De startup probeert een nieuwe truc om AI te ontwikkelen voor wetenschappelijke ontdekkingen
De startup probeert een nieuwe truc om AI te ontwikkelen voor wetenschappelijke ontdekkingen
Het ontwikkelen van kunstmatige intelligentie voor wetenschappelijke ontdekkingen is een monumentaal doel geworden voor technologiegiganten. Bedrijven als OpenAI en Anthropic hebben tientallen miljarden aan financiering binnengehaald met beloften van AI-doorbraken in de geneeskunde, biologie en natuurkunde. Echte AI-gestuurde wetenschappelijke ontdekkingen blijven echter ongrijpbaar, zoals blijkt uit incidenten uit het verleden, zoals een ontkrachte door ChatGPT gegenereerde wiskundige bevinding. De kernuitdaging is volgens deskundigen dat de huidige grote taalmodellen (LLM's) niet over het intrinsieke vermogen beschikken om autonoom nieuwe wetenschappelijke kennis te genereren.
Waarom grote AI-labs worstelen met wetenschappelijke ontdekkingen
Markus Buehler, hoogleraar techniek aan het MIT, identificeert een fundamentele beperking in de hedendaagse geavanceerde AI. Hij stelt dat de modellen die de systemen van OpenAI en Anthropic aandrijven, niet zijn ontworpen voor echte ontdekkingen. Hun architectuur is gebaseerd op patroonherkenning uit bestaande gegevens, niet op het creëren van nieuwe theorieën of hypothesen.
Dit werd afgelopen najaar duidelijk geïllustreerd toen een vermeende wiskundige ontdekking door ChatGPT snel werd ontkracht. De aflevering benadrukte de kloof tussen de analytische kracht van AI en het creatieve, op ontdekkingen gerichte denken. Het is een uitdaging die doet denken aan andere AI-inspanningen waarbij de technologie worstelt met originaliteit, net zoals de kritiek waarmee AI-‘acteur’ Tilly Norwood te maken kreeg vanwege het gebrek aan echte creativiteit.
Het kernprobleem met de huidige AI-modellen
Grote taalmodellen blinken uit in het verwerken en teruggeven van informatie. Ze kunnen teksten samenvatten, vragen beantwoorden en zelfs code schrijven op basis van hun trainingsgegevens. Ze opereren echter binnen de grenzen van wat ze al hebben geleerd.
Wetenschappelijke ontdekkingen vereisen van nature een stap in het onbekende. Het gaat om het leggen van nieuwe verbindingen tussen uiteenlopende vakgebieden en het voorstellen van ideeën die in geen enkele trainingsdataset aanwezig zijn. Dit is een sprong waarvoor de huidige generatieve AI, gericht op het creëren en automatiseren van content, niet is gebouwd. De industrie evolueert, zoals blijkt uit ontwikkelingen als de WordPress Gutenberg-update die de basis legt voor AI-publicatie, maar de kernuitdaging voor ontdekking blijft bestaan.
Introductie van onredelijke Labs: een nieuwe benadering van AI voor de wetenschap
Om deze kloof te dichten, heeft professor Buehler samen met Yuan Cao, een voormalig senior stafonderzoeker bij Google DeepMind, Unreasonable Labs opgericht. De startup wil pionieren met een fundamenteel andere benadering van de ontwikkeling van AI voor wetenschappelijke ontdekkingen. In plaats van uitsluitend te vertrouwen op de massale data-inname, bouwen ze systemen die interdisciplinair kunnen redeneren.
Unreasonable Labs heeft onlangs $13,5 miljoen binnengehaald in een financieringsronde onder leiding van Playground Global. Aan de ronde namen AIX Ventures, E14 Fund en MS&AD Ventures deel. Deze aanzienlijke investering onderstreept het geloof van de markt in hun nieuwe methodologie.
Leren van ‘Aha’-momenten in de wetenschappelijke geschiedenis
De hypothese van Buehler is dat veel grote ontdekkingen voortkomen uit ‘aha’-momenten. Dit zijn gevallen waarin een wetenschapper een theorie of concept uit het ene vakgebied toepast om een probleem in een heel ander domein op te lossen. Deze kruisbestuiving van ideeën is de sleutel tot doorbraken.
Een klassiek voorbeeld is het werk van John Hopfield uit 1982. Hij paste concepten uit de fysica van de gecondenseerde materie toe op het toen nog opkomende gebied van de kunstmatige intelligentie. Dit leidde tot de ontwikkeling van Hopfield-netwerken, een soort neuraal netwerk dat herinneringen kan leren en oproepen. Het was een revolutionair idee dat voortkwam uit het verbinden van niet-verwante disciplines.
Hoe de AI van Unreasonable Labs verschilt van reguliere modellen
De AI die bij Unreasonable Labs wordt ontwikkeld, is ontworpen om dit menselijke vermogen tot interdisciplinair inzicht na te bootsen. Hun doel is niet om een groter taalmodel te creëren, maar om een systeem te bouwen dat over wetenschappelijke domeinen heen kan redeneren.
Interdisciplinaire kennisgrafieken: in plaats van alleen op tekst te trainen, integreert hun AI gestructureerde kennis uit meerdere wetenschappelijke velden, van biologie tot natuurkunde. Analoge redeneringsmotoren: De kerntechnologie richt zich op het vinden van analogieën en parallellen tussen ogenschijnlijk niet-gerelateerde concepten, een belangrijke motor voor wetenschappelijke innovatie. Hypothese genereren: Het systeem is ontworpen om toetsbare wetenschappelijke hypothesen voor te stellen, en niet alleen om bestaande gegevens te analyseren.
Deze aanpak wijkt aanzienlijk af van de acquisitiestrategieën van grotere bedrijventechnologiebedrijven, zoals de Zendesk-overname van AI-startup Forethought, die zich vaak richten op het verfijnen van bestaande klantenservicetoepassingen in plaats van op het pionieren van nieuwe vormen van ontdekking.
De toekomst van AI-gestuurde ontdekking
Als dit lukt, zou de technologie van Unreasonable Labs het onderzoek op kritieke gebieden kunnen versnellen. Stel je een AI voor die een nieuwe medicijnverbinding kan voorstellen door principes uit de scheikunde en genetica te combineren. Of een model dat een nieuw materiaal voor duurzame energie voorstelt door concepten uit de nanotechnologie en de thermodynamica met elkaar te verbinden.
De potentiële toepassingen zijn enorm, van het versnellen van medisch onderzoek tot het oplossen van complexe milieu-uitdagingen. Dit vertegenwoordigt de volgende grens voor AI, die verder gaat dan automatisering en een echte partner in menselijk vernuft wordt.
Conclusie: de volgende golf van AI-innovatie
De race om AI te ontwikkelen voor wetenschappelijke ontdekkingen neemt toe, maar het echte succes ligt misschien bij gespecialiseerde startups zoals Unreasonable Labs. Hun focus op interdisciplinair redeneren biedt een veelbelovend pad dat verder gaat dan de beperkingen van de huidige grote taalmodellen. De reis naar het creëren van een AI die echt kan ontdekken, is nog maar net begonnen.
Blijf op de hoogte van de nieuwste innovaties op het gebied van AI en technologie. Voor meer inzichten en om dit artikel eenvoudig te delen, maakt u uw gratis link-in-bio-pagina op Seemless om uw favoriete inhoud samen te stellen.
