Die Wissenschaft hat sich immer weiterentwickelt, indem sie Daten analysiert, Muster erkennt und Hypothesen überprüft. Für den größten Teil der Geschichte bedeutete das, dass Menschen – brillante, unermüdliche Menschen – die schwere Arbeit erledigten. Heute entwickelt sich die KI zum leistungsstärksten Forschungsassistenten, der jemals erfunden wurde, und ist in der Lage, Daten in Größenordnungen zu verarbeiten, die kein Wissenschaftlerteam jemals erreichen könnte.
Eines der größten ungelösten Probleme der Biologie war 50 Jahre lang das Problem der Proteinfaltung: Man muss anhand der Aminosäuresequenz eines Proteins seine dreidimensionale Form vorhersagen.
Proteine falten sich in präzise Formen, die ihre Funktion bestimmen – und fehlgefaltete Proteine werden mit Krankheiten wie Alzheimer, Parkinson und Krebs in Verbindung gebracht. Das Verständnis der Form eines Proteins ist entscheidend für die Entwicklung von Arzneimitteln, die mit ihm interagieren. Aber die experimentelle Bestimmung der Struktur eines Proteins dauert Monate oder Jahre und kostet Hunderttausende Pfund.
Im Jahr 2020 löste AlphaFold2 von DeepMind dieses Problem mit erstaunlicher Genauigkeit und entsprach in den meisten Fällen experimentellen Ergebnissen. Bis 2022 hatte es die Strukturen von über 200 Millionen Proteinen vorhergesagt – praktisch jedem bekannten Protein in der Biologie. Die gesamte Datenbank wurde kostenlos freigegeben.
Forscher auf der ganzen Welt begannen sofort, AlphaFold zu nutzen, um:
Das Erdklima ist ein System von überwältigender Komplexität. Meeresströmungen, Atmosphärenchemie, Eisschilddynamik und menschliche Emissionen interagieren alle auf eine Art und Weise, für deren Simulation enorme Rechenmodelle erforderlich sind.
KI verbessert die Klimawissenschaft in mehrfacher Hinsicht:
Das 2023 veröffentlichte GraphCast-Modell von Google DeepMind erstellt 10-Tage-Wettervorhersagen genauer als die besten herkömmlichen numerischen Modelle – und das auf einem einzelnen Computer in weniger als einer Minute, auf einem Supercomputer in Stunden.
Anmelden an der Diskussion teilnehmen
KI-Systeme analysieren jahrzehntelange Satelliten-, Meeressensor- und Atmosphärendaten, um:
Der Übergang zu erneuerbaren Energien erfordert die Anpassung des schwankenden Angebots (wenn der Wind weht, wenn die Sonne scheint) an die Nachfrage. KI prognostiziert beides und hilft Netzbetreibern, das System auszugleichen und den Bedarf an umweltschädlichen Notstromkraftwerken zu reduzieren.
Die Entwicklung eines neuen Medikaments dauert in der Regel 10–15 Jahre und kostet über eine Milliarde Pfund. Die meisten Medikamentenkandidaten scheitern. KI komprimiert diese Zeitachse dramatisch.
Die traditionelle Arzneimittelforschung umfasst:
KI kann die Schritte 1–3 enorm beschleunigen:
Traditional screening: test 1 million compounds in a lab over months
AI-assisted screening: score 100 million virtual compounds in hours
→ shortlist the top 100 for lab testing
Unternehmen wie Insilico Medicine und Recursion Pharmaceuticals haben KI eingesetzt, um neuartige Medikamentenkandidaten innerhalb von Monaten statt Jahren zu identifizieren. BenevolentAI nutzte KI, um Baricitinib als potenzielle COVID-19-Behandlung – ein Medikament, das bereits für rheumatoide Arthritis zugelassen ist – innerhalb weniger Tage nach Beginn der Pandemie zu identifizieren.
Das Universum erzeugt mehr Daten, als jedes menschliche Team jemals verarbeiten könnte. KI ist für die moderne Astronomie unverzichtbar:
Das Kepler-Teleskop der NASA beobachtete 150.000 Sterne auf der Suche nach der winzigen Verdunkelung, die auf einen vorbeiziehenden Planeten hindeutet. Ein auf bestätigte Planetensichtungen trainiertes Google-KI-System durchforstete die Daten und entdeckte zwei neue Exoplaneten, die menschliche Gutachter übersehen hatten – darunter den achten Planeten im Kepler-90-System, was ihn zum ersten bekannten Stern mit so vielen Planeten wie unser eigenes Sonnensystem machte.
Das berühmte Bild des Schwarzen Lochs in der Galaxie M87 aus dem Jahr 2019 – das erste, das jemals aufgenommen wurde – wurde durch einen von Katie Bouman entwickelten KI-Algorithmus ermöglicht, der Daten von acht über den Planeten verteilten Teleskopen zu einem kohärenten Bild zusammenfasste.
Der Perseverance Rover der NASA nutzt KI-gestützte autonome Navigation, um seine eigenen Routen über die Marsoberfläche zu planen und Gefahren zu vermeiden, ohne 20 Minuten auf Funksignale warten zu müssen, die die Erde erreichen. Sein Begleithubschrauber Ingenuity nutzt Echtzeit-KI, um in der dünnen Marsatmosphäre stabil zu bleiben.
Die Suche nach neuen Materialien – bessere Batterien, stärkere Legierungen, effizientere Solarzellen – war traditionell ein mühsamer Versuch-und-Irrtum-Prozess. KI ändert das.
Das Materials Project hat mithilfe von KI die Eigenschaften von über 140.000 Materialien rechnerisch modelliert und ihre Stabilität, Leitfähigkeit und andere Eigenschaften vorhergesagt, bevor jemand sie in einem Labor herstellt. Forscher können die Datenbank abfragen, um Materialien mit genau den Eigenschaften zu finden, die sie benötigen.
Das FunSearch-System von Microsoft nutzt KI, um neue mathematische Strukturen und Algorithmen zu entdecken – und zeigt damit, dass KI sogar die reine Mathematik voranbringen kann.
Der rote Faden aller dieser Durchbrüche ist derselbe: KI kann Muster in Daten in Größenordnungen finden, die für menschliche Forscher einfach unmöglich sind.
Bedenken Sie:
Menschen sind außergewöhnliche Mustererkenner – allerdings nur im Rahmen dessen, was wir in unserem Kopf fassen können. KI kennt keine solche Grenze. Es kann die Ergebnisse aller veröffentlichten neurowissenschaftlichen Forschungsarbeiten verarbeiten und Verbindungen zwischen jahrzehntelang voneinander entfernten Arbeiten aufdecken, die keinem einzelnen Forscher jemals auffallen würden.
Das bedeutet nicht, dass KI Wissenschaftler ersetzt. Wissenschaftler stellen immer noch Fragen, entwerfen Experimente, interpretieren die Ergebnisse und entscheiden, worauf es ankommt. KI ist das leistungsstärkste Werkzeug, das jemals zum wissenschaftlichen Werkzeugkasten hinzugefügt wurde.
Was war die größte Errungenschaft von DeepMinds AlphaFold2?