De tijdlijn voor ontdekkingen veranderen door gebruik van Kunstmatige Intelligentie (AI)

Van handmatig onderzoek naar automatisering met AI

Voor een tijdperk vertrouwden wetenschappelijke doorbraken uitsluitend op het inzicht van briljante wetenschappers en niet op Kunstmatige Intelligentie (AI). Zij moesten hun hypothese handmatig ontwerpen en testen via aangepaste experimenten. Dit was meestal een pijnlijk traag proces, dat jaren duurde van de eerste ideeën tot de daadwerkelijke resultaten.

Recentelijk hebben hogere niveaus van automatisering geleid tot een vermindering van handmatig werk in fundamenteel onderzoek. Bijvoorbeeld, Next-Generation Sequencing (NGS) heeft genomsequencing mogelijk gemaakt in slechts een paar dagen en tegen lagere kosten, toen de eerste menselijk genomsequencing in 2003 $3 miljard kostte en een decennium duurde om te voltooien.

NGS Sequencer- Bron: Illumina

Automatisering heeft het mogelijk gemaakt de fysieke stappen in onderzoek op enorme schaal en tegen lagere kosten uit te voeren. Maar de intellectuele inspanning, bijvoorbeeld het analyseren van de data die uit genomsequencing voortkomt, bleef volledig afhankelijk van de menselijke hersenen en door computers ondersteunde wiskundige modellen. Dat was totdat AI een nieuwe spelbreker werd.

De menselijke hersenen assisteren

Hoe meer de wetenschap vorderde, hoe complexer de data werden. Het vinden van nieuw materiaal berust op een relatief eenvoudig proces, zoals het mengen van elementen die nog niet eerder samen zijn getest.

Maar geavanceerde materiaalkunde, bijvoorbeeld in batterijtechnologie of halfgeleiders, vereist manipulatie van componenten op nanometerschaal, en soms op het niveau van individuele atomen. Dit maakt de modellering en het begrip van het proces te complex voor de menselijke hersenen om alle beschikbare data volledig te doorgronden.

Zo kan het vinden van het juiste materiaal voor een nieuw batterijontwerp inhouden dat men moet kiezen uit 32 miljoen potentiële anorganische materialen. Dit was de taak van Vijay Murugesan, de groepsleider van de materiaalkunde bij PNNL (Pacific Northwest National Laboratory).

Voorheen waren onderbouwde gissingen, ruwe computermodellen en handmatig testen nodig om de mogelijkheden te beperken, wat jaren zou hebben gekost. In plaats daarvan heeft PNNL een samenwerking opgezet met Microsoft (MSFT ) om de expertise van de techgigant op het gebied van AI te benutten.

Meerdere AI’s chemie leren

Microsoft werkt al lange tijd aan dergelijke toepassingen via haar AI4Science‑programma. Bijvoorbeeld, haar generatieve AI MatterGen “maakt brede, eigenschap‑gebaseerde materiaalkunde mogelijk”.

Bron: Microsoft

In samenwerking met PNNL heeft Microsoft specifiek verschillende AI’s ontwikkeld om alle bruikbare elementen en hun combinaties te evalueren.

Er is ook een AI die zich richt op het vinden van stabiele materialen. Vervolgens een AI die moleculen evalueert op basis van hun reactiviteit. En een andere AI die het vermogen van moleculen om energie te geleiden beoordeelt.

Deze combinatie van AI is niet bedoeld om elke mogelijke oplossing voor een gegeven probleem te vinden. In plaats daarvan kijkt het naar de enorme hooiberg aan mogelijkheden (in de tientallen miljoenen) en probeert het te verkleinen tot een paar goede kandidaten.

Deze aanpak bracht 32 miljoen potentiële materialen terug tot 500.000 kandidaten, en vervolgens tot 800.

Het verschilt fundamenteel van een puur computergebaseerde wiskundige modelbenadering, die in plaats daarvan probeert de chemische eigenschappen van een materiaal met “brute force” te berekenen, vaak door het atoom voor atoom te simuleren. In plaats daarvan maakt de AI een onderbouwde “gissing” van wat zou moeten werken door analogieën te gebruiken, vrijwel op dezelfde manier als een mens. Alleen kon het team van AI’s 32 miljoen ideeën in minder dan 80 uur screenen.

