Een van de oorspronkelijke beloften van AI was om de wetenschap vooruit te helpen. Hoe staat het daarmee? Vier vakgebieden die al nieuwe terreinen betreden door de technologie. ‘We zitten in een tijd van grote doorbraken.’
Laurens Verhagen en George van Hal werken op de wetenschapsredactie van de Volkskrant.
In de toekomst zal kunstmatige intelligentie ‘bijna alles’ kunnen doen, ‘waaronder nieuwe wetenschappelijke ontdekkingen die ons begrip van ‘alles’ zullen verruimen’. Deze woorden uit 2021 van OpenAI-topman Sam Altman zijn exemplarisch voor de beloften die alle grote AI-bedrijven de wereld in het vooruitzicht stellen.
Ook in andere essays beschrijft Altman een tijdperk van massale welvaart, waarin medische doorbraken worden versneld, voedseltekorten worden opgelost en de landbouw beter bestand wordt gemaakt tegen klimaatstress.
Dario Amodei van concurrent Anthropic is al even optimistisch over de rol van AI in de wetenschap. In zijn essay Machines of Loving Grace (oktober 2024) schrijft hij dat AI het wetenschappelijke proces met een factor tien kan versnellen.
Vergeet het sneller schrijven van een mailtje, de legopoppetjespropaganda van Iran, de strafbare bikinifoto’s van Grok, of Google’s hallucinerende AI-overzicht. Het is de jacht op pure, onversneden wetenschappelijke kennis waarmee dit soort techtitanen de gigantische investeringen in energieslurpende datacenters aan de maatschappij rechtvaardigen. Is dat terecht?
Zelfs binnen big tech bestaan daarover twijfels. Demis Hassabis (Google DeepMind) lijkt zich juist wat ongemakkelijk te voelen bij de commerciële afslag die de grote AI-bedrijven vanaf eind 2022 hebben genomen. Nadat OpenAI ChatGPT op de markt had gebracht, werd de concurrentie gedwongen óók in te zetten op grote taalmodellen en chatbots. Dat gold ook voor Google, dat in 2014 het Britse AI-bedrijf DeepMind overnam, waarvan Hassabis een van de oprichters was.
Zijn droom was nooit om een chatbot te maken, of een AI-model om plaatjes mee te fabriceren. Hassabis wilde de wetenschap helpen. ‘Als het aan mij had gelegen, hadden we het langer in het lab laten staan en meer dingen gedaan zoals met AlphaFold, misschien kanker genezen of zoiets’, zei hij vorig jaar tegenover The Guardian. AlphaFold is het AI-systeem van Google Deepmind dat de 3D-structuur van eiwitten kan voorspellen.
In plaats daarvan ziet hij zijn bedrijf nu verwikkeld in wat hij onlangs in een podcast een ‘moordende commerciële concurrentiestrijd’ noemde. Wie de wetenschap écht vooruit wil helpen, legt de nadruk niet op commerciële toepassingen, maar op vooruitgang in het lab, lijkt hij te willen zeggen. En Hassabis kan het weten: hij ontving in 2024 de Nobelprijs voor zijn werk met AlphaFold, het AI-model dat aan de wieg stond van heel nieuwe doorbraken in de biochemie.
Het grote publiek kent DeepMind vermoedelijk meer van een andere AI-doorbraak. In maart 2016 speelde het AI-programma AlphaGo vijf wedstrijden tegen de Zuid‑Koreaanse go‑grootmeester Lee Sedol en won met 4‑1. Dat was wereldnieuws; tot dat moment dacht niemand dat een computer dit zou kunnen omdat het bordspel go als veel te complex werd gezien.
Het was slechts de opmaat naar AlphaFold. AlphaGo bewees voor Hassabis en consorten dat hun aanpak werkte. Precies hetzelfde mechanisme kon worden gebruikt voor de wetenschap. Namelijk: je voedt een neuraal netwerk met veel voorbeelden, waarna dit netwerk zelf patronen leert herkennen en voorspellingen voor nieuwe situaties kan doen. Zonder expliciete regels. AlphaFold en vooral AlphaFold 2 uit 2020 bewezen dat AI iets kan wat mensen nog niet konden: het voorspellen van de 3D-structuur van eiwitten.
