Das Startup versucht einen neuen Trick, um KI für wissenschaftliche Entdeckungen zu entwickeln
Das Startup versucht einen neuen Trick, um KI für wissenschaftliche Entdeckungen zu entwickeln
Die Entwicklung künstlicher Intelligenz für wissenschaftliche Entdeckungen ist für Technologiegiganten zu einem monumentalen Ziel geworden. Unternehmen wie OpenAI und Anthropic haben sich Finanzierungen in zweistelliger Milliardenhöhe gesichert und versprechen KI-Durchbrüche in Medizin, Biologie und Physik. Eine echte KI-gesteuerte wissenschaftliche Entdeckung bleibt jedoch schwer zu erreichen, wie vergangene Vorfälle wie ein entlarvter, von ChatGPT generierter mathematischer Befund zeigen. Die größte Herausforderung besteht laut Experten darin, dass aktuellen großen Sprachmodellen (LLMs) die intrinsische Fähigkeit fehlt, neuartige wissenschaftliche Erkenntnisse autonom zu generieren.
Warum große KI-Labore mit wissenschaftlichen Entdeckungen zu kämpfen haben
Markus Buehler, Ingenieurprofessor am MIT, identifiziert eine grundlegende Einschränkung der heutigen fortschrittlichen KI. Er argumentiert, dass die Modelle, die die Systeme von OpenAI und Anthropic antreiben, nicht für echte Entdeckungen konzipiert sind. Ihre Architektur basiert auf der Mustererkennung aus vorhandenen Daten und nicht auf der Erstellung neuer Theorien oder Hypothesen.
Dies wurde letzten Herbst deutlich, als eine angebliche mathematische Entdeckung von ChatGPT schnell entlarvt wurde. Die Folge verdeutlichte die Kluft zwischen der analytischen Kraft der KI und ihrem kreativen, entdeckungsorientierten Denken. Es handelt sich um eine Herausforderung, die an andere KI-Unternehmungen erinnert, bei denen die Technologie mit Originalität zu kämpfen hat, ähnlich wie die Kritik, mit der der KI-„Schauspieler“ Tilly Norwood wegen mangelnder echter Kreativität konfrontiert wurde.
Das Kernproblem aktueller KI-Modelle
Große Sprachmodelle zeichnen sich durch die Verarbeitung und Wiedergabe von Informationen aus. Sie können Texte zusammenfassen, Fragen beantworten und sogar Code schreiben, der auf ihren Trainingsdaten basiert. Allerdings agieren sie innerhalb der Grenzen dessen, was sie bereits gelernt haben.
Wissenschaftliche Entdeckungen erfordern naturgemäß den Schritt ins Unbekannte. Dabei geht es darum, neue Verbindungen zwischen unterschiedlichen Bereichen herzustellen und Ideen vorzuschlagen, die in keinem Trainingsdatensatz enthalten sind. Dies ist ein Sprung, für den die aktuelle generative KI, die sich auf die Erstellung und Automatisierung von Inhalten konzentriert, nicht ausgelegt ist. Die Branche entwickelt sich weiter, wie Entwicklungen wie das WordPress Gutenberg-Update zeigen, das den Grundstein für KI-Veröffentlichungen legt, aber die zentrale Herausforderung für die Entdeckung bleibt bestehen.
Wir stellen vor: Unreasonable Labs: Ein neuer Ansatz für KI für die Wissenschaft
Um diese Lücke zu schließen, gründete Professor Buehler zusammen mit Yuan Cao, einem ehemaligen leitenden Forschungswissenschaftler bei Google DeepMind, Unreasonable Labs. Ziel des Startups ist es, einen grundlegend anderen Ansatz zur Entwicklung von KI für wissenschaftliche Entdeckungen zu entwickeln. Anstatt sich ausschließlich auf die massive Datenerfassung zu verlassen, bauen sie Systeme auf, die interdisziplinäres Denken ermöglichen.
Unreasonable Labs sicherte sich kürzlich in einer von Playground Global angeführten Finanzierungsrunde 13,5 Millionen US-Dollar. An der Runde beteiligten sich AIX Ventures, E14 Fund und MS&AD Ventures. Diese bedeutende Investition unterstreicht den Glauben des Marktes an die neuartige Methodik.
