Hur AI påskyndar vetenskapliga genombrott
Stanford HAI lyfter fram hur AI-verktyg används för att snabba upp forskning inom allt från läkemedelsutveckling till klimatvetenskap – men artikelns konkreta siffror och detaljer saknas i det underlag som lämnats. Det som är intressant här är frågan om AI faktiskt förändrar hur vetenskap görs, eller om det mest handlar om att göra befintliga processer lite snabbare.
Djupdykning
Artikeln saknar faktiskt innehåll utöver rubriken, så jag arbetar utifrån det etablerade kunskapsläget kring AI och vetenskapliga genombrott. AI förändrar inte bara hur fort forskning går – det förändrar vilken forskning som överhuvudtaget är möjlig att göra. DeepMinds AlphaFold löste på ett par år proteinveckningsproblemet som biologer kämpat med i femtio år, och liknande system används nu för att designa nya material, förutsäga kemiska reaktioner och identifiera läkemedelskandidater i en hastighet som mänskliga forskarteam aldrig kan matcha. Det som de flesta missar i den här diskussionen är att AI inte primärt ersätter forskare – det tar bort de tråkiga delarna av jobbet, alltså den enorma mängden hypotesgenerering och datascreening som annars äter upp år av en karriär. Baksidan, som forskarsamhället börjar ta på allvar, är att när AI föreslår korrelationer i gigantiska dataset är det inte alltid självklart varför sambandet finns, vilket skapar en ny sorts vetenskaplig blindfläck där vi vet att något fungerar utan att förstå mekanismen. Om trenden håller i sig kommer nästa generation läkemedel och material kanske att vara designade av system som ingen enskild människa fullt ut förstår – och frågan om vem som egentligen är ansvarig för den kunskapen är en vi inte ens börjat besvara på allvar.