Van trial-and-error naar trial-and-algorithm
Soms verschijnt er een nieuwsbericht dat op het eerste gezicht vooral technisch nieuws lijkt, maar bij nader inzien veel meer vertelt over de richting waarin onze samenleving zich ontwikkelt.
Het recente bericht dat onderzoekers voor het eerst een vaccin hebben ontwikkeld met behulp van kunstmatige intelligentie is zo’n moment. De aandacht gaat begrijpelijkerwijs uit naar de medische doorbraak zelf, maar minstens zo interessant is wat dit zegt over de veranderende rol van AI binnen wetenschap en innovatie.
Volgens berichtgeving van NU.nl is het onderzoekers gelukt om AI in te zetten bij het ontwerpen van een nieuw vaccin. Daarmee lijkt een volgende stap gezet in een ontwikkeling die al enige jaren zichtbaar is binnen farmacie, biotechnologie en medische wetenschap. Waar computers vroeger vooral werden gebruikt om berekeningen uit te voeren, zien we nu dat AI steeds vaker een actieve rol krijgt bij het ontdekken van nieuwe mogelijkheden en het identificeren van kansrijke onderzoeksrichtingen.
Bron: NU.nl – Voor het eerst vaccin ontwikkeld met kunstmatige intelligentie
Eeuwen van trial-and-error
De geschiedenis van de wetenschap is in belangrijke mate een geschiedenis van trial-and-error. Onderzoekers formuleren hypotheses, voeren experimenten uit, analyseren resultaten en stellen vervolgens hun theorieën bij. Soms leidt dat snel tot een doorbraak, maar vaak zijn tientallen of zelfs honderden mislukte pogingen nodig voordat een oplossing wordt gevonden.
Deze werkwijze heeft ons enorme vooruitgang gebracht. Van antibiotica tot vaccins, van de stoommachine tot het internet; vrijwel iedere belangrijke innovatie is voortgekomen uit een proces van proberen, falen, leren en opnieuw proberen. Hoewel computers gedurende de afgelopen decennia steeds belangrijker zijn geworden binnen onderzoek, bleef de mens daarbij altijd degene die de richting bepaalde. De onderzoeker stelde de vraag, ontwierp het experiment en interpreteerde de uitkomsten.
Dat uitgangspunt begint langzaam te veranderen.
De opkomst van trial-and-algorithm
Moderne AI-systemen zijn niet alleen sneller dan mensen in het verwerken van grote hoeveelheden informatie, maar blijken ook steeds beter in staat om patronen te herkennen die voor menselijke onderzoekers nauwelijks zichtbaar zijn. In de wereld van vaccinontwikkeling betekent dit dat miljoenen mogelijke combinaties van eiwitten, moleculen en genetische kenmerken kunnen worden onderzocht voordat een onderzoeker überhaupt een laboratorium binnenstapt.
Daardoor ontstaat een nieuwe vorm van wetenschappelijk werken die misschien wel kan worden omschreven als trial-and-algorithm. Het algoritme onderzoekt eerst een gigantische hoeveelheid mogelijkheden en presenteert vervolgens een selectie van veelbelovende kandidaten aan menselijke onderzoekers. Pas daarna begint het traditionele wetenschappelijke proces van testen, valideren en verifiëren.
Dat lijkt misschien een subtiele verschuiving, maar in werkelijkheid verandert hierdoor de rolverdeling tussen mens en technologie fundamenteel. De computer ondersteunt niet langer uitsluitend het onderzoek; de computer draagt steeds vaker actief nieuwe onderzoeksrichtingen aan.
Van hulpmiddel naar mede-onderzoeker
Veel discussies over AI gaan momenteel over productiviteit. We gebruiken AI om teksten te schrijven, softwarecode te genereren, rapportages samen te vatten of analyses uit te voeren. In vrijwel al deze gevallen fungeert AI als een geavanceerd hulpmiddel.
Binnen de wetenschap zien we echter iets anders ontstaan. Daar ontwikkelt AI zich geleidelijk van hulpmiddel naar mede-onderzoeker. Uiteraard niet omdat AI begrijpt wat zij doet of zelfstandig wetenschappelijke theorieën formuleert, maar omdat zij patronen kan identificeren die onderzoekers vervolgens verder kunnen onderzoeken.
