In overeenstemming met de algemene trend van het integreren van kunstmatige intelligentie in bijna elk vakgebiedonderzoekers en politici maken er steeds meer gebruik van NAAR DE modellen die zijn getraind op basis van wetenschappelijke gegevens om antwoorden op wetenschappelijke vragen af te leiden. Maar kan kunstmatige intelligentie eindelijk wetenschappers vervangen?
De regering-Trump ondertekende op 24 november 2025 een uitvoeringsbevel, waarin dit werd aangekondigd de Genesis-missieeen initiatief om een serie te bouwen en op te leiden Agenten voor kunstmatige intelligentie op federale wetenschappelijke datasets “om nieuwe hypothesen te testen, onderzoeksworkflows te automatiseren en wetenschappelijke ontdekkingen te versnellen.”
Tot nu toe zijn de resultaten van deze zogenaamde AI-wetenschappers zijn gemengd. Aan de ene kant kunnen AI-systemen grote datasets verwerken en subtiele correlaties detecteren die mensen niet kunnen detecteren. Aan de andere kant kan hun gebrek aan gezond verstand leiden tot onrealistische of irrelevante experimentele aanbevelingen.
Hoewel AI kan helpen bij taken die deel uitmaken van het wetenschappelijke proces, is het nog lang niet in staat de wetenschap te automatiseren en zal dit wellicht ook nooit gebeuren. Als filosoof Voor degenen die zowel de geschiedenis als de conceptuele grondslagen van de wetenschap bestuderen, zie ik verschillende problemen met het idee dat AI-systemen ‘wetenschap kunnen doen’ zonder of zelfs beter dan mensen.
AI-modellen kunnen alleen leren van menselijke wetenschappers
AI-modellen leren niet rechtstreeks van de echte wereld: dat moet wel ‘vertellen’ hoe de wereld is door hun menselijke ontwerpers. Zonder menselijke wetenschappers die toezicht houden op de constructie van de digitale ‘wereld’ waarin het model opereert – dat wil zeggen, de datasets die worden gebruikt om de algoritmen te trainen en te testen – zouden de ontdekkingen die door AI worden gefaciliteerd niet mogelijk zijn.
Overweeg het AlphaFold AI-model. De ontwikkelaars ontvingen de onderscheiding Nobelprijs voor Scheikunde 2024 voor het vermogen van het model om de structuur van eiwitten in menselijke cellen af te leiden. Omdat veel biologische functies afhankelijk zijn van eiwitten, heeft het vermogen om snel eiwitstructuren te genereren voor testen via simulaties het potentieel om het ontwerp van geneesmiddelen te versnellen, te volgen hoe ziekten zich ontwikkelen en andere gebieden van biomedisch onderzoek vooruit te helpen.
Hoe praktisch het ook is, een AI-systeem als AlphaFold levert op zichzelf echter geen nieuwe inzichten op over eiwitten, ziekten of effectievere medicijnen. Het maakt het simpelweg mogelijk om bestaande informatie efficiënter te analyseren.
AlphaFold maakt gebruik van grote databases van bestaande eiwitstructuren.
Om als wetenschappelijke instrumenten te kunnen slagen, moeten AI-modellen, zoals filosoof Emily Sullivan heeft betoogd, noodzakelijk zijn een sterke empirische link behouden naar reeds geconsolideerde kennis. Dat wil zeggen dat voorspellingen die door een model worden gedaan, gebaseerd moeten zijn op wat onderzoekers al weten over de natuurlijke wereld. De kracht van deze link hangt af van hoeveel kennis er al beschikbaar is over een bepaald onderwerp en hoe goed de programmeurs van het model zeer technische wetenschappelijke concepten en logische principes in code vertalen.
AlphaFold zou niet succesvol zijn geweest zonder de bestaande hoeveelheid door de mens gegenereerde kennis over eiwitstructuren waarmee de ontwikkelaars het model hebben getraind. En zonder menselijke wetenschappers die een theoretische en methodologische kennisbasis bieden, zou niets dat AlphaFold creëert neerkomen op wetenschappelijke vooruitgang.
Wetenschap is een uniek menselijk streven
Maar de rol van menselijke wetenschappers in het proces van wetenschappelijke ontdekkingen en experimenten gaat verder dan het garanderen dat AI-modellen op de juiste manier worden ontworpen en verankerd in de bestaande wetenschappelijke kennis. In zekere zin ontleent wetenschap als creatieve prestatie haar legitimiteit aan menselijke capaciteiten, waarden en levenswijzen. Deze zijn op hun beurt geworteld in de unieke manier waarop mensen denken, voelen en handelen.
Wetenschappelijke ontdekkingen zijn meer dan alleen theorieën die door bewijsmateriaal worden ondersteund: zij zijn de product van generaties wetenschappers met een verscheidenheid aan interesses en perspectieven, die samenwerken via een gedeelde toewijding aan hun vak en intellectuele eerlijkheid. Wetenschappelijke ontdekkingen zijn nooit het product van één visionair genie.
Toen onderzoekers bijvoorbeeld voor het eerst de dubbele helixstructuur van DNAer waren geen empirische tests die deze hypothese konden verifiëren: deze was gebaseerd op de redeneervaardigheden van hooggekwalificeerde experts. Het duurde bijna een eeuw van technologische vooruitgang en verschillende generaties wetenschappers om van wat leek op pure speculatie aan het eind van de 19e eeuw te komen tot een ontdekking die in 1953 werd geëerd met een Nobelprijs.
Met andere woorden: wetenschap is een duidelijk een sociale ondernemingwaar ideeën worden besproken, interpretaties worden aangeboden en meningsverschillen niet altijd worden overwonnen. Zoals andere wetenschapsfilosofen hebben opgemerkt, zijn wetenschappers dat ook meer een stam Van “passieve ontvangers” van wetenschappelijke informatie. Onderzoekers verzamelen geen wetenschappelijke kennis door ‘feiten’ vast te leggen: zij creëren wetenschappelijke kennis door vakkundige praktijk, debat en overeengekomen normen die zijn gebaseerd op sociale en politieke waarden.
Kunstmatige intelligentie is geen wetenschapper
Ik geloof dat de rekenkracht van kunstmatige-intelligentiesystemen kan worden gebruikt om de wetenschappelijke vooruitgang te versnellen, maar alleen als dit met zorg wordt gedaan.
Met de actieve deelname van de wetenschappelijke gemeenschap zouden ambitieuze projecten zoals de Genesis Mission nuttig kunnen zijn voor wetenschappers. Goed ontworpen en rigoureus getrainde AI-tools zouden ervoor zorgen dat de meer mechanische delen van wetenschappelijk onderzoek soepeler en misschien zelfs sneller verlopen. Deze tools zouden informatie verzamelen over wat er in het verleden is gedaan, zodat ze gemakkelijker kunnen informeren over het ontwerpen van toekomstige experimenten, het verzamelen van metingen en het formuleren van theorieën.
Maar als de leidende visie voor het implementeren van AI-modellen in de wetenschap het vervangen van menselijke wetenschappers is of het volledig automatiseren van het wetenschappelijke proces, denk ik dat het project de wetenschap alleen maar tot een karikatuur van zichzelf zou maken. Het bestaan van wetenschap als bron van gezaghebbende kennis over de natuurlijke wereld hangt fundamenteel af van het menselijk leven: gedeelde doelen, ervaringen en ambities.
Alessandra Buccella is assistent-professor filosofie aan de universiteit Universiteit van Albany, Staatsuniversiteit van New York.
Dit artikel is opnieuw gepubliceerd van Het gesprek onder een Creative Commons-licentie. Lees de origineel artikel.