Het zou bij lange na niet het laatste wapenfeit zijn van AI-modellen in de wetenschap. Sterker nog: kunstmatige intelligenties lijken zich de laatste tijd steeds vaker te ontpoppen tot volwaardige wetenschappers. Van chatbots die zelfstandig wiskundeproblemen oplossen tot AI-systemen die fysieke robots aansturen zodat ze in het laboratorium onderzoek kunnen uitvoeren.
Daarbij heeft ook de meest recente AI-hype zijn weg gevonden naar het lab: het gebruik van zogeheten AI-agenten die zelfstandig taken kunnen uitvoeren, zonder tussenkomst van een mens. ‘AI-agenten veranderen het wetenschappelijk onderzoek, en instellingen, onderzoeksfinanciers en uitgevers van vakbladen moeten daar een antwoord op vinden’, schreef vakblad Nature in maart in een hoofdredactioneel commentaar over die trend.
In zijn ultieme vorm kan de inzet van AI-agenten zelfs leiden tot volledig geautomatiseerde labs die zelfstandig hypothesen produceren, deze daarna testen in het lab en zo helemaal zelf tot nieuwe inzichten of toepassingen te komen.
Zover is het nog niet. De hyperige beloften van de grote techbedrijven zijn vooralsnog niet in zicht en hun prioriteiten lijken soms elders te liggen. Desondanks boekt de technologie ook nu al indrukwekkende resultaten, die kunnen leiden tot permanente verschuivingen in de werkzaamheden van de moderne wetenschapper en de stand van de menselijke kennis. Een greep uit recente doorbraken in vier vakgebieden.
‘Revolutionair.’ Gerard van Westen, onderzoeker aan het Leidse instituut voor medicijnontwikkeling LACDR, twijfelt geen moment om dit woord te plakken op de stroomversnelling-achtige fase waarin zijn vakgebied zich bevindt. Met dank aan AI en specifiek aan Google DeepMind.
Het waren de Britten Demis Hassabis en John Jumper van dit AI-bedrijf die met AlphaFold voor een doorbraak zorgden. Dit neurale netwerk voorspelt de 3D-structuur van eiwitten.
Dat klinkt wellicht als een nichetoepassing, maar vergis je niet. Eiwitten zijn een van de belangrijkste bouwstenen van het leven op aarde: van mensen tot pantoffeldiertjes, en van korstmossen tot de grootste bomen in het Amazonewoud, allemaal hebben ze eiwitten nodig. In het menselijk lichaam helpen ze onder meer spierweefsel onderhouden, doen dienst als zuurstofkoerier tussen longen en weefsels, en helpen cellen te functioneren. Zelfs bij de afweer tegen ziekten zijn eiwitten cruciaal.
Eiwitten zijn in essentie een keten van aminozuren, die zichzelf opvouwen tot een specifieke driedimensionale vorm. Deze vorm bepaalt welke functie het eiwit kan uitvoeren.
Het voorspellen van zulke eiwitstructuren was notoir lastig vanwege de gigantische hoeveelheid mogelijke vormen die een keten van aminozuren kan aannemen. AlphaFold bleek dat dus wel te kunnen. Dat leverde zo’n 200 miljoen voorspellingen op die DeepMind vervolgens beschikbaar stelde aan de wetenschap. In 2024 kregen Hassabis en Jumper de Nobelprijs in de Scheikunde voor hun baanbrekende werk.
