In overeenstemming met de algemene trend van het integreren van kunstmatige intelligentie in bijna elk vakgebiedwaar onderzoekers en politici steeds meer gebruik van maken AI modellen die zijn getraind op basis van wetenschappelijke gegevens om antwoorden op wetenschappelijke vragen af te leiden. Maar kan AI uiteindelijk wetenschappers vervangen?
De regering-Trump ondertekende op 24 november 2025 een uitvoerend bevel, waarin dit werd aangekondigd de Genesis-missieeen initiatief om een serie te bouwen en op te leiden AI-agenten op federale wetenschappelijke datasets “om nieuwe hypothesen te testen, onderzoeksworkflows te automatiseren en wetenschappelijke doorbraken te versnellen.”
Tot nu toe zijn de prestaties van deze zogenaamde AI-wetenschappers zijn gemengd. Aan de ene kant kunnen AI-systemen enorme datasets verwerken en subtiele correlaties detecteren die mensen niet kunnen detecteren. Aan de andere kant kan hun gebrek aan gezond verstand redeneren resulteren in onrealistische of irrelevante experimentele aanbevelingen.
Hoewel AI kan helpen bij taken die deel uitmaken van het wetenschappelijke proces, is het nog ver verwijderd van het automatiseren van de wetenschap – en zal dat wellicht nooit lukken. Als filosoof die zowel de geschiedenis als de conceptuele grondslagen van de wetenschap bestudeert, zie ik verschillende problemen met het idee dat AI-systemen ‘wetenschap kunnen doen’ zonder of zelfs beter dan mensen.
AI-modellen kunnen alleen leren van menselijke wetenschappers
AI-modellen leren niet rechtstreeks van de echte wereld: dat moet wel ‘vertelde’ hoe de wereld is door hun menselijke ontwerpers. Zonder menselijke wetenschappers die toezicht houden op de constructie van de digitale ‘wereld’ waarin het model opereert – dat wil zeggen de datasets die worden gebruikt voor het trainen en testen van de algoritmen ervan – zouden de doorbraken die AI mogelijk maakt niet mogelijk zijn.
Overweeg het AI-model AlphaFold. De ontwikkelaars kregen de Nobelprijs voor de scheikunde 2024 voor het vermogen van het model om de structuur van eiwitten in menselijke cellen af te leiden. Omdat zoveel biologische functies afhankelijk zijn van eiwitten, heeft het vermogen om snel eiwitstructuren te genereren om via simulaties te testen het potentieel om het ontwerp van geneesmiddelen te versnellen, te traceren hoe ziekten zich ontwikkelen en andere gebieden van biomedisch onderzoek vooruit te helpen.
Hoe praktisch het ook mag zijn, een AI-systeem als AlphaFold levert op zichzelf echter geen nieuwe kennis op over eiwitten, ziekten of effectievere medicijnen. Het maakt het simpelweg mogelijk om bestaande informatie efficiënter te analyseren.
AlphaFold maakt gebruik van enorme databases van bestaande eiwitstructuren.
Om succesvol te zijn als wetenschappelijke instrumenten moeten AI-modellen, zoals filosoof Emily Sullivan het uitdrukte, noodzakelijk zijn een sterke empirische link behouden op reeds gevestigde kennis. Dat wil zeggen dat de voorspellingen die een model doet gebaseerd moeten zijn op wat onderzoekers al weten over de natuurlijke wereld. De kracht van deze link hangt af van hoeveel kennis er al beschikbaar is over een bepaald onderwerp en van hoe goed de programmeurs van het model zeer technische wetenschappelijke concepten en logische principes in code vertalen.
AlphaFold zou niet succesvol zijn geweest zonder de bestaande hoeveelheid door de mens gegenereerde kennis over eiwitstructuren waarmee ontwikkelaars het model trainden. En zonder menselijke wetenschappers die een basis bieden voor theoretische en methodologische kennis, zou niets dat AlphaFold creëert neerkomen op wetenschappelijke vooruitgang.
Wetenschap is een unieke menselijke onderneming
Maar de rol van menselijke wetenschappers in het proces van wetenschappelijke ontdekkingen en experimenten gaat verder dan het garanderen dat AI-modellen op de juiste manier worden ontworpen en verankerd in de bestaande wetenschappelijke kennis. In zekere zin ontleent wetenschap als creatieve prestatie haar legitimiteit aan menselijke vermogens, waarden en levenswijzen. Deze zijn op hun beurt gebaseerd op de unieke manieren waarop mensen denken, voelen en handelen.
Wetenschappelijke ontdekkingen zijn meer dan alleen theorieën die door bewijsmateriaal worden ondersteund: zij zijn de product van generaties wetenschappers met een verscheidenheid aan interesses en perspectieven, die samenwerken via een gemeenschappelijke toewijding aan hun vak en intellectuele eerlijkheid. Wetenschappelijke ontdekkingen zijn nooit het product van één visionair genie.
Toen onderzoekers bijvoorbeeld voor het eerst de dubbele helixstructuur van DNAwaren er geen empirische tests die deze hypothese konden verifiëren; deze was gebaseerd op de redeneervaardigheden van hoogopgeleide experts. Het duurde bijna een eeuw van technologische vooruitgang en verschillende generaties wetenschappers om van wat leek op pure speculatie aan het eind van de 19e eeuw te komen tot een ontdekking die in 1953 werd beloond met een Nobelprijs.
Met andere woorden: wetenschap is een duidelijk sociale ondernemingwaarin ideeën worden besproken, interpretaties worden geboden en meningsverschillen niet altijd worden overwonnen. Zoals andere wetenschapsfilosofen hebben opgemerkt, zijn wetenschappers dat ook lijkt meer op een stam dan “passieve ontvangers” van wetenschappelijke informatie. Onderzoekers vergaren geen wetenschappelijke kennis door ‘feiten’ vast te leggen; zij creëren wetenschappelijke kennis door vakkundige praktijk, debat en overeengekomen normen, gebaseerd op sociale en politieke waarden.
AI is geen wetenschapper
Ik geloof dat de rekenkracht van AI-systemen kan worden gebruikt om de wetenschappelijke vooruitgang te versnellen, maar alleen als dit met zorg wordt gedaan.
Met de actieve deelname van de wetenschappelijke gemeenschap zouden ambitieuze projecten zoals de Genesis Mission nuttig kunnen zijn voor wetenschappers. Goed ontworpen en rigoureus getrainde AI-tools zouden de meer mechanische delen van wetenschappelijk onderzoek soepeler en misschien zelfs sneller maken. Deze tools zouden informatie kunnen verzamelen over wat er in het verleden is gedaan, zodat ze gemakkelijker kunnen informeren over het ontwerpen van toekomstige experimenten, het verzamelen van metingen en het formuleren van theorieën.
Maar als de leidende visie voor het inzetten van AI-modellen in de wetenschap het vervangen van menselijke wetenschappers is of het volledig automatiseren van het wetenschappelijke proces, denk ik dat het project de wetenschap alleen maar tot een karikatuur van zichzelf zou maken. Het bestaan van wetenschap als bron van gezaghebbende kennis over de natuurlijke wereld hangt fundamenteel af van het menselijk leven: gedeelde doelen, ervaringen en ambities.
Alessandra Buccella is assistent-professor filosofie aan de Universiteit van Amsterdam Universiteit van Albany, Staatsuniversiteit van New York.
Dit artikel is opnieuw gepubliceerd van Het gesprek onder een Creative Commons-licentie. Lees de origineel artikel.
