 2023

Samenvatting inzicht

AI, en vooral platforms als ChatGPT, versnellen wetenschappelijke ontdekkingen aanzienlijk door data-analyse en het genereren van hypothesen te automatiseren. Het vermogen om enorme hoeveelheden wetenschappelijke gegevens te verwerken is van cruciaal belang voor de vooruitgang op terreinen als de scheikunde en de materiaalkunde. AI speelde een cruciale rol bij de ontwikkeling van het COVID-19-vaccin en illustreerde het vermogen ervan voor snel, collaboratief onderzoek. Investeringen in ‘exaschaal’-supercomputers, zoals het Frontier-project van het Amerikaanse ministerie van Energie, benadrukken het potentieel van AI bij het stimuleren van wetenschappelijke doorbraken in de gezondheidszorg en energie. Deze integratie van AI in onderzoek bevordert multidisciplinaire samenwerking en het snel testen van hypothesen, hoewel het ook vragen oproept over de ethische en intellectuele eigendomsimplicaties van AI als medeonderzoeker.

AI versnelt de wetenschappelijke ontdekkingscontext

Wetenschap is op zichzelf een creatief proces; onderzoekers moeten voortdurend hun geest en perspectieven verruimen om nieuwe medicijnen, chemische toepassingen en industriële innovaties in het algemeen te creëren. Het menselijk brein heeft echter zijn grenzen. Er zijn immers meer moleculaire vormen denkbaar dan atomen in het heelal. Niemand mag ze allemaal onderzoeken. Deze noodzaak om de oneindige diversiteit aan mogelijke wetenschappelijke experimenten te verkennen en te testen heeft wetenschappers ertoe aangezet voortdurend nieuwe instrumenten te gebruiken om hun onderzoeksmogelijkheden uit te breiden – het nieuwste instrument is kunstmatige intelligentie.
 
Het gebruik van AI bij wetenschappelijke ontdekkingen wordt (2023) aangedreven door diepe neurale netwerken en generatieve AI-frameworks die in staat zijn om wetenschappelijke kennis in bulk te genereren uit al het gepubliceerde materiaal over een specifiek onderwerp. Generatieve AI-platforms zoals ChatGPT kunnen bijvoorbeeld grote hoeveelheden wetenschappelijke literatuur analyseren en synthetiseren, waardoor scheikundigen worden geholpen bij het onderzoeken van nieuwe synthetische meststoffen. AI-systemen kunnen uitgebreide databases met patenten, academische artikelen en publicaties doorzoeken, hypothesen formuleren en de richting van het onderzoek bepalen.

Op dezelfde manier kan AI de gegevens die het analyseert gebruiken om originele hypothesen te bedenken om de zoektocht naar nieuwe moleculaire ontwerpen te verbreden, op een schaal die een individuele wetenschapper onmogelijk zou kunnen evenaren. Dergelijke AI-tools zouden, in combinatie met toekomstige kwantumcomputers, in staat zijn om snel nieuwe moleculen te simuleren om aan elke specifieke behoefte te voldoen op basis van de meest veelbelovende theorie. De theorie zal vervolgens worden geanalyseerd met behulp van autonome laboratoriumtests, waarbij een ander algoritme de resultaten zou evalueren, hiaten of defecten zou identificeren en nieuwe informatie zou extraheren. Er zouden nieuwe vragen rijzen, en zo zou het proces in een positieve spiraal opnieuw beginnen. In een dergelijk scenario zouden wetenschappers toezicht houden op complexe wetenschappelijke processen en initiatieven in plaats van op individuele experimenten.

