DeepMind-Chef曹原 vor dem Gespräch: KI für die Wissenschaft bricht aus – eine neue Ära ist angebrochen.

Zusammenfassung des Kerninhalts

Dieses Gespräch dreht sich um AI for Science (AI4S), also die Nutzung von KI zur Beschleunigung der wissenschaftlichen Forschung. Es beginnt mit aktuellen Entwicklungen in der Branche (der Weggang von Jeff Dean, einem Schlüsselpersonal bei Google, um das Unternehmen AI4S zu gründen) und geht tiefer auf die technischen Grundlagen des Aufschwungs von AI4S, die Rolle der KI in der Wissenschaft, die wichtigsten Hürden sowie den Weg zur Kommerzialisierung ein. Zentraler Gedanke ist: AI4S ist in eine Phase des schnellen Wachstums eingetreten, befindet sich jedoch derzeit noch hauptsächlich im Stadium der Zusammenarbeit mit Wissenschaftlern und ist etwa zwanzig bis dreißig Jahre davon entfernt, eigenständige Entdeckungen, die Preise wie den Nobelpreis verdienen, zu machen. Die größten Herausforderungen liegen in der physikalischen Überprüfung von Hypothesen, der Schlussfolgerung von Ursachen und Wirkungen sowie der Fähigkeit zur Abstraktion neuer Konzepte. Die Kommerzialisierung kann schrittweise erfolgen – beispielsweise in Zwischenschritten der Arzneimittelentwicklung – und wird langfristig sowohl die Wissenschaft als auch die KI selbst weiterentwickeln.

I. Der Aufschwung von AI4S: Top-Player treten auf den Markt, die Technologie erreicht einen kritischen Punkt

1. Branchensignale: Was bedeutet der Weggang von Jeff Dean?

Jeff Dean war eine Schlüsselpersönlichkeit bei Google und verantwortlich für Kerntechnologien wie MapReduce, TensorFlow und Gemini. Sein Neugründungsunternehmen Discovery Loop markiert den Übergang von AI4S aus dem Labor in die Industrie. Hinter diesem Schritt stecken zwei Hauptgründe:

• Anpassung der Prioritäten innerhalb von Google: Die Fortschritte des Gemini-Modells verlaufen langsamer als bei OpenAI/Anthropic, weshalb Ressourcen des Unternehmens auf kommerzielle Projekte (z. B. intelligente Programmieragenten) umgeleitet werden;
• AI4S ist eine natürliche Weiterentwicklung: Nachdem KI in Bereichen wie Code und Mathematik ausgereift ist, besteht der nächste große Wertpotenzial darin, diese Fähigkeiten für wissenschaftliche Probleme einzusetzen (z. B. Arzneimittelentwicklung, Materialdesign).

2. Warum jetzt der Aufschwung?

Die für AI4S notwendigen Kernfähigkeiten sind endlich vorhanden:

• Fähigkeit zum Schreiben von Code und zur Schlussfolgerung: KI kann Code schreiben, um Experimentdaten zu analysieren und Hypothesen zu entwickeln;
• Schlüsselring der intelligenten Agenten: KI kann einen Kreislauf von „Hypothesen formulieren → Experimente durchführen → Feedback erhalten und optimieren“ bilden (z. B. Zusammenarbeit zwischen OpenAI und Ginkgo Bioworks, bei der KI Proteine entwirft und Roboter automatisch Experimente durchführt);
• Anpassung an spezifische Bereiche: Branchen wie die Biopharmazie und das Materialwesen verfügen über standardisierte Prozesse und umfangreiche Daten, was die Einbindung von KI ermöglicht (z. B. lange Entwicklungszeiten und hohe Kosten bei Arzneimitteln; KI kann die Identifizierung von Zielstrukturen beschleunigen).

II. Die Rolle der KI in der Wissenschaft: Assistent oder unabhängiger Forscher?

In der wissenschaftlichen Forschung übernimmt die KI derzeit zwei Rollen:

1. **Co-Scientist (Zusammenarbeitswissenschaftler)**: Als „Beschleunigungswerkzeug“

KI unterstützt menschliche Wissenschaftler dabei, ihre Arbeit effizienter zu gestalten – beispielsweise durch die Analyse von Experimentdaten und das Entwerfen von Versuchsplänen. Dies ist der aktuelle Mainstream und kann die Forschungszeit deutlich verkürzen, allerdings führt KI nicht selbst zu neuen wissenschaftlichen Konzepten.

2. **Unabhängiger Entdecker**: KI formuliert eigene Hypothesen und entdeckt neues Wissen (z. B. AlphaFold bei der Vorhersage von Proteinstrukturen).

Solche Fälle sind jedoch selten und beschränken sich meist auf die Kombination bereits vorhandener Informationen (z. B. AlphaGo, das durch die Kombination bekannter Spielzüge neue Strategien entwickelte).

III. Die drei größten Hürden für AI4S: Schwierige Überprüfung, mangelnde Schlussfolgerungsfähigkeit und Unfähigkeit zur Abstraktion

1. Physikalische Überprüfung als größtes Hindernis

Wissenschaftliche Erkenntnisse müssen letztendlich in der realen Welt überprüft werden – doch Experimente, die von KI entworfen wurden (z. B. neue Arzneimittel oder Materialien), sind teuer und zeitaufwendig zu durchführen:

• Beispielsweise erfordert die Entwicklung eines neuen Medikaments mehrere Jahre und Millionen von Dollar für klinische Tests;
• Im Gegensatz zum Code, der sofort funktioniert, liefern physikalische Experimente keine schnellen Rückmeldungen, was die Iterationen mit KI verlangsamt.