Dat betekent dat een deel van het ontdekkingsproces steeds vaker ontstaat uit een samenwerking tussen menselijke nieuwsgierigheid en algoritmische patroonherkenning. Misschien zullen historici over enkele decennia terugkijken op deze periode als het moment waarop wetenschap een nieuwe fase inging.
Het succes creëert ook nieuwe vragen
Zoals zo vaak bij technologische vooruitgang ontstaat tegelijkertijd een nieuwe uitdaging. Hoe beter AI wordt in het vinden van complexe patronen, hoe moeilijker het soms wordt om volledig te begrijpen waarom een bepaalde uitkomst naar voren komt.
Dat vraagstuk kennen we inmiddels uit andere sectoren. Banken gebruiken AI voor kredietbeoordelingen. Verzekeraars gebruiken AI voor risicomodellen. Luchtvaartmaatschappijen gebruiken AI voor prijsoptimalisatie.
In al deze situaties ontstaat vroeg of laat dezelfde vraag: kunnen we nog uitleggen waarom het systeem tot een bepaalde conclusie kwam? Binnen de medische wetenschap wordt die vraag nog belangrijker. Wanneer een AI-systeem een kandidaat-vaccin aanwijst dat uiteindelijk succesvol blijkt te zijn, willen wetenschappers, toezichthouders en patiënten niet alleen weten dát het werkt, maar ook waarom het werkt.
Vertrouwen ontstaat immers niet uitsluitend door goede resultaten, maar ook door transparantie over de weg die tot die resultaten heeft geleid.
Een nieuwe rol voor controle en assurance
Juist hier ontstaat een interessante parallel met ontwikkelingen die wij binnen accountancy, auditing en data-analyse al langer zien. Naarmate algoritmen een grotere rol krijgen in besluitvorming, groeit ook de behoefte aan onafhankelijke validatie, reproduceerbaarheid en controleerbaarheid.
De vraag verschuift van “werkt het model?” naar “kunnen we aantonen hoe het model tot deze conclusie is gekomen?”
Misschien ontstaat daardoor in de toekomst zelfs een nieuw vakgebied waarin wetenschappers, auditors en dataspecialisten samenwerken om AI-gedreven onderzoeksresultaten te beoordelen. Niet omdat men AI wantrouwt, maar juist omdat de maatschappelijke impact van deze systemen zo groot wordt dat transparantie en verantwoording essentieel zijn.
Human Intelligence blijft onmisbaar
Het nieuws over een AI-ontwikkeld vaccin gaat daarom uiteindelijk over veel meer dan vaccinontwikkeling alleen. Het laat zien dat we langzaam opschuiven van een wereld waarin computers uitsluitend hulpmiddelen zijn naar een wereld waarin algoritmen actief bijdragen aan het ontdekken van nieuwe kennis.
Dat biedt enorme kansen voor gezondheidszorg, energie, materiaaltechnologie, klimaatonderzoek en tal van andere vakgebieden. Tegelijkertijd maakt deze ontwikkeling duidelijk dat de behoefte aan menselijk oordeel niet kleiner wordt, maar juist groter. Iemand moet immers blijven bepalen welke conclusies logisch zijn, welke risico’s acceptabel zijn en welke ontdekkingen voldoende betrouwbaar zijn om op voort te bouwen.
Misschien markeert dit nieuws wel het begin van een tijdperk waarin trial-and-error geleidelijk wordt aangevuld met trial-and-algorithm. Een tijdperk waarin kunstmatige intelligentie helpt bij het ontdekken van nieuwe mogelijkheden, maar waarin Human Intelligence uiteindelijk verantwoordelijk blijft voor het begrijpen, beoordelen en toepassen van die ontdekkingen.
En misschien is dat wel de belangrijkste les van deze doorbraak: niet dat AI steeds slimmer wordt, maar dat de combinatie van menselijke en kunstmatige intelligentie steeds krachtiger blijkt dan beide afzonderlijk.