KI kann auch das Suchnetz für Hypothesen weiter ausdehnen und das Netz schneller eingrenzen. Daher können KI-Tools dabei helfen, stärkere Hypothesen zu formulieren, beispielsweise Modelle, die vielversprechendere Kandidaten für neue Medikamente ausspucken. Wir sehen bereits, dass Simulationen um mehrere Größenordnungen schneller ablaufen als noch vor ein paar Jahren, sodass Wissenschaftler mehr Designoptionen in der Simulation ausprobieren können, bevor sie Experimente in der realen Welt durchführen.
Wissenschaftler am Caltech verwendeten beispielsweise ein KI-Flüssigkeitssimulationsmodell, um automatisch einen besseren Katheter zu entwerfen, der verhindert, dass Bakterien flussaufwärts schwimmen und Infektionen verursachen. Diese Art von Fähigkeit wird den schrittweisen Prozess der wissenschaftlichen Entdeckung grundlegend verändern und es Forschern ermöglichen, von Anfang an die optimale Lösung zu entwerfen, anstatt eine lange Reihe immer besserer Designs zu durchlaufen, wie wir es in den Jahren der Innovation bei Filamenten im Glühbirnendesign gesehen haben.
Im Schritt des Experimentierens wird die KI in der Lage sein, Experimente schneller, kostengünstiger und in größerem Maßstab durchzuführen. Wir können zum Beispiel KI-betriebene Maschinen mit Hunderten von Mikropipetten bauen, die Tag und Nacht laufen, um Proben mit einer Geschwindigkeit zu erzeugen, die kein Mensch erreichen könnte. Anstatt sich auf nur sechs Experimente zu beschränken, können Wissenschaftler mithilfe von KI-Tools tausend durchführen.
Wissenschaftler, die sich Sorgen um ihr nächstes Stipendium, ihre nächste Veröffentlichung oder ihr nächstes Anstellungsverfahren machen, sind nicht mehr an sichere Experimente mit den höchsten Erfolgsaussichten gebunden; Sie werden die Freiheit haben, mutigere und interdisziplinärere Hypothesen zu verfolgen. Bei der Bewertung neuer Moleküle tendieren Forscher beispielsweise dazu, sich an Kandidaten zu halten, deren Struktur denen bereits bekannter Moleküle ähnelt, KI-Modelle müssen jedoch nicht denselben Vorurteilen und Einschränkungen unterliegen.
Letztendlich wird ein Großteil der Wissenschaft in „selbstfahrenden Laboren“ durchgeführt – automatisierten Roboterplattformen kombiniert mit künstlicher Intelligenz. Hier können wir KI-Fähigkeiten aus dem digitalen Bereich in die physische Welt übertragen. Solche selbstfahrenden Labore entstehen bereits bei Unternehmen wie Emerald Cloud Lab und Artificial und sogar im Argonne National Laboratory.
Schließlich werden selbstfahrende Labore in der Phase der Analyse und Schlussfolgerung über die Automatisierung hinausgehen und, basierend auf den von ihnen erzielten experimentellen Ergebnissen, LLMs verwenden, um die Ergebnisse zu interpretieren und die Durchführung des nächsten Experiments zu empfehlen. Als Partner im Forschungsprozess könnte der KI-Laborassistent dann Nachschub bestellen, um die in früheren Experimenten verwendeten zu ersetzen, und die nächsten empfohlenen Experimente über Nacht einrichten und durchführen, wobei die Ergebnisse am Morgen vorliegen – und das alles, während der Experimentator zu Hause schläft .
Möglichkeiten und Grenzen
Junge Forscher könnten angesichts dieser Aussicht nervös auf ihren Plätzen hin und her rutschen. Glücklicherweise werden die neuen Jobs, die aus dieser Revolution hervorgehen, wahrscheinlich kreativer und weniger gedankenlos sein als die meisten aktuellen Laborarbeiten.
KI-Tools können die Eintrittsbarriere für neue Wissenschaftler senken und Chancen für diejenigen eröffnen, die traditionell von diesem Fachgebiet ausgeschlossen sind. Mit LLMs, die beim Erstellen von Codes behilflich sein können, müssen MINT-Studenten keine obskuren Programmiersprachen mehr beherrschen, was die Türen des Elfenbeinturms für neue, nicht-traditionelle Talente öffnet und es Wissenschaftlern erleichtert, sich mit Bereichen außerhalb ihres eigenen zu beschäftigen. Bald könnten speziell ausgebildete LLMs über das Angebot erster Entwürfe schriftlicher Arbeiten wie Förderanträge hinausgehen und so entwickelt werden, dass sie gemeinsam mit menschlichen Gutachtern „Peer“-Reviews neuer Arbeiten anbieten.