Aus „Aha“-Momenten der Wissenschaftsgeschichte lernen
Buehlers Hypothese ist, dass viele große Entdeckungen aus „Aha“-Momenten entstehen. Dies sind Fälle, in denen ein Wissenschaftler eine Theorie oder ein Konzept aus einem Bereich anwendet, um ein Problem in einem völlig anderen Bereich zu lösen. Diese gegenseitige Befruchtung von Ideen ist der Schlüssel zu Durchbrüchen.
Ein klassisches Beispiel ist John Hopfields Arbeit aus dem Jahr 1982. Er wandte Konzepte aus der Physik der kondensierten Materie auf das damals junge Gebiet der künstlichen Intelligenz an. Dies führte zur Entwicklung von Hopfield-Netzwerken, einer Art neuronalem Netzwerk, das in der Lage ist, zu lernen und Erinnerungen abzurufen. Es war eine revolutionäre Idee, die aus der Verbindung unabhängiger Disziplinen entstand.
Wie sich die KI von Unreasonable Labs von Mainstream-Modellen unterscheidet
Die bei Unreasonable Labs entwickelte KI soll diese menschliche Fähigkeit zu interdisziplinären Erkenntnissen nachahmen. Ihr Ziel besteht nicht darin, ein größeres Sprachmodell zu schaffen, sondern ein System aufzubauen, das über wissenschaftliche Bereiche hinweg argumentieren kann.
Interdisziplinäre Wissensgraphen: Anstatt nur auf Text zu trainieren, integriert ihre KI strukturiertes Wissen aus mehreren wissenschaftlichen Bereichen, von der Biologie bis zur Physik. Analogical Reasoning Engines: Die Kerntechnologie konzentriert sich auf die Suche nach Analogien und Parallelen zwischen scheinbar nicht zusammenhängenden Konzepten, einem Schlüsselfaktor für wissenschaftliche Innovation. Hypothesengenerierung: Das System soll überprüfbare wissenschaftliche Hypothesen vorschlagen und nicht nur vorhandene Daten analysieren.
Dieser Ansatz stellt eine deutliche Abkehr von den Akquisitionsstrategien größerer Unternehmen darTechnologiefirmen wie die Übernahme des KI-Startups Forethought durch Zendesk, die sich häufig auf die Verfeinerung bestehender Kundendienstanwendungen konzentrieren, anstatt neue Formen der Entdeckung zu entwickeln.
Die Zukunft der KI-gesteuerten Entdeckung
Im Erfolgsfall könnte die Technologie von Unreasonable Labs die Forschung in kritischen Bereichen beschleunigen. Stellen Sie sich eine KI vor, die durch die Kombination von Prinzipien aus Chemie und Genetik einen neuen Arzneimittelwirkstoff vorschlagen kann. Oder ein Modell, das ein neues Material für nachhaltige Energie vorschlägt, indem es Konzepte aus Nanotechnologie und Thermodynamik verknüpft.
Die potenziellen Anwendungen sind vielfältig und reichen von der Beschleunigung der medizinischen Forschung bis hin zur Lösung komplexer Umweltprobleme. Dies stellt die nächste Grenze für die KI dar und geht über die Automatisierung hinaus, um ein echter Partner des menschlichen Einfallsreichtums zu werden.
Fazit: Die nächste Welle der KI-Innovation
Der Wettlauf um die Entwicklung von KI für wissenschaftliche Entdeckungen verschärft sich, doch der wahre Erfolg könnte bei spezialisierten Start-ups wie Unreasonable Labs liegen. Ihr Fokus auf interdisziplinäres Denken bietet einen vielversprechenden Weg über die Grenzen aktueller großer Sprachmodelle hinaus. Die Reise zur Schaffung einer KI, die wirklich entdecken kann, steht erst am Anfang.
Bleiben Sie über die neuesten Innovationen in den Bereichen KI und Technologie auf dem Laufenden. Für weitere Einblicke und um diesen Artikel einfach zu teilen, erstellen Sie Ihre kostenlose Link-in-Bio-Seite auf Seemless, um Ihre Lieblingsinhalte zu kuratieren.
