In overeenstemming met de algemene trend in om kunstmatige intelligentie op vrijwel elk gebied te integrerensteeds vaker gebruikt door onderzoekers en politici 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 De Genesis-missieeen initiatief om er een aantal op te bouwen en op te leiden AI-agenten over federale wetenschappelijke datasets “om nieuwe hypothesen te testen, onderzoeksworkflows te automatiseren en wetenschappelijke doorbraken te versnellen.”
Tot nu toe zijn de resultaten van deze zogenaamde AI-onderzoekers 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 goede redenering 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 om de algoritmen te trainen en te testen – zouden de doorbraken die AI mogelijk maakt niet mogelijk zijn.
Denk eens aan het AI-model AlphaFold. De ontwikkelaars ervan werden toegewezen Nobelprijs voor 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 voor testen via simulaties het potentieel om het ontwerp van geneesmiddelen te versnellen, te volgen hoe ziekten zich ontwikkelen en andere gebieden van biomedisch onderzoek vooruit te helpen.
Hoe praktisch het ook is, 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 grote databases van bestaande eiwitstructuren.
Zoals de filosoof Emily Sullivan het stelde: om als wetenschappelijke instrumenten te kunnen slagen, moeten AI-modellen dat wel doen een sterke empirische connectie behouden op reeds gevestigde kennis. Dit betekent dat de voorspellingen die een model doet gebaseerd moeten zijn op wat wetenschappers 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 zonder dit succes niet succesvol zijn geweest bestaande hoeveelheid door de mens gemaakte kennis over eiwitstructuren welke ontwikkelaars het model hebben getraind. En zonder menselijke wetenschappers die een basis bieden voor theoretische en methodologische kennis, zou niets dat AlphaFold creëert de wetenschappelijke vooruitgang evenaren.
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 capaciteiten, 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: dat zijn ze ook product van generaties wetenschappers met een scala aan interesses en perspectieven die samenwerken via een gedeelde toewijding aan hun vak en intellectuele eerlijkheid. Wetenschappelijke ontdekkingen zijn nooit het product van één visionair genie.
Bijvoorbeeld toen onderzoekers voor het eerst suggereerden dubbele helixstructuur van DNAer waren geen empirische tests om deze hypothese te 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 aan het einde van de 19e eeuw pure speculatie leek, te komen tot een ontdekking die in 1953 werd beloond met een Nobelprijs.
Met andere woorden: wetenschap is één onderscheidende sociale ondernemingwaar ideeën worden besproken, interpretaties worden aangeboden en meningsverschillen niet altijd worden overwonnen. Zoals andere wetenschapsfilosofen hebben opgemerkt, zijn wetenschappers dat ook meer een stam dan “passieve ontvangers” van wetenschappelijke informatie. Wetenschappers vergaren geen wetenschappelijke kennis door ‘feiten’ vast te leggen; zij creëren wetenschappelijke kennis door vakkundige praktijk, debat en overeengekomen normen die gebaseerd zijn 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 zorgvuldig wordt gedaan.
Met de actieve deelname van de wetenschappelijke gemeenschap kunnen ambitieuze projecten zoals de Genesis Mission nuttig blijken 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 zullen informatie 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 implementeren 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 bij Universiteit van Albany, Staatsuniversiteit van New York.
Dit artikel is opnieuw gepubliceerd van Het gesprek onder een Creative Commons-licentie. Lezen origineel artikel.
