Google’s Neuer KI-“Co-Wissenschaftler” zielt darauf ab, wissenschaftliche Entdeckungen zu beschleunigen

Stellen Sie sich einen Forschungspartner vor, der alle wissenschaftlichen Aufsätze gelesen hat, die Sie haben, und unermüdlich neue Experimente rund um die Uhr brainstormt. Google (GOOGL ) versucht, diese Vision mit einem neuen KI-System zu verwirklichen, das als “Co-Wissenschaftler” konzipiert ist.

Dieser KI-gestützte Assistent kann durch riesige Bibliotheken von Forschungsergebnissen suchen, frische Hypothesen vorschlagen und sogar Experimentpläne skizzieren – all dies in Zusammenarbeit mit menschlichen Forschern. Googles neuestes Werkzeug, das an der Stanford University und am Imperial College London getestet wurde, verwendet fortschrittliche Argumentation, um Wissenschaftlern zu helfen, Berge von Literatur zu synthetisieren und neue Ideen zu generieren. Das Ziel ist es, wissenschaftliche Durchbrüche zu beschleunigen, indem man Sinn aus Informationsüberlastung macht und Erkenntnisse vorschlägt, die ein Mensch übersehen könnte.

Dieser “Co-Wissenschaftler”, wie Google ihn nennt, ist kein physischer Roboter in einem Labor, sondern ein komplexes Software-System. Es basiert auf Googles neuesten KI-Modellen (insbesondere dem Gemini 2.0-Modell) und spiegelt die Art und Weise wider, wie Wissenschaftler denken – von der Ideenfindung bis zur Kritik von Ideen. Anstatt nur bekannte Fakten zusammenzufassen oder nach Papieren zu suchen, soll das System originales Wissen entdecken und tatsächlich neue Hypothesen auf der Grundlage bestehender Beweise vorschlagen. Mit anderen Worten, es findet nicht nur Antworten auf Fragen – es hilft auch, neue Fragen zu stellen.

Google und seine KI-Einheit DeepMind haben wissenschaftliche Anwendungen für KI priorisiert, nachdem sie Erfolge wie AlphaFold demonstriert haben, das mithilfe von KI das 50 Jahre alte Rätsel der Proteinfaltung gelöst hat. Mit dem Co-Wissenschaftler hoffen sie, die “Uhrzeit” von Entdeckungen in Bereichen von der Biomedizin bis zur Physik zu beschleunigen.

KI-Co-Wissenschaftler (Google)

Wie ein KI-Co-Wissenschaftler funktioniert

Unter der Haube besteht Googles KI-Co-Wissenschaftler tatsächlich aus mehreren spezialisierten KI-Programmen – denken Sie an sie als ein Team von super-schnellen Forschungsassistenten, jeder mit einer bestimmten Rolle. Diese KI-Agenten arbeiten zusammen in einer Pipeline, die der wissenschaftlichen Methode nachahmt: einer generiert Ideen, andere kritisieren und verfeinern sie, und die besten Ideen werden an den menschlichen Wissenschaftler weitergeleitet.

Laut Googles Forschungsteam verläuft der Prozess wie folgt:

• Generierungs-Agent – durchsucht relevante Forschungsergebnisse und synthetisiert bestehende Ergebnisse, um neue Wege oder Hypothesen vorzuschlagen.
• Reflektions-Agent – fungiert als Peer-Reviewer, der die Genauigkeit, Qualität und Neuheit der vorgeschlagenen Hypothesen überprüft und fehlerhafte Ideen aussortiert.
• Rangliste-Agent – führt ein “Turnier” von Ideen durch, bei dem die Hypothesen effektiv in simulierten Debatten konkurrieren, und ordnet sie dann nach ihrer vielversprechendsten Aussicht.
• Nähe-Agent – gruppiert ähnliche Hypothesen zusammen und eliminiert Duplikate, damit der Forscher nicht repetitive Ideen überprüft.
• Evolution-Agent – verfeinert die Top-Hypothesen weiter, indem er Analogien oder vereinfachte Konzepte für Klarheit verwendet, um die Vorschläge zu verbessern.
• Meta-Review-Agent – kompiliert schließlich die besten Ideen in einen kohärenten Forschungsvorschlag oder eine Übersicht für den menschlichen Wissenschaftler.