‘Dit heeft het onderzoeksveld compleet veranderd en nieuwe gebieden van onderzoek gecreëerd’, zegt Van Westen. ‘Als je eenmaal de 3D-structuur van een eiwit weet, dan weet je ook hoe je nieuwe moleculen kunt ontwerpen die hier precies in passen, als een soort legoblokje.’ Die moleculen zijn de basis voor nieuwe medicijnen. Doordat zulke medicijnen beter op het eiwit passen, werken ze beter en nemen de bijwerkingen vaak af. In het verleden waren voor die 3D-structuur dure experimenten met röntgenkristallografie nodig. ‘Nu rollen ze uit de computer.’
Andere AI-modellen (zoals PCMol) helpen weer bij dit werk: het ontwerpen van de moleculen. ‘Die modellen zijn enorm krachtige ideeëngeneratoren’, legt Van Westen uit.
De moleculen moeten dan nog wel in een lab worden gefabriceerd, maar ook daaraan draagt de huidige technologie haar steentje bij: ‘Je kunt robots 24/7 die moleculen laten maken. De menselijke expert heeft vervolgens tijd voor complexere vraagstukken. Dat alles bij elkaar leidt tot een enorme versnelling.’
De resultaten zijn al zichtbaar, zegt Van Westen: ‘Bij geen enkel medicijn dat nu in het goedkeuringsproces zit, speelt AI géén rol. En die rol wordt alleen maar groter.’ Niet alleen zal de industrie minder tijd en geld kwijt zijn aan medicijnen die uiteindelijk afvallen, er komen ook medicijnen voor zeer complexe ziektebeelden zoals alzheimer of taaislijmziekte, aldus Van Westen. ‘We zitten in een tijd van grote doorbraken.’
Wie weleens een brief van zijn grootouders onder ogen heeft gehad, zal het probleem misschien herkennen: wat stáát hier in vredesnaam? Bij middeleeuwse teksten is het nog veel lastiger om teksten te ontcijferen, laat staan bij geschriften die nog ouder zijn. Omdat het handschrift onleesbaar is, maar ook omdat het materiaal waarop het is geschreven na vele eeuwen is versleten.
Ook bij paleografie (het ontcijferen, lezen, dateren en plaatsen van oude teksten en documenten) heeft AI haar intrede gedaan. Verrassend lang geleden eigenlijk al. In 2014 kreeg de Rijksuniversiteit Groningen een Europese subsidie van 1,5 miljoen euro voor onderzoek naar de Dode Zeerollen.
Deze verzameling oude Joodse handschriften en fragmenten werd na de Tweede Wereldoorlog gevonden in grotten bij Qumran. Inderdaad: vlak bij de Dode Zee in Israël. Ze bevatten onder meer teksten uit de Hebreeuwse Bijbel en andere Joodse geschriften en dateren grofweg uit de laatste eeuwen vóór en de eerste eeuw na het begin van onze jaartelling.
Die subsidie van twaalf jaar geleden was een startpunt voor het gebruik van AI bij paleografie, zegt historicus Jona Lendering, die niet betrokken is bij dit onderzoek. Voorheen leunde deze wetenschap sterk op wat hij ‘fingerspitzengefühl’ noemt: een soort intuïtie van experts bij het vergelijken van handschriften die erg op elkaar lijken.
Deze kennis wordt met AI inzichtelijker en robuuster: ‘Onderzoekers kunnen sneller en nauwkeuriger op basis van een waarschijnlijkheidsscore vaststellen of bijvoorbeeld twee handschriften van een en dezelfde persoon zijn of juist niet.’
Uiteindelijk leidt dit soort kennis ook tot een beter historisch begrip, zegt Lendering. Daarnaast kan AI helpen bij het dateren van teksten. Door een neuraal netwerk te voeden met teksten die met hulp van een koolstofdatering al gedateerd zijn, leert dit systeem vervolgens de subtiele veranderingen van een schrift te doorgronden en andere (nog ongedateerde) teksten te dateren zónder chemische analyse. Nog meer toepassingen met AI: het opvullen van leemtes bij teksten waarvan een deel is weggevallen of het vaststellen wie een tekst heeft geschreven.
