Hoe AI de wetenschap tegelijk vooruithelpt en afremt

Kunstmatige intelligentie geeft wetenschappers een enorme boost in het uitvoeren van hun taken. Ze produceren meer studies, komen met meer wetenschappelijk bewijs en promoveren sneller tot toponderzoeker in hun vakgebied. Maar er zit een vervelend AI-addertje onder het gras.

Terwijl individuele onderzoekers profiteren, wordt het gezamenlijke blikveld van de wetenschap beperkter. Dat blijkt uit een grootschalige studie, die deze week in Nature is gepubliceerd. AI-modellen worden vaak gepresenteerd als de motor achter een nieuwe wetenschappelijke revolutie. En dat beeld klopt dus voor individuele onderzoekers. Die worden door AI een stuk productiever. Ze publiceren gemiddeld ruim drie keer zoveel artikelen, er wordt bijna vijf keer zo vaak naar hun werk verwezen en ze groeien bovendien sneller uit tot leiders binnen hun vakgebied. Gemiddeld zijn ze anderhalf jaar eerder toponderzoeker, vergeleken met collega’s die zonder AI werken.

Minder onderwerpen, minder betrokkenheid

De onderzoekers analyseerden maar liefst 41,3 miljoen wetenschappelijke publicaties voor hun studie en de boodschap lijkt duidelijk: wie AI omarmt, neemt een forse voorsprong. Maar er is een keerzijde. Kunstmatige intelligentie mag individuele carrières dan flink de wind in de rug geven, de wetenschap als geheel krimpt. Volgens de studie daalt het totale aantal onderzochte wetenschappelijke onderwerpen met bijna 5 procent zodra AI breed wordt ingezet. Ook de interactie tussen onderzoekers neemt af: wetenschappers citeren elkaar wel vaker, maar werken inhoudelijk minder samen. De betrokkenheid tussen onderzoekers daalt met maar liefst 22 procent.

Hoe dat kan? AI-onderzoekers blijken massaal richting vakgebieden te trekken waarvoor veel data beschikbaar zijn. Daar komt AI namelijk het best tot zijn recht, met meetbare verbeteringen en duidelijke maatstaven. Het gevolg is dat het druk wordt op de bekende paden en er weinig nieuwe wegen meer worden ingeslagen.

Lonely crowds

De onderzoekers spreken zelfs van ‘lonely crowds’. Dat zijn populaire onderzoeksthema’s die veel aandacht trekken, maar waarbinnen wetenschappers verrassend weinig op elkaar reageren. Veel studies lijken sterk op elkaar en bouwen voort op dezelfde ideeën. In plaats van nieuwe vragen te stellen, werken onderzoekers parallel aan dezelfde oplossingen. En dat is volgens Evans een gevaarlijke ontwikkeling. In zijn essay After Science waarschuwde hij al dat AI kan zorgen voor zogeheten methodologische monoculturen. Met andere woorden: iedereen gebruikt dezelfde aanpak, waardoor de wetenschap uiteindelijk vastloopt in bestaande denkpatronen: alleen de gebaande paden worden nog betreden en daar is niets interessants aan.

AI anders inzetten

Volgens de onderzoekers is het belangrijk om nieuw beleid uit te rollen om deze gevaarlijke trend te keren. Ze pleiten voor investeringen in onderzoek naar data-arme gebieden en voor AI-systemen die niet puur optimaliseren, maar juist gefocust zijn om bij te dragen aan de verkenning van nieuwe onderzoeksgebieden. AI kan veel meer dan alleen patronen herkennen in bestaande datasets.

“Het is onze taak om AI-systemen opnieuw vorm te geven”, schrijven de wetenschappers. “Alleen dan blijft de gezamenlijke verkenning van de wetenschap, die ons zo ver heeft gebracht, gewaarborgd. Kunstmatige intelligentie is er niet alleen om onze denkcapaciteit te vergroten, maar ook voor zintuiglijke en experimentele mogelijkheden.” Met andere woorden: AI moet wetenschappers helpen om nieuwe data te verzamelen in voorheen onbereikbare domeinen, in plaats van alleen oude data slimmer te analyseren. Alleen dan kan AI de wetenschap duurzaam vooruithelpen.

We schreven vaker over dit onderwerp, lees bijvoorbeeld ook Nieuwe AI kan duizenden keren sneller nieuwe medicijnen ontdekken en AI overschat vaak hoe rationeel je kan denken. Of lees dit artikel: Door AI publiceren wetenschappers veel meer papers, maar de kwaliteit holt achteruit.

Uitgelezen? Luister ook eens naar de Scientias Podcast: