Kan een AI-wetenschapper de toekomst van onderzoek zijn?

Sakana AI Labs heeft een schokgolf door de wetenschappelijke gemeenschap gestuurd met zijn nieuwste aankondiging. Het bedrijf heeft de creatie en lancering voltooid van ’s werelds eerste volledig autonome AI-wetenschapper. Het nieuwe algoritme is in staat theorieën te formuleren, te testen en meer. Hier is wat u moet weten.

When you think of AI systems replacing workers in the field, there are many careers you may envision being at risk. However, most people never expected scientists to be replaced. While the latest AI scientist algorithm put forth by Sakana isn’t capable of completely replacing scientists just yet, it does deliver some unique characteristics that could leave many professionals watching its development closely.

De huidige methode voor het creëren van wetenschappelijke theorieën

Het creëren van wetenschappelijke theorieën en het testen ervan is een van de kernonderdelen van onderzoek en ontwikkeling. De hedendaagse wetenschapper besteedt jaren aan het onderzoeken van vragen en het opzetten van experimenten om hun concepten via experimentatie te testen. Uiteindelijk worden de resultaten gepubliceerd en vervolgens peer‑reviewed voordat ze openbaar worden gemaakt. Dit proces is al meer dan een eeuw hetzelfde.

Volgens de openbare verklaringen van Sakan AI Labs is hun nieuwe AI‑systeem in staat deze taken volledig te automatiseren. Het systeem kan door huidige wetenschappelijke artikelen bladeren, theorieën of concepten verbinden die mogelijk nog onbekende resultaten opleveren, nieuwe algoritmen creëren om deze theorieën te testen en alle experimenten gedetailleerd vastleggen voor latere peer review. Opmerkelijk is dat het team zich richtte op computationeel onderzoek als hun primaire focus, omdat dit de experimenten virtueel kon laten plaatsvinden.

AI‑gebruik door wetenschappers

Het is geen geheim dat AI een comfortabele plek heeft gevonden binnen de wetenschappelijke gemeenschap. Deze technologie wordt geïntegreerd in verschillende systemen die onderzoekers vandaag de dag gebruiken. Oorspronkelijk werden AI‑systemen ingezet om complexe vergelijkingen en simulaties uit te voeren. Tegenwoordig wordt AI in de hele sector gebruikt, waar het nog belangrijkere rollen vervult.

Een belangrijk gebruik van AI vandaag is het doorzoeken van alle huidige artikelen om relevante onderzoeken te vinden. Honderden onderzoekspapers worden wekelijks gepubliceerd, en de enorme hoeveelheid van deze publicaties betekent dat de meerderheid van baanbrekend onderzoek jaren kan duren om te ontdekken. Tools zoals Elicit, Research Rabbit, Scite, en Consensus helpen wetenschappers deze papers op een relevante manier te verbinden om voort te bouwen op eerdere data.

Er zijn ook AI‑tools in gebruik die kunnen scannen en specifieke interessepunten binnen papers kunnen identificeren. Bijvoorbeeld, u kunt een team van ingenieurs hebben dat op zoek is naar genetische mutaties die ziektes veroorzaken. Tools zoals PubTator kunnen vergelijkbare thema’s verzamelen om licht te werpen op gerelateerde onderzoeksonderwerpen en experimenten.

AI‑wetenschapperstudie

Deze eerdere interacties met AI hebben de wetenschappelijke gemeenschap geholpen haar horizon te verbreden en waren cruciaal bij vele recente doorbraken. Echter, de introductie van een volledig geautomatiseerd algoritme dat kan onderzoeken en zijn papers kan publiceren, is een grote game‑changer. Dit systeem heeft het potentieel om overeenkomsten en andere moeilijk waarneembare verbindende factoren tussen studies te ontdekken die kunnen leiden tot doorbraken op het gebied van computationeel onderzoek.

Hoe werkt een AI‑wetenschapper?

De AI‑wetenschapper integreert enkele gangbare AI‑systemen zoals Large Language Models als onderdeel van zijn aanpak. Het systeem scant continu de enorme hoeveelheid wetenschappelijke onderzoekspapers die online beschikbaar zijn in repositories zoals arXiv en PubMed. Hier werden miljoenen wetenschappelijke onderzoekspapers gebruikt om de LLM te programmeren voor een nieuw AI‑algoritme. Deze stap zorgde ervoor dat het systeem de wetenschappelijke taal kon spreken en vergelijkbare resultaten kon produceren.

Bron – Sakana AI Labs

Vanaf daar zoekt het systeem naar patronen, terugkerend onderzoek of verbonden thema’s. Elk paper ondergaat talrijke controles om de kwaliteit, peer‑reviewed status, publicatietijd en onderwerp te waarborgen. Opmerkelijk is dat het systeem zelfs wetenschappelijke papers zal cross‑referencen via sites zoals openreview.net. Deze stap vervult meerdere rollen, waaronder het waarborgen van kwaliteitsinhoud. Bovendien helpt deze stap om het interne peer review‑systeem van de AI te programmeren.

Secundair AI‑model

Nadat de AI de repositories heeft gescand om interessante experimenten en theorieën om te testen te vinden, wordt elk paper vervolgens gescoord op basis van meerdere factoren. De score weerspiegelt zaken zoals de gelijkenis van het paper met andere projecten, professionaliteit, lay‑out, resultaten en onderzoekers. Vervolgens onderzoekt het AI‑systeem de uniciteit van het concept en andere cruciale factoren die helpen bepalen of er aanvullend onderzoek moet worden verkend of andere papers die aansluiten bij een vergelijkbare theorie.

Formuleren van wetenschappelijke theorieën

Deze stappen stellen de AI‑wetenschapper in staat onderzoek te verzamelen en verbonden concepten te presenteren die voortbouwen op de verzamelde data. Het verbazingwekkende aan dit proces is dat het volledig geautomatiseerd is. Geen menselijke interactie is vereist voor dit algoritme om onderzoekspapers te produceren. Opmerkelijk is dat de AI zich richt op computationeel onderzoek, waardoor het simulaties van experimenten kan uitvoeren zonder fysieke testvereisten, wat zijn mogelijkheden vergroot. Daardoor worden alle tests uitgevoerd met code‑simulaties. Deze aanpak betekent dat tests veel goedkoper zijn om uit te voeren en op een hoger tempo kunnen worden gedaan.

Zorgen over AI‑wetenschapper

Het concept van een AI‑wetenschapper heeft zorgen opgeroepen in de industrie. Ten eerste zien sommigen deze benadering als een luie manier om wetenschappers te vervangen. Ze beweren dat het systeem nog te nieuw is en AI niet consistent genoeg is. Hun argumenten hebben enige basis, aangezien er herhaaldelijk gevallen van AI‑onjuistheid zijn geweest. Echter, het nieuwste algoritme bevat veel controles en balansen, die zullen helpen deze problemen in de toekomst te verminderen.

AI‑feedbacklus

Een van de grootste zorgen die steeds weer opduikt binnen de gemeenschap is het risico van het creëren van een AI‑feedbacklus. Dit risico is zeer reëel wanneer een AI‑systeem automatisch nieuwe datamodellen creëert, controleert en bouwt, allemaal afkomstig van andere AI‑systemen. Deze lus kan leiden tot fouten, tunnelvisie en een negeren van menselijke vereisten. Om deze situatie te vermijden, geloven velen dat een mens in de lus nodig is.

Enorme hoeveelheid

Er worden wekelijks zoveel wetenschappelijke papers gepubliceerd dat het bijna onmogelijk is om door de repositories te bladeren om de meest relevante data te vinden. Momenteel speelt AI een cruciale rol in het helpen van wetenschappers bij deze taak. Echter, als er een AI‑feedbacklus ontstaat, zullen er te veel papers te snel worden geïntroduceerd, wat leidt tot een nullificatie van de huidige AI‑zoeksystemen.

Voordelen van AI‑wetenschapper

Verschillende voordelen hebben velen op de markt enthousiast gemaakt over het vooruitzicht van een AI‑wetenschapper die 24/7 op zoek is naar ontdekkingen. Het potentieel van dit systeem om nieuwe wetenschappelijke theorieën te ontsluiten is eindeloos. Naarmate meer onderzoek wordt toegevoegd aan het AI‑model, zal het systeem experimenteren met nieuwe concepten en zijn mogelijkheden uitbreiden. Daardoor zal de huidige AI‑wetenschapper niets zijn vergeleken met toekomstige iteraties.

Enorme kostenbesparingen

Een van de belangrijkste redenen waarom de AI‑wetenschapper een belangrijke component van de markt zal worden, is de enorme kostenbesparing. Volgens het onderzoeksteam kan hun AI een wetenschappelijk paper creëren, testen, publiceren en peer‑reviewen voor slechts $15. Deze lage kosten vertegenwoordigen een enorme daling in de kosten van onderzoek en ontwikkeling die niet te ontkennen is. Daardoor kunnen AI‑wetenschappers de voorkeursoptie worden voor degenen die hun budget willen maximaliseren.

Het grote geheel

Een van de belangrijkste redenen waarom dit project veel ingenieurs enthousiast maakt, is dat het onderzoekers in staat stelt gemakkelijk de verbanden tussen meerdere wetenschappelijke studies te leggen. Het kan vaak lijken alsof wetenschappelijke velden zich in een bubbel ontwikkelen. Dat is echter niet het geval. In de meeste gevallen leiden doorbraken in één wetenschappelijk veld tot nieuwe kansen in andere velden.

