How AI could reboot science and revive long-term economic growth

Amerika, Sie haben laut und deutlich gesagt: Sie mögen keine KI.

A Umfrage des Pew Research Center Die im September veröffentlichte Studie ergab, dass 50 Prozent der Befragten mehr über KI besorgt als begeistert waren; nur 10 Prozent empfanden das Gegenteil. Die meisten Menschen, 57 Prozent, gaben an, dass die gesellschaftlichen Risiken hoch seien, während lediglich 25 Prozent der Meinung waren, dass der Nutzen hoch sei. In noch eine Umfragenur 2 Prozent – ​​2 Prozent! – der Befragten gaben an, dass sie der Fähigkeit der KI, faire und unvoreingenommene Entscheidungen zu treffen, voll und ganz vertrauen, während 60 Prozent ihr eher oder völlig misstrauten. Quer stehen die Entwicklung der KI und das Schreien von „Stopp!“ Ist schnell entstehend als eine der beliebtesten Positionen an beiden Enden des politischen Spektrums.

Abgesehen davon, dass die Amerikaner es tatsächlich sind mit KI die ganze Zeitdiese Ängste sind verständlich. Wir hören, dass KI ist unseren Strom stehlen, stehlen unsere Arbeitsplätze, stiehlt unsere Stimmungund wenn man den Warnungen prominenter Doomer Glauben schenkt, möglicherweise sogar unsere Zukunft stehlen. Wir sind überschwemmt mit KI-Slop – Jetzt mit Disney-Figuren! Selbst die optimistischsten Ansichten zur KI – kündigt eine Welt voller Spiel und ohne Arbeit an – können sich so übernatürlich utopisch anfühlen, dass sie auch ein wenig beängstigend sind.

Unsere widersprüchlichen Gefühle werden darin festgehalten Diagramm des Jahres von der Dallas Fed, die prognostiziert, wie sich KI in Zukunft auf die Wirtschaft auswirken könnte:

Rote Linie: KI Singularität und nahezu unendlich viel Geld. Lila Linie: KI-gesteuert völlige Ausrottung der Menschheit und, äh, null Geld.

Aber ich glaube, ein Grund dafür, dass wir KI so beunruhigend finden, liegt zum Teil darin, dass die beunruhigenden Einsatzmöglichkeiten – rund um Arbeit, Bildung, Beziehungen – die meiste Aufmerksamkeit erhalten, während pro-soziale Einsatzmöglichkeiten von KI, die tatsächlich zur Lösung großer Probleme beitragen könnten, eher unter dem Radar bleiben. Wenn ich die Meinung der Menschen über KI ändern und ihnen die gute Nachricht überbringen wollte, die diese Technologie bringen würde, würde ich mit dem beginnen, was sie für die Grundlage des menschlichen Wohlstands leisten könnte: wissenschaftliche Forschung.

Wir brauchen wirklich bessere Ideen

Aber bevor ich dort ankomme, hier die schlechte Nachricht: Es mehren sich die Anzeichen dafür, dass die Menschheit weniger neue Ideen hervorbringt. In einem vielzitierten Aufsatz mit dem äußerst unsubtilen Titel „Werden Ideen immer schwieriger zu finden?„Der Ökonom Nicholas Bloom und seine Kollegen untersuchten alle Sektoren von der Halbleiterindustrie bis zur Landwirtschaft und stellten fest, dass wir jetzt deutlich mehr Forscher und F&E-Ausgaben benötigen, um Produktivität und Wachstum auf der gleichen alten Trendlinie zu halten. Wir müssen härter rudern, um an der gleichen Stelle zu bleiben.