Het reduceren van maanden of jaren werk tot enkele dagen of weken is een volledige revolutie in het tempo van wetenschappelijke vooruitgang.

Als dit breder wordt toegepast, zou dit het tempo van technologische vooruitgang in menselijke samenlevingen volledig kunnen veranderen.

Kostenbare hulpbronnen besparen

Zodra de lijst was teruggebracht tot slechts 800 kandidaten, konden onderzoekers de meer standaardmethode van High‑Performance Computing (HPC) inzetten. Hiermee konden alle mogelijke energietoestanden van de 800 kandidaten worden berekend. Vervolgens werd een combinatie van gespecialiseerde AI en HPC gebruikt om de bewegingen van elk atoom en elke molecule binnen elk materiaal te simuleren.

Door HPC alleen op enkele honderden kandidaten toe te passen, bespaarde PNNL veel tijd en geld, aangezien deze methode veel rekenkracht vereist. Hierdoor werd de kandidatenlijst teruggebracht tot slechts 150.

Vanaf daar verminderde een evaluatie van kosten, beschikbaarheid en andere praktische overwegingen de oorspronkelijke lijst van 32 miljoen kandidaten tot slechts 23. Interessant genoeg waren van die 23 er al 5 bekend, wat de relevantie van de methode aantoont, aangezien het deze 5 materialen onafhankelijk “herontdekte”.

Eerdere onderzoeksmethodologie zou sterk afhankelijk zijn geweest van dure en trage HPC. De AI‑methode verminderde HPC echter tot slechts 10 % van de totale rekentijd. Het feit dat de AI‑berekening cloud‑gebaseerd was, in plaats van gebruik te maken van kostbare en zeldzame supercomputer‑tijd van onderzoeksinstituten, droeg ook bij aan de efficiëntie.

De volgende stappen

De samenwerking tussen Microsoft en PNNL over batterijmateriaal was slechts het begin van een meerjaren samenwerkingsovereenkomst. Uiteindelijk is het idee om voldoende data te genereren zodat het weten met welk nieuw materiaal een nieuwe batterij te ontwerpen net zo eenvoudig wordt als het AI‑systeem ernaar te vragen.

“De visie waar we naartoe werken is generatieve materialen waarbij ik een lijst met nieuwe batterijverbindingen kan opvragen met de gewenste eigenschappen,” - Nathan Baker, Product Leader for Azure Quantum Elements.

Het is ook de moeite waard op te merken dat de huidige methode afhankelijk is van klassieke computing. Maar de AI‑programmering en -software van Microsoft zijn ontworpen om over te schakelen naar quantumcomputing zodra deze technologie voldoende volwassen is.

Dit zou ongekende rekenkracht bieden voor onderwerpen zoals chemische en biologische simulaties, waarbij de rekenkracht met enkele ordes van grootte (x100‑10.000) zou toenemen. We bevinden ons dus nog in een zeer vroeg stadium van AI die werkt aan het ontwerpen van nieuwe moleculen en materialen.

Toepassingsgebieden

Het eerste experiment richtte zich op batterijmaterialen. Maar veel andere velden zullen waarschijnlijk profiteren van dergelijke geavanceerde inzichten in chemie, evenals het toepassen van AI’s op andere wetenschappen, die allemaal al in Microsoft’s pijplijn staan:

• Halfgeleiders.
• Quantumcomputing & cryptografie.
• Visueel en audio
• Moleculaire biologie & genomica.
• Biotechnologie & farmaceutica in het algemeen.
• Hernieuwbare energie & klimaatverandering.
• Landbouw & Ecologie.
• Economie.
• Sociale wetenschappen.
• Theoretische wiskunde.

Elk van deze velden heeft onderzoek gezien dat worstelt met de enorme hoeveelheid data en de complexiteit van de vraagstukken. Net als bij het pilotproject over batterijen, zou elk kunnen profiteren van inzichten van AI’s.

AI-gedreven wetenschapsaandelen

1. Microsoft

MSFT Prijsgrafiek

Microsoft staat al bijna sinds het ontstaan in het middelpunt van de technologiesector met zijn nog steeds dominante besturingssysteem Windows. Het is nu ook een leider in bedrijfssoftware (Office365, Teams, LinkedIn, Skype, GitHub), gaming (Xbox en meerdere videogame‑studio‑acquisities) en in de cloud (Azure).

