AI als onderzoekspartner: hoe kunstmatige intelligentie de wetenschap verandert
Wetenschap draait van oudsher om nieuwsgierigheid. Onderzoekers stellen vragen, bedenken experimenten, verzamelen gegevens en proberen vervolgens te begrijpen wat de resultaten betekenen. Dat proces kan jaren duren en soms worden enorme hoeveelheden gegevens verzameld voordat er een duidelijk antwoord ontstaat.
Kunstmatige intelligentie begint daar steeds vaker een rol in te spelen.
AI kan grote hoeveelheden gegevens verwerken, patronen herkennen en berekeningen uitvoeren die voor mensen veel tijd zouden kosten. Maar de ontwikkeling gaat verder. Moderne AI-systemen kunnen ook helpen bij het bedenken van experimenten, het voorspellen van resultaten en het zoeken naar mogelijke verklaringen.
Daarmee verandert langzaam de rol van AI binnen de wetenschap.
AI helpt niet alleen bij het uitvoeren van wetenschap, maar begint ook mee te denken over hoe je wetenschap kunt bedrijven.
Van gegevens verwerken naar patronen ontdekken
Een van de meest voor de hand liggende toepassingen van AI in de wetenschap is het analyseren van gegevens.
Moderne experimenten kunnen enorme hoeveelheden informatie opleveren. Een telescoop kan bijvoorbeeld voortdurend beelden en metingen verzamelen. Een deeltjesdetector produceert grote hoeveelheden meetgegevens en ook experimenten met materialen, medicijnen of plasma kunnen gigantische datasets opleveren.
Voor mensen is het onmogelijk om iedere meting afzonderlijk te bekijken.
AI kan zulke gegevens veel sneller doorzoeken. Het systeem kan zoeken naar patronen, afwijkingen en verbanden die interessant kunnen zijn voor onderzoekers.
Dat betekent niet dat AI automatisch begrijpt wat een ontdekking betekent.
Het kan vooral helpen om te vinden waar wetenschappers verder moeten kijken.
AI kan zoeken naar iets wat mensen missen
Wetenschappers werken altijd vanuit bestaande kennis.
Dat is natuurlijk een voordeel. Jarenlange ervaring helpt bij het herkennen van belangrijke patronen en het bedenken van goede experimenten. Maar menselijke onderzoekers hebben ook maar beperkte tijd en kunnen onmogelijk iedere mogelijkheid onderzoeken.
Een AI-systeem kan veel meer mogelijkheden tegelijkertijd bekijken.
Wanneer een onderzoeker bijvoorbeeld verschillende variabelen wil combineren, kan AI duizenden of zelfs miljoenen mogelijke situaties simuleren. Vervolgens kunnen de interessantste opties worden geselecteerd voor verder onderzoek.
Zo kan AI fungeren als een soort digitale verkenner.
Niet omdat het systeem beter begrijpt wat wetenschap is, maar omdat het veel sneller door een enorme hoeveelheid mogelijkheden kan zoeken.
Experimenten ontwerpen met AI
Daarmee komen we bij een interessante ontwikkeling.
AI wordt niet alleen gebruikt om bestaande experimenten te analyseren, maar kan ook helpen bij het ontwerpen van nieuwe experimenten.
Een onderzoeker kan bepaalde voorwaarden en doelen opgeven. De AI kan vervolgens zoeken naar mogelijke combinaties van apparatuur, instellingen of meetmethoden.
Sommige voorstellen kunnen verrassend zijn.
Een computer hoeft namelijk niet altijd dezelfde route te volgen die een menselijke onderzoeker logisch vindt. Wanneer een ongebruikelijke combinatie volgens de berekeningen interessant lijkt, kan AI die gewoon meenemen in de zoektocht.
Dat kan nieuwe ideeën opleveren die anders misschien nooit zouden worden getest.
De wetenschap wordt daardoor een samenwerking
Dit betekent niet dat wetenschappers straks verdwijnen.
Integendeel.
De interessantste toepassingen lijken juist te ontstaan wanneer mens en AI verschillende dingen doen.
De wetenschapper kan bepalen welke vraag belangrijk is.
AI kan vervolgens helpen om enorme aantallen mogelijke oplossingen te onderzoeken.
De onderzoeker beoordeelt daarna de resultaten, bepaalt welke ideeën interessant genoeg zijn en beslist welke experimenten daadwerkelijk worden uitgevoerd.
Zo ontstaat een samenwerking waarin de sterke kanten van beide worden gecombineerd.
De mens brengt nieuwsgierigheid, ervaring en begrip van de wetenschappelijke context.
AI brengt snelheid, rekenkracht en de mogelijkheid om enorme hoeveelheden mogelijkheden te onderzoeken.
AI kan ook voorspellen
Een andere belangrijke toepassing is het voorspellen van wat er tijdens een experiment kan gebeuren.
Wetenschappers kunnen bijvoorbeeld een AI-model trainen met gegevens uit eerdere experimenten of simulaties. Het model leert vervolgens patronen herkennen en kan voorspellen hoe een systeem zich waarschijnlijk zal gedragen.
Dat gebeurt inmiddels op allerlei gebieden.
Bij kernfusie kan AI bijvoorbeeld helpen voorspellen wanneer plasma instabiel dreigt te worden. In de materiaalkunde kan AI zoeken naar materialen met bepaalde eigenschappen. In de sterrenkunde kan kunstmatige intelligentie helpen bij het analyseren van enorme hoeveelheden waarnemingen.