Innerhalb der Wissenschaft sieht das Muster ähnlich aus. A 2023 Natur Papier analysierte 45 Millionen Veröffentlichungen und fast 4 Millionen Patente und stellte fest, dass die Arbeit mit der Zeit weniger „störend“ wird – es ist weniger wahrscheinlich, dass sie ein Fachgebiet in eine vielversprechende neue Richtung lenkt. Dann ist da noch die demografische Krise: Neue Ideen kommen von Menschen, also bedeuten weniger Menschen letztendlich auch weniger Ideen. Da die Fruchtbarkeit in wohlhabenden Ländern unter dem Reproduktionsniveau liegt und die Weltbevölkerung voraussichtlich ein Plateau erreichen und dann schrumpfen wird, Du bewegst dich auf einen „leeren Planeten“ zu Szenario, in dem der Lebensstandard stagniert, weil es einfach nicht genug Köpfe gibt, um die Grenzen zu überschreiten. Und wenn, wie es die Trump-Administration tut, Sie die Pipeline ausländischer wissenschaftlicher Talente abschneidenbelasten Sie die Ideenproduktion im Wesentlichen doppelt.

Ironischerweise besteht hier ein großes Problem darin, dass sich Wissenschaftler durch zu viel Wissenschaft wühlen müssen. Sie nehmen zu Ertrinken in Daten und Literatur dass ihnen die Zeit zum Analysieren fehlt, geschweige denn, sie für die tatsächliche wissenschaftliche Arbeit zu verwenden. Aber das sind genau die Engpässe, mit denen die KI gut umgehen kann, weshalb sich Forscher auf die Idee einer „KI als Co-Wissenschaftler“ einlassen.

Professor AI, zu Ihren Diensten

Der Das klarste Beispiel da draußen ist AlphaFolddas Google DeepMind-System, das die 3D-Form von Proteinen anhand ihrer Aminosäuresequenzen vorhersagt – ein Problem, das früher Monate oder Jahre mühsamer Laborarbeit pro Protein erforderte. Heute verfügen Biologen dank AlphaFold über qualitativ hochwertige Vorhersagen für praktisch das gesamte Proteinuniversum in einer Datenbank, was es viel einfacher macht, neue Medikamente, Impfstoffe und Enzyme zu entwickeln, die zur Verbesserung von Gesundheit und Produktivität beitragen. AlphaFold erhielt dabei sogar den ultimativen wissenschaftlichen Gütesiegel gewann 2024 den Nobelpreis für Chemie. (Okay, technisch gesehen ging der Preis an die AlphaFold-Erfinder Demis Hassabis und John Jumper von DeepMind sowie an den Computerbiologen David Baker, aber einen Großteil der harten Arbeit leistete AlphaFold.)

Oder nehmen Sie die Materialwissenschaft, also die Wissenschaft vom Stoff. Im Jahr 2023 DeepMind stellte GNoME vorein auf Kristalldaten trainiertes graphisches neuronales Netzwerk, das etwa 2,2 Millionen neue anorganische Kristallstrukturen vorschlug und etwa 380.000 davon als wahrscheinlich stabil markierte – im Vergleich zu nur etwa 48.000 stabilen anorganischen Kristallen, die die Menschheit zuvor jemals bestätigt hatte. Das repräsentiert Hunderte von Jahren voller Entdeckungen auf einen Schlag. KI hat die Suche nach Materialien, die billigere Batterien, effizientere Solarzellen, bessere Chips und stärkere Baumaterialien herstellen könnten, erheblich ausgeweitet.

Oder nehmen Sie etwas, das jeden Tag das Leben eines jeden Menschen beeinflusst: die Wettervorhersage. DeepMinds Das GraphCast-Modell lernt direkt basiert auf jahrzehntelangen Daten und kann in weniger als einer Minute eine globale 10-Tage-Prognose ausspucken, was deutlich besser ist als die Goldstandard-Modelle. (Wenn Ihnen ein Thema auffällt: DeepMind hat sich mehr auf wissenschaftliche Anwendungen konzentriert als viele seiner Konkurrenten im Bereich KI.) Das kann letztendlich zu besseren Wettervorhersagen auf Ihrem Fernseher oder Telefon führen.