Recentelijk heeft het goede vooruitgang geboekt op het gebied van AI. Dit omvat enkele consumentgerichte AI’s zoals de Bing Image Creator en de steeds dieper wordende samenwerking met OpenAI. Het omvat ook meer zakelijke initiatieven, zoals Copilot voor Microsoft 365 en Microsoft Research. Copilot wordt nu ook uitgerold naar detailhandel en kleinere bedrijven.

Microsoft heeft de reputatie verworven een enterprise‑gerichte techgigant te zijn, in vergelijking met meer consumentgerichte bedrijven zoals bijvoorbeeld Apple (AAPL ) of Facebook. Nu AI steeds belangrijker wordt in bedrijfsmodellen, zou de bestaande aanwezigheid van Microsoft in cloud‑ en enterprise‑diensten het een voorsprong moeten geven bij het op grote schaal inzetten van AI en bij klantacquisities.

De samenwerking/quasi‑eigendom met AI‑ontwikkelingsleiders zoals OpenAI zal bovendien Microsoft’s positie als AI‑krachtpatser verstevigen.

2. NVIDIA

NVDA Prijsgrafiek

NVidia had aanvankelijk een dominante positie op de grafische kaart (GPU) markt, voornamelijk gebruikt voor high‑end gaming en 3D‑modellering. GPU’s kunnen berekeningen parallel uitvoeren en verschillen daarmee van processoren (CPU).

Het ontwerp van de hardware bleek zeer geschikt voor cryptocurrency‑mining (vooral Bitcoin), wat een sterke groeigolf voor het bedrijf veroorzaakte.

Nu blijkt dat het even krachtig is voor het trainen van AI’s, waardoor de hardware van Nvidia (NVDA ) de ruggengraat van de AI‑revolutie vormt.

NVidia ontwikkelt nu op maat gemaakte rekensystemen voor verschillende AI‑toepassingen, van zelfrijdende auto’s tot spraak‑ en conversatie‑AI’s, generatieve AI’s, of cybersecurity.

Het is waarschijnlijk dat Nvidia nog niet klaar is met het vinden van nieuwe toepassingsgevallen voor haar AI‑hardware, zoals blijkt uit Microsoft‑onderzoek met PNNL. Bijvoorbeeld, NVidia ontwikkelt nu een volledig scala aan oplossingen voor geneesmiddelenontdekking, evenals AI‑aangedreven medische apparaten en AI‑ondersteunde medische beeldvorming.

Bron: NVidia

Het is waarschijnlijk dat op de zeer lange termijn concurrenten van NVidia hun initiële voorsprong serieus zullen uitdagen. Maar voor de nabije toekomst, gezien de explosie in de vraag naar AI‑specifieke rekenkracht, zal NVidia de belangrijkste leverancier blijven van alle nieuwe AI‑trainingsdatacenters die worden gebouwd.

3. CrowdStrike

CRWD Prijsgrafiek

Hoe meer de wereld leunt op AI en digitalisering, hoe belangrijk verbonden cybersecurity wordt.

CrowdStrike (CRWD ) werd opgericht met een cloud‑first benadering van cybersecurity. Het aanbod van het bedrijf bestrijkt alle categorieën van cyberdreigingen, en onder haar klanten bevinden zich 15 van de 20 grootste Amerikaanse banken, 70 van de Fortune 100 bedrijven, en 556 van de Global 2000.

De groei van CrowdStrike wordt ondersteund door een snel uitbreidende totale adresseerbare markt (TAM), die naar verwachting de komende 2 jaar met 13 % CAGR zal groeien. Met extra aanbiedingen die nog in ontwikkeling zijn, verwacht het bedrijf haar TAM uit te breiden van de huidige $76 miljard naar $158 miljard tegen 2026.

Bron: CrowdStrike

Een andere groeifactor voor CrowdStrike is de uitbreiding van zaken met bestaande klanten. Wanneer een klant begint met ten minste één cybersecurity‑module, integreert hij meestal meer modules, waarbij 62 % van de klanten 5 of meer modules gebruikt en 23 % 7 of meer modules.