Gespecialiseerde AI-programma’s met namen als Ithaca en (recenter) Aeneas combineren al dit soort mogelijkheden en kunnen wetenschappers helpen bij hun onderzoek.
De tijd van oogsten kan nu gaan beginnen, denkt Lendering. ‘De grote belofte is de snelle ontcijfering en vertaling van honderdduizenden kleitabletten met Babylonische teksten.’ Lendering geeft het nog vijf jaar. ‘De bottleneck is niet de techniek. Je hebt mensen nodig die goede vertalingen kunnen leveren waarmee dit systeem kan worden getraind. Die zijn schaars.’
Zo’n vijftig jaar lang bleef het onopgelost, Erdös-probleem nummer 728. Totdat een wiskundige begin dit jaar op voorpublicatiesite Arxiv plots een bewijs openbaarde. Hoewel boven dat vakartikel een menselijke auteur prijkt, kwam de oplossing van ChatGPT, versie 5.2 Pro om precies te zijn. Het taalmodel schreef ook mee aan het vakartikel.
Google kondigde in 2024 met luide trom aan dat hun AI het niveau evenaarde van deelnemers aan wiskunde-olympiades, internationale wedstrijden voor de beste leerlingen van middelbare scholen. De huidige modellen blijken al te kunnen meedraaien als universitaire wiskundigen. ‘Dit is geen gimmick’, schreef de bekende kosmoloog Brian Keating van de Universiteit van Californië – San Diego op LinkedIn. ‘AI is een grens overgegaan: van het helpen bij wiskunde naar het deelnemen eraan.’
Eerst een stapje terug. Toen de Hongaarse wiskundige Paul Erdös in 1996 overleed, had hij meer dan duizend problemen geformuleerd, verspreid over uiteenlopende takken van de wiskunde. ‘De vragen waren vaak heel simpel, maar de oplossingen moeilijk’, vertelde wiskundige Thomas Bloom in januari tegen populairwetenschappelijk weekblad New Scientist. AI heeft al meerdere van die problemen opgelost.
Wiskundige Sander Dahmen van de Vrije Universiteit Amsterdam benadrukt dat de Erdös-problemen laaghangend fruit zijn. ‘Als je mij zo’n probleem geeft, heb ik heus niet een-twee-drie het antwoord, áls ik het al vind’, zegt hij. ‘Dus dit is absoluut knap. Maar dat zo’n probleem na al die jaren nog niet is opgelost, komt doordat te weinig mensen de moeite hebben genomen om het te proberen.’
Wiskundige bewijzen worden door academici soms bevestigd via een tussenstap, door gebruik te maken van zogeheten bewijsassistenten. Dat zijn specialistische computerprogramma’s die het bewijs formaliseren en foutieve redeneringen blootleggen die een beschrijving in ‘gewone’ wiskundige taal nog kan verhullen.
Zulke assistenten bieden grote zekerheid dat je een probleem écht hebt opgelost, en dat maakt de wiskunde een aantrekkelijk vakgebied voor taalmodellen zoals ChatGPT of Claude. ‘Omdat je zeker weet wat werkt, kan AI zichzelf continu verbeteren.’
Om te zien hoever taalmodellen nu echt zijn, schotelden wiskundigen AI in februari tien wiskundeproblemen voor die de academici zelf tijdens hun onderzoek hadden opgelost, maar nog nergens hadden gepubliceerd. De taalmodellen losten er – zonder hulp van mensen – slechts twee op. Binnenkort volgt een tweede ronde, met nieuwe problemen.
Gegeven het tempo waarin AI zichzelf verbetert, is het goed denkbaar dat de machine de mens vanzelf bijhaalt of overtreft. Wellicht bereikt deze dan zelfs het punt waarop mensen de oplossingen niet langer kunnen volgen, speculeert Dahmen. ‘Deze technologie dwingt ons om na te denken over de menselijke maat in de wiskunde. Is een bewijs mooi omdat het onze nieuwsgierigheid bevredigt? En moet je dat bewijs daarvoor zelf kunnen volgen, of is het voldoende als je weet dat zo’n bewijs bestaat? Dat zijn gesprekken die sommige wiskundigen nu wel beginnen te voeren.’