In jedem dieser Beispiele können Wissenschaftler einen Bereich übernehmen, der bereits datenreich und mathematisch strukturiert ist – Proteine, Kristalle, die Atmosphäre – und ein KI-Modell aus einer Flut vergangener Daten trinken lassen, die zugrunde liegenden Muster lernen und dann riesige Räume nach „Was wäre wenn?“ durchsuchen. Möglichkeiten. Während sich KI anderswo in der Wirtschaft offenbar hauptsächlich darauf konzentriert, Teile menschlicher Arbeit zu ersetzen, ermöglicht die beste KI in der Wissenschaft Forschern, Dinge zu tun, die vorher einfach nicht möglich waren. Das ist eine Ergänzung, kein Ersatz.

Die nächste Welle ist noch seltsamer: KI-Systeme, die das tatsächlich können laufen Experimente.

Ein Beispiel ist Co-Wissenschaftlerein großer sprachmodellbasierter „Laborpartner“, der von Forschern an der Carnegie Mellon entwickelt wurde. In einem 2023 Natur PapierSie zeigten, dass Coscientist Hardware-Dokumentation lesen, mehrstufige Chemieexperimente planen, Steuercode schreiben und echte Instrumente in einem vollautomatischen Labor bedienen konnte. Das System orchestriert tatsächlich die Roboter, die Chemikalien mischen und Daten sammeln. Es ist noch früh und von einem „selbstfahrenden Labor“ weit entfernt, aber es zeigt, dass man mit KI nicht mehr im Gebäude sein muss, um ernsthafte Nasslabor-Wissenschaft zu betreiben.

Dann gibt es noch FutureHousedas nicht, wie ich zuerst dachte, eine Art futuristischer europäischer EDM-DJ ist, sondern eine kleine, von Eric Schmidt unterstützte gemeinnützige Organisation, die innerhalb eines Jahrzehnts einen „KI-Wissenschaftler“ aufbauen will. Erinnern Sie sich an das Problem, dass es einfach zu viele Daten und zu viele Arbeiten gibt, als dass ein Wissenschaftler sie verarbeiten könnte? Dieses Jahr FutureHouse hat eine Plattform gestartet mit vier spezialisierten Agenten, die diesen Engpass beseitigen sollen: Crow für allgemeine wissenschaftliche Fragen und Antworten, Falcon für ausführliche Literaturrecherchen, Owl für „Hat jemand schon einmal X gemacht?“ Gegenprüfung und Phoenix für chemische Arbeitsabläufe wie die Syntheseplanung. In ihren eigenen Benchmarks und in frühen externen Beiträgen übertreffen diese Agenten oft sowohl generische KI-Tools als auch menschliche Doktoranden, wenn es darum geht, relevante Arbeiten zu finden und sie mit Zitaten zusammenzufassen, und führen so die anstrengende Überprüfungsarbeit durch, die menschlichen Wissenschaftlern die Freiheit gibt, Wissenschaft zu betreiben.

Der Prunkstück ist Robinein Multiagenten-„KI-Wissenschaftler“, der diese Tools zu etwas aneinanderreiht, das einem wissenschaftlichen End-to-End-Workflow nahe kommt. In einem Beispiel nutzte FutureHouse Robin zur Bewältigung trockene altersbedingte Makuladegenerationeine der Hauptursachen für Blindheit. Das System las die Literatur, schlug einen Mechanismus für die Erkrankung vor, die viele lange Wörter beinhaltete, die ich nicht buchstabieren kann, und identifizierte das Glaukommedikament Ripasudil als Kandidaten für eine umfunktionierte BehandlungAnschließend entwarf und analysierte es Folgeexperimente, die seine Hypothese stützten – alle mit Menschen, die die Laborarbeiten durchführten und insbesondere die Ergebnisse noch einmal überprüften.