Deze dynamiek creëert een omgeving die CrowdStrike in staat stelt haar marges te laten groeien wanneer een relatie lang genoeg is ontwikkeld, met een indrukwekkende totale brutomarge van 78 % in 2023.

De overgang naar de cloud is nog steeds grotendeels gaande voor veel grote bedrijven. Dit creëert een grote kans voor een marktleider als CrowdStrike om hen te helpen hun cybersecurity‑strategie ook naar de cloud te verplaatsen.

Het bedrijf zou ook haar internationale zaken moeten zien groeien, aangezien nog drie kwart van de Global 2000 bedrijven nog niet in het CrowdStrike‑ecosysteem zijn opgenomen.

De cloud‑first benadering van CrowdStrike heeft het in staat gesteld snel marktaandeel te veroveren en wordt nu nagebootst door alle grote cybersecurity‑bedrijven. Investeerders zullen dus aandacht moeten besteden aan CrowdStrike’s vermogen haar voorsprong te behouden ondanks toenemende tegenaanvallen van de industrie.

4. Adobe

ADBE Prijsgrafiek

Op het eerste gezicht zou de opkomst van generatieve AI, vooral beeldgeneratie, een bedreiging kunnen vormen voor de eigenaar van belangrijke grafische software zoals Photoshop, InDesign, After Effects, Lightroom of Illustrator.

Dit zou vergeten dat Adobe (ADBE ) een pionier is in de software‑industrie, als een van de eersten die overstapte op een cloud‑gebaseerd abonnementsmodel, terwijl de industrie destijds softwareversies voor duizenden dollars verkocht.

Hetzelfde geldt voor AI, met Adobe Firefly. Deze AI‑beeldgeneratietool wordt nu naadloos geïntegreerd met de andere Adobe‑softwareprogramma’s, waardoor je beelden kunt genereren vanuit eenvoudige tekst, een rijk beeld kunt maken van een eenvoudig 3D‑model, of zelfs “generative fill” kunt toepassen om een bestaand beeld fotorealistisch uit te breiden.

Bron: Adobe

Met AI die de vaardigheidsdrempel verlaagt die nodig is om logo’s, tijdschriften of afbeeldingen te maken of te bewerken, zal het aanbod en de vraag naar originele content waarschijnlijk groeien.

Door verandering en AI te omarmen, zal Adobe waarschijnlijk haar positie behouden als toonaangevend softwarepakket voor alle visuele creatieve werken, en zelfs haar bereik verder uitbreiden.

5. Upstart

UPST Prijsgrafiek

Upstart (UPST ) is een kredietmarktplaats aangedreven door AI, gelanceerd lang voordat AI in 2023 een centraal onderwerp in de tech‑gesprekken werd.

Het proces van Upstart is grotendeels geautomatiseerd, waarbij 87 % van de toegekende leningen volledig via automatisering wordt beslist.

Het idee achter Upstart is dat het bestaande kredietscoresysteem inefficiënt en verouderd is. Met veel meer beschikbare data is het mogelijk leningsrisico’s beter te identificeren en daardoor goedkopere leningen aan een groot deel van de bevolking te bieden.

Dit betekent dat de methode van Upstart mensen met hoge FICO‑scores kan identificeren die in de praktijk een hoog risico op wanbetaling hebben. Omgekeerd zijn mensen met lage FICO‑scores minder geneigd om te defaulten.

Bron: Upstart

De totale adresseerbare markt is groot, met jaarlijks $4 triljoen afkomstig van persoonlijke, auto‑, huis‑ en kleine bedrijfsleningen.

Door stijgende rentetarieven en verminderde vraag naar leningen heeft Upstart in 2023, samen met de rest van de sector, een daling in omzet en verliezen ervaren.

Deze tijdelijke terugval in het leenvolume heeft de uitbreiding van het partnernetwerk van Upstart niet vertraagd, met nu 100 banken (opgelopen van 71 het jaar ervoor en slechts 10 bij de IPO in 2020) en 61 dealers (van 39 begin 2023).

Investeerders in Upstart moeten hopen dat het groeiende netwerk een duidelijk signaal is van de waarde van Upstart‑technologie en van het potentieel om een grote kredietverstrekker in de Amerikaanse markt te worden.

Voortdurende vooruitgang in AI‑berekeningen kan haar ook een voorsprong geven in een zeer competitieve kredietbeoordelingsmarkt.