AI‑wetenschappers zullen helpen deze verbonden theorieën te ontdekken en waar mogelijk uit te breiden. Daardoor zou je de AI‑wetenschapper papers kunnen zien stapelen om volledig nieuwe en meer diverse concepten te creëren die aan de menselijke blik zijn ontsnapt. In elk geval zal dit systeem relevante onderzoeken groeperen, wat de hedendaagse wetenschappers helpt nieuwe fenomenen te zien.

Onderzoekers

Sakana AI is het team achter de AI‑wetenschapper. Het bedrijf staat bekend om zijn AI‑wetenschapsmodellen. Hun eerdere ontwikkelingen omvatten een systeem dat automatisch LLM’s combineert om meer geavanceerde systemen te creëren. Ze hebben ook een mechanisme geïntroduceerd dat het gebruik van LLM’s mogelijk maakt om andere algoritmen af te stemmen.

Twee bedrijven die kunnen profiteren van de AI‑wetenschapper

De introductie van een AI‑wetenschapper op de markt is slechts het begin van wat op een dag kan leiden tot een grote AI‑wetenschapperrevolutie. Er zijn al verschillende bedrijven die deze creatie kunnen benutten om hun operationele kosten te verlagen en een betere kwaliteit van dienstverlening aan de markt te bieden. Hier zijn twee bedrijven die klaarstaan om van dit onderzoek te profiteren.

1. AbCellera Biologics Inc

(ABCL )

Abcellera Biologics Inc. betrad de markt in 2012, met de bedoeling menselijke antilichamen beter te modelleren voor gebruik bij het bestrijden van ziektes. Het bedrijf ging officieel naar de beurs in 2020, waar het erin slaagde $555M aan financiering te verkrijgen om zijn inspanningen voort te zetten. Vandaag speelt het bedrijf een cruciale rol in onderzoek en modellering van het immuunsysteem. Opmerkelijk is dat een groot deel van deze modellering via simulaties gebeurt. Hierdoor is de AI‑wetenschapper bij uitstek geschikt om bij deze tests te assisteren.

Abcellera heeft een prominente positie in de biomedische sector. Hierdoor zou de integratie van de AI‑wetenschapper het bedrijf in staat kunnen stellen om immuunantilichaamdata uit eerder onderzoek beter te lokaliseren, testen en vergelijken. Deze stap zou kunnen helpen om eerder onopgemerkte kansen te onthullen. Deze factoren, gecombineerd met de positie van Abcellera Biologics, maken het een sterke “hold” voor handelaren.

2. Super Micro Computer

(SMCI )

Super Micro Computer werd opgericht in 1993 door Charles Liang en Sara Liu en zou positieve resultaten kunnen zien door AI‑wetenschappers in haar processen te integreren. Het bedrijf staat vooral bekend om zijn AI‑werkbelasting‑geoptimaliseerde high‑performance servers. Momenteel is het gevestigd in Californië en heeft het meerdere productievestigingen in Nederland, Taiwan en de VS.

Super Micro Computer is een van de toonaangevende aanbieders van service management systemen. Het gebruikt AI om hacks te voorkomen, systemen te monitoren en prestaties te verbeteren, wat het bedrijf tot een favoriete keuze maakt voor grote bedrijven die op zoek zijn naar betrouwbare en bewezen leveranciers. Opmerkelijk is dat Super Micro Computer werd opgenomen in Fortune Magazine’s World’s Fastest Growing IT Infrastructure Company.

Wie op zoek is naar een betrouwbare AI‑aangedreven softwareoplossing als aanvulling op hun portfolio, zou SMCI sterk moeten overwegen. Het bedrijf heeft een sterke marktpositie en heeft recentelijk een overeenkomst getekend om servers te leveren aan Elon Musk’s xAI en Tesla’s Gigafactory, die naar Texas is verhuisd. Al deze factoren hebben SMCI geholpen een “buy” rating van analisten te ontvangen.

AI‑wetenschapper ontsluit onderzoek tegen lage kosten

Ongeacht hoe u staat tegenover een AI‑wetenschapper die onderzoekspapers produceert als stripboeken, tal van voordelen maken dit algoritme tot een game‑changer. De enorme kostenbesparingen en toekomstige mogelijkheden van deze benadering hebben velen op de markt hoopvol gestemd op een betere toekomst waarin ontdekkingen dagelijks plaatsvinden terwijl de huidige wetenschappers slapen. Voor nu is deze ontwikkeling het waard om nauwlettend te volgen, aangezien het ongetwijfeld interessant onderzoek zal opleveren in de toekomst.

U kunt meer leren over spannende AI‑projecten hier.