Wenn man die Teile zusammenfügt, kann man sich eine plausible nahe Zukunft vorstellen, in der sich menschliche Wissenschaftler mehr auf die Auswahl guter Fragen und die Interpretation von Ergebnissen konzentrieren, während eine unsichtbare Schicht von KI-Systemen die Routinearbeit des Lesens, Planens und Rechnens mit Zahlen erledigt, wie eine Armee unbezahlter Doktoranden.

Wir sollten KI für die Dinge nutzen, die wirklich wichtig sind

Selbst wenn die Weltbevölkerungsplateaus sinken und die USA die Einwanderung von Wissenschaftlern weiterhin erschweren, erhöht die reichlich vorhandene KI für die Wissenschaft effektiv die Zahl der „Köpfe“, die an schwierigen Problemen arbeiten. Genau das brauchen wir, um das Wirtschaftswachstum wieder anzukurbeln: Anstatt einfach nur mehr Forscher einzustellen (was immer schwieriger wird), machen wir jeden vorhandenen Forscher viel produktiver. Dies führt im Idealfall zu einer günstigeren Arzneimittelforschung und -umwidmung, was letztendlich zu einer Senkung der Gesundheitskosten führen kann. neue Batterie- und Solarmaterialien, die saubere Energie wirklich billig machen; Bessere Prognosen und Klimamodelle, die Katastrophenschäden reduzieren und es einfacher machen, an mehr Orten zu bauen, ohne von extremen Wetterbedingungen zerstört zu werden.

Wie immer bei KI gibt es jedoch Vorbehalte. Dieselben Sprachmodelle, die bei der Interpretation von Arbeiten helfen können, sind auch sehr gut darin, sie souverän zu manipulieren, und aktuelle Auswertungen legen nahe Sie verallgemeinern und stellen wissenschaftliche Erkenntnisse viel mehr falsch dar, als es dem menschlichen Leser lieb ist. Dieselben Tools, die die Entwicklung von Impfstoffen beschleunigen können, können im Prinzip auch die Erforschung von Krankheitserregern und chemischen Waffen beschleunigen. Wenn Sie KI ohne die richtigen Kontrollen in Laborgeräte integrieren, besteht die Gefahr, dass nicht nur gute, sondern auch schlechte Experimente schneller durchgeführt werden, als Menschen sie überprüfen können.

Wenn ich auf das mittlerweile im Internet bekannte Diagramm der Dallas Fed zurückblicke, in dem die rote Linie „KI-Singularität: Unendliches Geld“ und die violette Linie „KI-Singularität: Aussterben“ lautet, denke ich, dass die wirklich fehlende Linie die langweilige, aber transformative Linie in der Mitte ist: KI als unsichtbare Infrastruktur, die Wissenschaftlern hilft, schneller gute Ideen zu finden, das Produktivitätswachstum wieder anzukurbeln und stillschweigend wichtige Teile des Lebens billiger und besser statt seltsamer und beängstigender zu machen.

Die Öffentlichkeit ist zu Recht besorgt darüber, wie KI schief gehen kann; „Stopp“ zu schreien ist eine rationale Reaktion, wenn es den Anschein hat, als ob die Entscheidungen jetzt nachlässig oder später Singularität/Aussterben sind. Aber wenn es uns ernst damit ist, das Leben erschwinglicher und reichhaltiger zu machen – wenn wir es ernst meinen mit Wachstum – dann besteht das interessantere politische Projekt nicht darin, KI zu verbieten oder zu verehren. Stattdessen bedeutet es, darauf zu bestehen, dass wir so viel wie möglich von dieser seltsamen neuen Fähigkeit auf die wissenschaftliche Arbeit verweisen, die tatsächlich den Ausschlag für Gesundheit, Energie, Klima und alles andere gibt, was uns unserer Meinung nach am Herzen liegt.

Diese Serie wurde durch ein Stipendium von Arnold Ventures unterstützt. Vox hatte das volle Ermessen über den Inhalt dieser Berichterstattung.

Eine Version dieser Geschichte erschien ursprünglich im Good News-Newsletter. Melden Sie sich hier an!