Een voorspelling is natuurlijk nog geen bewijs.
De wetenschapper moet uiteindelijk controleren of de voorspelling in werkelijkheid klopt.
Soms komt AI met onverwachte oplossingen
Een van de interessantste eigenschappen van AI in wetenschappelijk onderzoek is dat een systeem soms oplossingen kan vinden die niet direct voor de hand liggen.
Dat kan gebeuren omdat AI veel meer combinaties kan onderzoeken dan een mens praktisch gezien zou kunnen.
Een menselijke onderzoeker kan bijvoorbeeld denken aan tien logische manieren om een experiment op te zetten. Een AI-systeem kan vervolgens duizenden andere mogelijkheden onderzoeken.
De meeste daarvan zullen waarschijnlijk niet interessant zijn.
Maar misschien zit er tussen die duizenden mogelijkheden één configuratie die verrassend goed werkt.
Dan ontstaat iets bijzonders: AI heeft niet per se de ontdekking gedaan, maar heeft wel geholpen om een mogelijkheid zichtbaar te maken die mensen eerder niet hadden onderzocht.
Toch moet AI gecontroleerd blijven
Juist omdat AI steeds meer taken krijgt, blijft menselijke controle belangrijk.
Een AI-model kan een patroon vinden dat toevallig lijkt te zijn. Het kan een verkeerde voorspelling doen of een oplossing voorstellen die in de praktijk niet uitvoerbaar is.
Daarom moet een wetenschapper de resultaten blijven controleren.
Ook moet duidelijk zijn welke gegevens voor de AI beschikbaar zijn en welke beperkingen het systeem heeft.
Een AI die een experiment mag ontwerpen, krijgt bijvoorbeeld niet automatisch de vrijheid om ieder mogelijk experiment daadwerkelijk uit te voeren.
De onderzoeker bepaalt de grenzen.
Dat is vergelijkbaar met andere toepassingen van AI. Meer mogelijkheden betekenen niet dat een systeem onbeperkte vrijheid moet krijgen.
AI verandert ook de manier waarop wetenschappers werken
Wanneer AI een deel van het zoek- en rekenwerk overneemt, kan de dagelijkse praktijk van wetenschappers veranderen.
Een onderzoeker hoeft misschien minder tijd te besteden aan het handmatig analyseren van enorme datasets. In plaats daarvan kan meer tijd beschikbaar komen voor het interpreteren van resultaten en het bedenken van nieuwe onderzoeksvragen.
Ook kunnen experimenten sneller worden voorbereid.
AI kan bijvoorbeeld eerst een groot aantal mogelijke scenario’s simuleren. Alleen de meest veelbelovende opties worden daarna in het echte laboratorium getest.
Dat kan onderzoek efficiënter maken en mogelijk ook kosten besparen.
Van hulpmiddel naar onderzoekspartner
Het woord onderzoekspartner klinkt misschien alsof AI een zelfstandige wetenschapper is.
Dat is voorlopig niet het geval.
AI heeft geen menselijke nieuwsgierigheid en begrijpt wetenschappelijke ontdekkingen niet op dezelfde manier als een mens. Het systeem werkt met patronen, modellen, gegevens en doelen die door mensen zijn aangeleverd.
Toch begint de term steeds beter te passen bij wat er in sommige onderzoeksgebieden gebeurt.
AI kan inmiddels helpen bij verschillende stappen van het proces:
een vraag onderzoeken → mogelijkheden zoeken → experimenten ontwerpen → resultaten voorspellen → gegevens analyseren → interessante patronen vinden
Dat is veel meer dan alleen een computer die een berekening uitvoert.
Wat betekent dit voor toekomstige ontdekkingen?
De komende jaren zal AI waarschijnlijk steeds dieper in wetenschappelijk onderzoek worden geïntegreerd.
Dat kan leiden tot snellere analyses, efficiëntere experimenten en nieuwe manieren om ingewikkelde problemen te onderzoeken.
Misschien ontdekt AI patronen die mensen jarenlang over het hoofd hebben gezien. Misschien worden experimenten bedacht die een menselijke onderzoeker niet snel zou hebben overwogen.
Maar de belangrijkste rol blijft waarschijnlijk de samenwerking.
De mens bepaalt welke vragen de moeite waard zijn. AI helpt om sneller door de enorme hoeveelheid mogelijkheden te zoeken. Daarna moeten mensen nog steeds bepalen wat een resultaat werkelijk betekent.
Dat maakt AI niet tot vervanging van de wetenschapper, maar tot een nieuw soort hulpmiddel binnen het wetenschappelijke proces.
En misschien is dat wel de interessantste ontwikkeling.
Wetenschap is altijd veranderd wanneer nieuwe hulpmiddelen beschikbaar kwamen. Telescopen lieten ons verder de ruimte in kijken, microscopen maakten een onzichtbare wereld zichtbaar en computers maakten berekeningen mogelijk die vroeger ondenkbaar waren.
Kunstmatige intelligentie voegt daar iets nieuws aan toe.
AI kan niet alleen helpen beter te kijken, maar ook helpen bepalen waar we moeten kijken en welke mogelijkheden we eerst moeten onderzoeken.
De wetenschapper stelt de vraag. De computer helpt zoeken.
En uit die samenwerking kunnen uiteindelijk ontdekkingen ontstaan die zonder AI misschien veel langer op zich hadden laten wachten.