2. Mangelnde Schlussfolgerungsfähigkeit

KI neigt dazu, Korrelationen fälschlicherweise als Ursachen und Wirkungen zu interpretieren:

• Beispiel: Wenn der Verkauf von Eiscreme und die Zahl der Ertrinkungsfälle gleichzeitig steigen, könnte KI annehmen, dass Eiscreme die Ursache ist – tatsächlich liegt es jedoch an hohen Temperaturen im Sommer;
• Dies liegt daran, dass KI auf den in ihren Trainingsdaten vorhandenen oberflächlichen Zusammenhängen basiert und die zugrundeliegenden Gesetze der Physik nicht wirklich versteht.

3. Unfähigkeit zur Abstraktion neuer Konzepte

Wissenschaftliche Durchbrüche erfordern oft die Abstraktion neuer Konzepte (z. B. Newtons „Kraft“ oder Einsteins „Relativitätstheorie“). KI kann zwar Muster erkennen (z. B. die Klassifizierung von Stühlen), aber nicht auf grundlegende Prinzipien wie die „Schwerkraft“ schließen;

• Dies liegt daran, dass Abstraktion die Fähigkeit erfordert, Ursachen zu ermitteln – was KI derzeit noch nicht kann (sie kann nur aus bekannten Fakten Schlussfolgerungen ziehen oder Muster in Daten erkennen).

IV. Die Kommerzialisierung von AI4S: Jetzt Geld verdienen, später Nobelpreise gewinnen?

Die Kommerzialisierung von AI4S erfolgt schrittweise:

1. Kurzfristig: Gewinnung von Einnahmen in Zwischenschritten

Bereits jetzt können kommerzielle Lösungen für „Zwischenschritte“ der wissenschaftlichen Forschung entwickelt werden – beispielsweise die Entwicklung von Molekularstrukturen oder die Vorhersage von Medikamentenzielen (Isomorphic Labs ist ein Beispiel für eine kommerziell erfolgreiche Anwendung von AlphaFold);

• Diese Lösungen können Kosten senken und Zeit einsparen, weshalb Pharmaunternehmen bereit sind, dafür zu zahlen.

2. Langfristig: Nobelpreisverdächtige Entdeckungen benötigen zwanzig bis dreißig Jahre

Um eigenständige, preiswürdige Erkenntnisse zu erzielen, müssen drei Hürden überwunden werden:

• Physikalische Überprüfung: Automatisierte Labore (Roboter, die Experimente durchführen);
• Schlussfolgerungsfähigkeit: KI muss in der Lage sein, „Weltmodelle“ zu erstellen;
• Abstraktion: KI muss die Fähigkeit zur Rückführung von Ursachen entwickeln.

Cao Yuan schätzt, dass dies mindestens zwanzig bis dreißig Jahre dauern wird.

V. Die Auswirkungen auf die Gesellschaft

Wenn KI in der Lage ist, preiswürdige Entdeckungen zu machen, bedeutet das, dass sie sich dem Stadium der Allgemeinen Künstlichen Intelligenz (AGI) nähert – was die Wissenschaft und die Gesellschaft grundlegend verändern würde:

• Der wissenschaftliche Fortschritt würde exponentiell beschleunigt;
• Die Rolle des Menschen würde sich von „Forscher“ zu „Problemdefinierern“, „Überprüfern“ und „Wertbeurteilern“ verändern (z. B. ob die Erkenntnisse der KI bedeutungsvoll sind).

VI. Philosophische Fragen: Ist Mathematik eine Erfindung oder eine Entdeckung? Was unterscheidet Menschen von KI?

Das Gespräch befasst sich abschließend mit philosophischen Fragen im Zusammenhang mit AI4S:

1. Ist Mathematik eine menschliche Erfindung oder ein Teil der universellen Gesetze?

Cao Yuan tendiert zu der Ansicht, dass Mathematik ein von Menschen geschaffenes logisches System ist – mit Grenzen (z. B. Gödels Unvollständigkeitstheorem), während die Natur selbst konsistent ist und keine „unbeweisbaren Wahrheiten“ enthält.

2. Was unterscheidet Menschen von KI?

Menschen sind in der Lage, sinnlose oder „nutzlose“ Aktivitäten wie reine Mathematik, Kunst oder Philosophie zu betreiben, die den wissenschaftlichen Fortschritt fördern; KI hingegen kann nur nutzbare Aufgaben erfüllen und versteht nicht das Konzept der „Schönheit“ oder des „Neugierdrangs“.

3. Muss KI-Entwickler Philosophie studieren?

Ja! Denn die grundlegenden Fragen der KI (z. B. „Was ist Intelligenz?“ oder „Wie verstehen Menschen die Welt?“) wurden bereits in der Philosophie diskutiert – beispielsweise Kant’sche Konzepte wie die „a priori“-Struktur des menschlichen Denkens oder Hegelsches Denken der dialektischen Einheit.

Fazit

AI4S ist ein wichtiger Entwicklungsschritt für die KI; sie kann nicht nur den wissenschaftlichen Fortschritt beschleunigen, sondern auch die Weiterentwicklung der KI selbst vorantreiben. Um jedoch eigenständige Nobelpreisverdächtige Entdeckungen zu machen, liegt noch ein langer Weg vor uns. In diesem Prozess müssen wir darüber nachdenken, was unsere eigentlichen Werte sind – nicht nur das, was KI leisten kann, sondern auch das, was sie nicht kann: Probleme definieren, Wert beurteilen und Schönheit schaffen. In einer Welt der KI wird sie ein mächtiges Werkzeug sein, aber die Einzigartigkeit des Menschen wird niemals ersetzt werden.