De wetenschap is altijd vooruitgegaan door gegevens te analyseren, patronen te ontdekken en hypothesen te testen. Gedurende het grootste deel van de geschiedenis betekende dit dat mensen – briljante, onvermoeibare mensen – het zware werk deden. Tegenwoordig wordt AI de krachtigste onderzoeksassistent ooit uitgevonden, die in staat is gegevens te verwerken op een schaal die geen enkel team van wetenschappers ooit zou kunnen evenaren.
Vijftig jaar lang was een van de grootste onopgeloste problemen van de biologie het eiwitvouwingsprobleem: op basis van de aminozuursequentie van een eiwit, kun je de driedimensionale vorm ervan voorspellen.
Eiwitten vouwen zich in precieze vormen die hun functie bepalen – en verkeerd gevouwen eiwitten worden in verband gebracht met ziekten als de ziekte van Alzheimer, Parkinson en kanker. Het begrijpen van de vorm van een eiwit is van cruciaal belang voor het ontwerpen van medicijnen die ermee interageren. Maar het experimenteel bepalen van de structuur van een eiwit duurt maanden of jaren en kost honderdduizenden ponden.
In 2020 loste AlphaFold2 van DeepMind dit probleem op met een verbluffende nauwkeurigheid, waarbij de experimentele resultaten in de meeste gevallen overeenkwamen. In 2022 had het de structuur voorspeld van meer dan 200 miljoen eiwitten – vrijwel elk bekend eiwit in de biologie. De gehele database werd gratis vrijgegeven.
Onderzoekers over de hele wereld begonnen AlphaFold onmiddellijk te gebruiken om:
Het klimaat op aarde is een systeem van verbijsterende complexiteit. Oceaanstromingen, atmosferische chemie, ijskapdynamiek en menselijke emissies werken allemaal op een manier samen die enorme computermodellen vereist om te simuleren.
AI verbetert de klimaatwetenschap op verschillende belangrijke manieren:
Het GraphCast-model van Google DeepMind, uitgebracht in 2023, produceert weersvoorspellingen voor tien dagen nauwkeuriger dan de beste traditionele numerieke modellen – en doet dit in minder dan een minuut op een enkele computer, versus uren op een supercomputer.
Inloggen deelnemen aan de discussie
AI-systemen analyseren tientallen jaren aan satelliet-, oceaansensor- en atmosferische gegevens om:
De transitie naar hernieuwbare energie vereist het matchen van het variabele aanbod (als de wind waait, als de zon schijnt) en de vraag. AI voorspelt beide, waardoor netwerkbeheerders het systeem in evenwicht kunnen brengen en de behoefte aan vervuilende back-upcentrales kunnen verminderen.
Het ontwikkelen van een nieuw medicijn duurt doorgaans tien tot vijftien jaar en kost meer dan een miljard pond. De meeste kandidaat-geneesmiddelen falen. AI comprimeert deze tijdlijn dramatisch.
Traditionele medicijnontdekking omvat:
AI kan de stappen 1 tot en met 3 enorm versnellen:
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
Bedrijven als Insilico Medicine en Recursion Pharmaceuticals hebben AI gebruikt om binnen maanden in plaats van jaren nieuwe kandidaat-geneesmiddelen te identificeren. BenevolentAI gebruikte AI om baricitinib te identificeren als een potentiële COVID-19-behandeling – een medicijn dat al is goedgekeurd voor reumatoïde artritis – binnen enkele dagen na het begin van de pandemie.
Het universum genereert meer gegevens dan enig menselijk team ooit zou kunnen verwerken. AI is essentieel voor de moderne astronomie:
NASA's Kepler-telescoop observeerde 150.000 sterren op zoek naar de kleine verduistering die aangeeft dat er een planeet voorlangs passeert. Een Google AI-systeem dat was getraind op bevestigde planeetwaarnemingen doorzocht de gegevens en ontdekte twee nieuwe exoplaneten die menselijke recensenten hadden gemist – waaronder de achtste planeet in het Kepler-90-systeem, waardoor het de eerste bekende ster was met evenveel planeten als ons eigen zonnestelsel.
De beroemde afbeelding uit 2019 van het zwarte gat in sterrenstelsel M87 – de eerste ooit gemaakt – werd mogelijk gemaakt door een AI-algoritme ontwikkeld door Katie Bouman, dat gegevens van acht telescopen verspreid over de planeet samenvoegde tot een samenhangend beeld.
NASA's Perseverance rover maakt gebruik van AI-aangedreven autonome navigatie om zijn eigen routes over het oppervlak van Mars te plannen, waarbij gevaren worden vermeden zonder 20 minuten te wachten totdat radiosignalen de aarde bereiken. Zijn begeleidende helikopter Ingenuity maakt gebruik van realtime AI om stabiel te blijven in de ijle atmosfeer van Mars.
Het vinden van nieuwe materialen – betere batterijen, sterkere legeringen, efficiëntere zonnecellen – is van oudsher een moeizaam proces van vallen en opstaan. AI brengt daar verandering in.
Het Materials Project heeft AI gebruikt om de eigenschappen van meer dan 140.000 materialen computationeel te modelleren, waarbij hun stabiliteit, geleidbaarheid en andere kenmerken worden voorspeld voordat iemand ze in een laboratorium bouwt. Onderzoekers kunnen de database doorzoeken om materialen te vinden met de exacte eigenschappen die ze nodig hebben.
Het FunSearch-systeem van Microsoft gebruikt AI om nieuwe wiskundige structuren en algoritmen te ontdekken – wat aantoont dat AI zelfs pure wiskunde vooruit kan helpen.
De rode draad door al deze doorbraken is dezelfde: AI kan patronen in gegevens vinden op schalen die eenvoudigweg onmogelijk zijn voor menselijke onderzoekers.
Overweeg:
Mensen zijn buitengewone patroonherkenners – maar alleen binnen de grenzen van wat we in ons hoofd kunnen houden. AI kent zo'n limiet niet. Het kan de uitkomsten van al het gepubliceerde neurowetenschappelijk onderzoek verwerken en verbanden leggen tussen artikelen die tientallen jaren na elkaar zijn geschreven, die geen enkele individuele onderzoeker ooit zou opmerken.
Dit betekent niet dat AI wetenschappers vervangt. Wetenschappers stellen nog steeds de vragen, ontwerpen de experimenten, interpreteren de resultaten en beslissen wat belangrijk is. AI is het krachtigste instrument dat ooit aan de wetenschappelijke toolkit is toegevoegd.
Wat was de belangrijkste prestatie van DeepMind's AlphaFold2?