Disruptieve impact

Een voorbeeld van hoe AI is gebruikt om wetenschappelijke ontdekkingen te versnellen, was de creatie van het COVID-19-vaccin. Een consortium van 87 organisaties, variërend van de academische wereld tot technologiebedrijven, heeft mondiale onderzoekers toegang gegeven tot supercomputers (apparaten met snelle computermogelijkheden die ML-algoritmen kunnen uitvoeren) om AI te gebruiken om bestaande gegevens en onderzoeken te doorzoeken. Het resultaat is een vrije uitwisseling van ideeën en experimentresultaten, volledige toegang tot geavanceerde technologie en snellere, nauwkeurigere samenwerking. Verder realiseren federale agentschappen het potentieel van AI om snel nieuwe technologieën te ontwikkelen. Het Amerikaanse ministerie van Energie (DOE) heeft het Congres bijvoorbeeld gevraagd om een ​​budget van maximaal 4 miljard dollar over een periode van tien jaar om te investeren in AI-technologieën om wetenschappelijke ontdekkingen te stimuleren. Deze investeringen omvatten “exascale” (in staat om grote hoeveelheden berekeningen uit te voeren) supercomputers.

In mei 2022 gaf DOE technologiebedrijf Hewlett Packard (HP) de opdracht om de snelste exaschaal-supercomputer, Frontier, te creëren. Verwacht wordt dat de supercomputer ML-berekeningen tot 10x sneller zal oplossen dan de huidige supercomputers en oplossingen zal vinden voor problemen die 8x complexer zijn. Het bureau wil zich concentreren op ontdekkingen op het gebied van kanker- en ziektediagnose, hernieuwbare energie en duurzame materialen. 

DOE heeft veel wetenschappelijke onderzoeksprojecten gefinancierd, waaronder atom-smashers en genoomsequencing, wat ertoe heeft geleid dat het bureau enorme databases beheert. Het bureau hoopt dat deze gegevens op een dag kunnen resulteren in doorbraken die onder meer de energieproductie en de gezondheidszorg kunnen bevorderen. Van het afleiden van nieuwe fysische wetten tot nieuwe chemische verbindingen, wordt verwacht dat AI/ML het zwaarste werk zal doen dat dubbelzinnigheden wegneemt en de kansen op succes in wetenschappelijk onderzoek vergroot.

Implicaties van AI die wetenschappelijke ontdekkingen versnelt

Bredere implicaties van het versnellen van wetenschappelijke ontdekkingen door AI kunnen zijn: 

• Het faciliteren van de snelle integratie van kennis in verschillende wetenschappelijke disciplines, het bevorderen van innovatieve oplossingen voor complexe problemen. Dit voordeel zou multidisciplinaire samenwerking bevorderen, waarbij inzichten uit vakgebieden als biologie, natuurkunde en informatica worden gecombineerd.
• AI wordt gebruikt als universele laboratoriumassistent en analyseert enorme datasets veel sneller dan mensen, wat leidt tot snellere generatie en validatie van hypothesen. Automatisering van routinematige onderzoekstaken zal wetenschappers de ruimte geven om zich te concentreren op complexe problemen en het analyseren van tests en experimentresultaten.
• Onderzoekers die investeren in het geven van creativiteit aan AI om hun eigen vragen en oplossingen te ontwikkelen voor wetenschappelijke onderzoeken in verschillende vakgebieden.
• Het versnellen van de verkenning van de ruimte, aangezien AI zal helpen bij het verwerken van astronomische gegevens, het identificeren van hemellichamen en het plannen van missies.
• Sommige wetenschappers dringen erop aan dat hun AI-collega of mede-onderzoeker intellectuele auteursrechten en publicatiekredieten krijgt.
• Meer federale instanties investeren in supercomputers, waardoor steeds geavanceerdere onderzoeksmogelijkheden mogelijk worden voor wetenschappelijke laboratoria van universiteiten, overheidsinstanties en de particuliere sector.
• Snellere ontwikkeling van geneesmiddelen en doorbraken in de materiaalkunde, scheikunde en natuurkunde, wat kan leiden tot een oneindige verscheidenheid aan toekomstige innovaties.

Vragen om op te reageren

• Als u een wetenschapper of onderzoeker bent, hoe gebruikt uw organisatie dan AI in onderzoek?
• Wat zijn de potentiële risico’s van het hebben van AI als medeonderzoekers?