‘Miljoenen nieuwe materialen ontdekt’, schreef Google DeepMind in november 2023 boven een ronkend persbericht over hun AI-tool GNoME. Onderzoekers van het bedrijf maakten dat jaar in het vakblad Nature melding van het bestaan van 2,2 miljoen nieuwe kristallen, ‘het equivalent van bijna achthonderd jaar aan nieuwe kennis’.
‘Een mijlpaal’, oordeelt materiaalkundige Kevin Rossi van de TU Delft zo’n drie jaar later nog altijd. ‘Dit artikel toonde aan dat AI de mogelijkheid heeft om vele nieuwe materialen te ontdekken.’
Het bleek het startschot van een tijdperk waarin AI-materialen steeds vaker in de vakliteratuur begonnen op te duiken. ‘AI-materialen kunnen je energierekening verlagen’, zo kopte de Universiteit van Texas in Austin bijvoorbeeld vorig jaar over vijftienhonderd materialen die aan de universiteit verbonden onderzoekers hadden ontworpen met behulp van AI. In het vakblad Nature presenteren zij zeven van die materialen, die efficiënter zouden kunnen afkoelen en opwarmen dan reeds bestaande alternatieven.
‘Een kleine, maar mooie stap’, oordeelt Rossi, zelf niet betrokken bij het onderzoek. De vraag blijft altijd, benadrukt hij, hoeveel van de materialen die AI vindt in de praktijk echt nuttig blijken. Toch is hij erg blij met het effect van kunstmatige intelligentie op zijn vakgebied. ‘In deze technologie schuilt potentieel een revolutie’, zegt hij. Rossi is zelfs zodanig enthousiast dat hij onlangs met collega’s een start-up begon die het gebruik van AI in zijn werkveld moet helpen faciliteren, een van meerdere bedrijfjes die onlangs door academici uit zijn vakgebied zijn begonnen.
Toch waarschuwt hij: de wetenschap kan niet zomaar blind varen op AI. Rossi wijst op een artikel dat in 2023 verscheen in Nature, waarin de auteurs beweren dat hun AI-laboratorium, dat beschikte over een robotarm die het labwerk kon uitvoeren, nieuwe materialen had ontworpen én had gefabriceerd. De auteurs moesten die claim begin van dit jaar intrekken: de materialen bleken toch niet nieuw.
Volgens Rossi illustreert dat voorval hoe belangrijk het is dat menselijke materiaalkundige experts betrokken blijven bij alle stappen van het proces. Net zoals je de feiten in teksten geschreven door Claude of ChatGPT altijd moet controleren op hallucinaties.
‘Je kunt straks een AI-lab hebben met een agent die gespecialiseerd is in het draaien van simulaties en eentje die gespecialiseerd is in het uitvoeren van het experiment’, zegt Rossi.
Met het ontwerp van nieuwe machines kan het onderzoek in de toekomst dan steeds verder worden geautomatiseerd, droomt hij. ‘Maar zelfs dan moet je altijd een menselijke expert hebben die de opzet en inhoud controleert, en die óók bewaakt dat de agenten niet plots iets gevaarlijks gaan doen in het lab.’
Miljardairs als Elon Musk, Sam Altman en Peter Thiel zetten met hun besluiten de wereldorde en de democratische rechtsstaat op scherp. In hun boek De techbro’s ontrafelen Volkskrant-journalisten George van Hal en Laurens Verhagen de politieke, economische en filosofische overtuigingen die Silicon Valley domineren.
Wat drijft deze mannen? Ontdek het op 9 juni tijdens de prikkelende live-podcastavond vol minicolleges, een publieksquiz en topsprekers. Kom je ook? Info en kaarten hier.
Alles over tech vindt u hier.
Geselecteerd door de redactie
Source: Volkskrant