In overeenstemming met algemene trends het integreren van kunstmatige intelligentie in bijna elk vakgebiedonderzoekers en politici maken er steeds meer gebruik van AI modellen die zijn getraind op basis van wetenschappelijke gegevens om antwoorden op wetenschappelijke vragen af te leiden. Maar kan AI wetenschappers vervangen?
De regering-Trump ondertekende op 24 november 2025 een uitvoeringsbevel waarin zij dit aankondigde Genesis-missieeen initiatief om een serie te bouwen en te trainen AI-agent over federale wetenschappelijke datasets “om nieuwe hypothesen te testen, onderzoeksworkflows te automatiseren en wetenschappelijke doorbraken te versnellen.”
Tot nu toe worden de prestaties geprezen AI-wetenschappers hebben gemengde meningen. Aan de ene kant kunnen AI-systemen zeer grote datasets verwerken en subtiele correlaties detecteren die mensen niet kunnen detecteren. Aan de andere kant kan een gebrek aan goede redenering resulteren in 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 lukken. Als filosoof die de geschiedenis en de conceptuele grondslagen van de wetenschap bestudeert, zie ik enkele 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 ‘vertelt’ 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 dataset die wordt gebruikt om de algoritmen te trainen en te testen – zouden door AI gefaciliteerde doorbraken niet mogelijk zijn.
Denk eens aan het AI-model van AlphaFold. De ontwikkelaar kreeg de prijs Nobelprijs voor de Scheikunde 2024 voor het vermogen van het model om de eiwitstructuur in menselijke cellen af te leiden. Omdat zoveel biologische functies afhankelijk zijn van eiwitten, heeft het vermogen om snel eiwitstructuren te genereren voor testen door middel van simulatie het potentieel om het ontwerp van geneesmiddelen te versnellen, te volgen hoe ziekten zich ontwikkelen en andere gebieden van biomedisch onderzoek vooruit te helpen.
Hoewel praktisch, bieden AI-systemen zoals AlphaFold geen nieuwe kennis over eiwitten, ziekten of effectievere medicijnen. Dit maakt het simpelweg mogelijk om bestaande informatie efficiënter te analyseren.
AlphaFold maakt gebruik van een grote database met bestaande eiwitstructuren.
Zoals filosoof Emily Sullivan zei: om succesvol te zijn als wetenschappelijk instrument, moet een AI-model werken sterke empirische relaties onderhouden op gevestigde kennis. Dit betekent dat de voorspellingen van het model gebaseerd moeten zijn op wat onderzoekers al weten over de natuur. De sterkte van deze relatie hangt af van hoeveel kennis er al beschikbaar is over een bepaald onderwerp en hoe goed de modelprogrammeur zeer technische wetenschappelijke concepten en logische principes in code vertaalt.
AlphaFold zou zonder dit succes niet succesvol zijn het geheel van door de mens gegenereerde kennis over de eiwitstructuur die ontwikkelaars gebruiken om het model te trainen. En zonder menselijke wetenschappers die een fundament van theoretische en methodologische kennis zouden verschaffen, zou geen van de creaties van AlphaFold tot wetenschappelijke vooruitgang kunnen leiden.
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 correct worden ontworpen en gekoppeld aan bestaande wetenschappelijke kennis. In zekere zin ontleent wetenschap als creatieve prestatie haar legitimiteit aan menselijke capaciteiten, waarden en levenswijzen. Dit is op zijn beurt gebaseerd op de unieke manier waarop mensen denken, voelen en handelen.
Wetenschappelijke ontdekkingen zijn meer dan alleen maar door bewijsmateriaal ondersteunde theorieën: wetenschappelijke ontdekkingen zijn wetenschappelijke ontdekkingen het product van generaties wetenschappers met uiteenlopende interesses en perspectieven, die samenwerken via een gedeelde toewijding aan hun vak en intellectuele eerlijkheid. Wetenschappelijke ontdekkingen zijn nooit het product van een visionair genie.
Bijvoorbeeld toen onderzoekers voor het eerst een voorstel deden dubbele helix DNA-structuurgeen enkele empirische test kan deze hypothese verifiëren; deze is gebaseerd op de redeneervaardigheden van hoogopgeleide experts. Het duurde bijna een eeuw van technologische vooruitgang en verschillende generaties wetenschappers om van wat aan het einde van de 19e eeuw pure speculatie leek, te komen tot een ontdekking waarvoor in 1953 de Nobelprijs werd gewonnen.
Met andere woorden: wetenschap is een vooral sociaal ondernemerschapwaar ideeën worden besproken, interpretaties worden geboden en meningsverschillen niet altijd worden overwonnen. Zoals andere wetenschapsfilosofen hebben gezegd, doen wetenschappers dat ook meer een stam vergeleken met “passieve ontvanger” van wetenschappelijke informatie. Onderzoekers vergaren geen wetenschappelijke kennis door ‘feiten’ vast te leggen – zij creëren wetenschappelijke kennis door vakkundige praktijk, debat en overeengekomen normen gebaseerd op sociale en politieke waarden.
AI is geen wetenschapper
Ik geloof dat de rekenkracht van AI-systemen kan worden gebruikt om de wetenschappelijke vooruitgang te versnellen, maar alleen als dit zorgvuldig wordt gedaan.
Met de actieve deelname van de wetenschappelijke gemeenschap bleken ambitieuze projecten zoals de Genesis Mission nuttig voor wetenschappers. Goed ontworpen en rigoureus getrainde AI-tools zullen de mechanische delen van wetenschappelijk onderzoek soepeler en misschien zelfs sneller maken. Deze tools verzamelen informatie 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 ultieme visie op het toepassen van AI-modellen in de wetenschap het vervangen van menselijke wetenschappers of het volledig automatiseren van wetenschappelijke processen is, geloof ik dat dit project de wetenschap alleen maar tot een karikatuur van zichzelf zal maken. Het bestaan van wetenschap als bron van gezaghebbende kennis over de natuur is fundamenteel afhankelijk van het menselijk leven: gedeelde doelen, ervaringen en ambities.
Alessandra Buccella is assistent-professor filosofie bij Universiteit van Albany, Staatsuniversiteit van New York.
Dit artikel is opnieuw gepubliceerd van Gesprek onder een Creative Commons-licentie. Lezen origineel artikel.
