Betekent de komst van AI dat de problemen voor de wetenschap alleen maar erger worden? Ja, zeggen Sayash Kapoor en Aravind Narayanan, auteurs van het weblog (en boek) AI Snake Oil, in een kraakhelder betoog.

Hét probleem van de moderne wetenschap in de afgelopen decennia is misschien wel dat het zo gericht is op kennis. Daardoor raakt het inzicht, het begrip, gaandeweg buiten beeld. We weten steeds meer dingetjes over de wereld, maar we ons daadwerkelijk begrip blijft daarbij ver achter. Dat betekent onder andere dat terwijl het aantal beroepswetenschappers wereldwijd explosief is gegroeid in de afgelopen eeuw, de grote wetenschappelijke doorbraken daarbij zijn achtergebleven. Heel veel zaken die de grote wetenschappelijke vragen waren na de Tweede Wereldoorlog, staan nu nog steeds open. Ondertussen zijn de investeringen in onderzoek bij de belangrijkste investeerders (de VS, China, Japan, Duitsland, Zuid-Korea, het Verenigd Koninkrijk en Frankrijk) tussen 2001 en 2021 verviervoudigd.

Verstikkend

Dat dit zo is gegaan is begrijpelijk. De wetenschap is geprofessionaliseerd en daarbij hoort verantwoording aan de samenleving, en die verantwoording neemt vaak de vorm aan van kwantificatie: een wetenschapper moet zo-en-zoveel artikelen per jaar publiceren. Dat is gemakkelijker te doen als je naar feiten zoekt (zo’n feit heb je wel of niet gevonden) dan als je zoekt naar inzicht (dat veel subjectiever is). Precies de explosieve groei van de beroepswetenschap heeft dat allemaal nog veel sterker gemaakt: je moet bepaalde procedures volgen om tot bewijsbare resultaten te komen. Degene die jarenlang zoekt naar het juiste inzicht heeft het lastig in de rat race, zeker als dat zoeken ook nog vruchteloos blijkt te zijn. Het effect is dat er jaarlijks miljoenen wetenschappelijke artikelen worden gepubliceerd die vrijwel geen van allen beklijven.

Een artikel dat wél zou beklijven, omdat het de hele boel op zijn kop zet, maakt zelfs nauwelijks een kans – hoe moet alles op zijn kop worden gezet als honderdduizenden onderzoekers afhankelijk zijn van hoe de wereld er nu voor staat?

De komst van AI maakt dit effect alleen maar groter, schrijven Kapoor en Narayanan. Het wordt nog gemakkelijker om dit soort artikelen te schrijven die aan alle standaarden voldoen, juist omdat die standaarden zo precies gedefinieerd zijn. Als de beloften van de AI-makers kloppen wordt het nog veel goedkoper om goede wetenschap te doen. En dat versterkt het verstikkende effect, de kans op een doorbraak wordt zo alleen maar kleiner.

Fundamenteel

Daar komt bij dat die AI zelf heel erg gericht is op de grootste gemene deler. De manier waarop die systemen teksten schrijven is door statistische patronen te ontdekken in de teksten waarop ze zijn getraind, en dan zelf de woorden op een rij te zetten volgens de patronen in die teksten. Die patronen kunnen best abstract zijn en zich afspelen op het niveau van ideeën (het is logisch dat uit bewering x voortkomt dat y waar is), maar de kans is dan nog altijd groot dat ze blijven hangen bij theorieën die eigenlijk al weerlegd zijn – simpelweg omdat er zoveel literatuur is die er nog vanuit ging dat die theorie niet weerlegd was. De conservatieve kracht op de wetenschappelijke vooruitgang wordt dus alleen maar sterker.

Het voordeel is misschien wel dat het nu zo makkelijk wordt om wetenschappelijke artikelen te schrijven, dat het helemaal zinloos wordt om aan de hand daarvan de kwaliteit van de onderzoeker vast te stellen. Als iedereen een paar artikelen per dag kan produceren, heeft het geen zin meer om mensen met elkaar te vergelijken. In het ideale geval zorgt de komst van AI dan voor een versnelling van de wetenschappelijke Verellendung die al een tijd gaande is.

En dan kunnen we op de puinhopen van het dolgedraaide wetenschappelijke bedrijf misschien iets nieuws bouwen, iets waarbij het weer draait om die eeuwenoude wens van de mens: de wereld om zich heen niet alleen in detail te beschrijven, maar fundamenteel te begrijpen.