Veni-subsidie voor onderzoek naar hoe AI wetenschap verandert
Kunstmatige intelligentie verandert verschillende gebieden binnen de wetenschap. Het project 'Beyond "Ground Truth"' van antropoloog Rodrigo Ochigame onderzoekt hoe onderzoekers wetenschappelijk bewijs herdefiniëren met nieuwe AI-methoden voor deductie, observatie en voorspelling. Met de Veni-subsidie wil Ochigame wetenschappers helpen duidelijker en kritischer na te denken over de veranderingen in hun vakgebied."
Het project onderzoekt hoe onderzoekers opnieuw bepalen wat acceptabel bewijs is in drie belangrijke gebieden: zuivere wiskunde, deeltjesfysica en kosmologie en klimaatwetenschap. Ochigame: "Dit is niet alleen belangrijk voor antropologen en experts in wetenschap- en technologiestudies zoals ikzelf, maar voor wetenschappers in allerlei vakgebieden. Ze moeten snel weten welke AI-methoden betrouwbaar zijn, waarvoor ze die kunnen gebruiken en waarom."
Deductie in wiskunde
In de wiskunde maakt AI nieuwe vormen van deductie mogelijk. Wiskundigen proberen steeds vaker stellingen te ontdekken en te bewijzen met behulp van AI-technieken. Maar wat als een door de computer gegenereerde reeks deducties zo lang en complex is dat niemand het kan begrijpen? Moet het dan als een 'bewijs' beschouwd worden? Sommige wiskundigen zien computer-geassisteerde demonstraties als bewijs, omdat computers zogenaamd geen fouten maken bij het nakijken ervan. Anderen zijn het daar niet mee eens en zeggen dat zo'n resultaat zinloos is, met als argument dat onderzoek moet helpen om wiskundige ideeën beter te begrijpen, niet alleen maar om meer bewijzen te produceren op een mechanische manier.
Waarneming in de natuurkunde
In de natuurkunde zorgen AI-methoden zoals machine learning voor discussies over wat als waarneembaar bewijs geldt. Natuurkundigen debatteren over het gebruik van AI in hun onderzoek, bijvoorbeeld bij het opsporen van nieuwe deeltjes of het in beeld brengen van zwarte gaten. Een belangrijk punt van discussie is dat AI-ondersteunde resultaten vaak geen 'directe' waarnemingen zijn. Ze worden vaak gegenereerd door algoritmes die al bepaalde theoretische aannames bevatten.
Voorspelling in de klimaatwetenschap
In de klimaatwetenschap onderzoekt Ochigame hoe onderzoekers lastige voorspellingen doen. Bij het maken van computermodellen om de toekomst van complexe ecosystemen zoals het Amazonegebied te voorspellen, moeten wetenschappers rekening houden met extreme scenario's die nog nooit zijn voorgekomen. Ze kunnen dus niet alleen vertrouwen op bestaande gegevens. In AI-termen ontbreekt er 'ground truth'-data om op te bouwen. Dit gebrek aan betrouwbare gegevens is een groot probleem in alle casusses van Ochigame's onderzoek.
Aangezien deductie, observatie en voorspelling fundamenteel zijn voor verschillende wetenschapsgebieden, wil Ochigame bijdragen aan een beter begrip van de manier waarop AI de wetenschappelijke kennisproductie verandert.