Wichtig ist, dass der menschliche Wissenschaftler bei jedem Schritt im Spiel bleibt. Der KI-Co-Wissenschaftler arbeitet nicht isoliert oder trifft eigenständig Entscheidungen. Forscher beginnen, indem sie ein Forschungsziel oder eine Frage in natürlicher Sprache eingeben – beispielsweise ein Ziel, neue Strategien zur Behandlung einer bestimmten Krankheit zu finden – zusammen mit allen relevanten Einschränkungen oder anfänglichen Ideen, die sie haben. Das KI-System geht dann durch den oben beschriebenen Zyklus, um Vorschläge zu erzeugen. Der Wissenschaftler kann Feedback geben oder Parameter anpassen, und das KI wird erneut iterieren.

Google hat das System so konzipiert, dass es “zweckgebunden für die Zusammenarbeit” ist, was bedeutet, dass Wissenschaftler ihre eigenen Keimideen oder Kritikpunkte während des KI-Prozesses einfügen können. Das KI kann sogar externe Tools wie die Websuche und andere spezielle Modelle verwenden, um Fakten zu überprüfen oder Daten zu sammeln, während es arbeitet, um sicherzustellen, dass seine Hypothesen auf aktuellen Informationen basieren.

KI-Co-Wissenschaftler-Agenten (Google)

Ein schnellerer Weg zu Durchbrüchen

Indem man einige der mühsamen Arbeiten der Forschung – ausführliche Literaturreviews und anfängliches Brainstorming – an eine unermüdliche Maschine auslagert, hoffen Wissenschaftler, Entdeckungen dramatisch zu beschleunigen. Der KI-Co-Wissenschaftler kann weit mehr Papiere lesen als ein Mensch, und er läuft nie aus frischen Kombinationen von Ideen aus.

“Es hat das Potenzial, die Bemühungen von Wissenschaftlern zu beschleunigen, um große Herausforderungen in Wissenschaft und Medizin anzugehen”, schrieben die Forscher des Projekts in ihrem Papier. Frühe Ergebnisse sind vielversprechend. In einem Versuch, der sich auf Leberfibrose (Verhärtung der Leber) konzentrierte, berichtete Google, dass jeder Ansatz, den der KI-Co-Wissenschaftler vorschlug, vielversprechende Fähigkeiten zeigte, die Treiber der Krankheit zu hemmen. Tatsächlich waren die Empfehlungen des KI in diesem Experiment keine Schüsse ins Blaue – sie deckten sich mit dem, was Experten für plausible Interventionen halten.

Darüber hinaus zeigte das System die Fähigkeit, menschliche Lösungen im Laufe der Zeit zu verbessern. Laut Google verfeinerte und optimierte der KI die Lösungen, die Experten ursprünglich vorgeschlagen hatten, was darauf hindeutet, dass er lernen und inkrementellen Wert über menschliches Fachwissen hinaus mit jeder Iteration hinzufügen kann.

Ein weiterer bemerkenswerter Test betraf das Problem der Antibiotikaresistenz. Forscher beauftragten den KI, zu erklären, wie ein bestimmtes genetisches Element hilft, dass Bakterien ihre resistente Eigenschaften verbreiten. Unbekannt für den KI hatte ein separates wissenschaftliches Team (in einer noch unveröffentlichten Studie) bereits den Mechanismus entdeckt. Der KI wurde nur grundlegende Hintergrundinformationen und ein paar relevante Papiere gegeben, dann seinem eigenen Gerät überlassen. Innerhalb von zwei Tagen kam er zu der gleichen Hypothese, die die menschlichen Wissenschaftler hatten.

“Diese Entdeckung wurde in der unabhängigen Forschungsstudie experimentell validiert, die dem Co-Wissenschaftler während der Hypothesengenerierung unbekannt war”, bemerkten die Autoren. Mit anderen Worten, der KI schaffte es, eine wichtige Erkenntnis auf eigene Faust zu entdecken, was zeigt, dass er Punkte in einer Weise verbinden kann, die menschliche Intuition übertrifft – zumindest in Fällen, in denen genügend Daten vorhanden sind.

Die Auswirkungen einer solchen Geschwindigkeit und interdisziplinären Reichweite sind enorm. Durchbrüche geschehen oft, wenn Erkenntnisse aus verschiedenen Bereichen kollidieren, aber keine einzelne Person kann in allem ein Experte sein. Ein KI, der Wissen aus Genetik, Chemie, Medizin und mehr aufgenommen hat, könnte Ideen vorschlagen, die menschliche Spezialisten übersehen könnten. Googles DeepMind-Einheit hat bereits gezeigt, wie transformierend KI in der Wissenschaft sein kann, mit AlphaFold, das die 3D-Strukturen von Proteinen vorhersagte und als großer Sprung für die Biologie gefeiert wurde. Diese Leistung, die die Arzneimittelentdeckung und Impfstoffentwicklung beschleunigte, brachte DeepMinds Team sogar eine Anerkennung im Zusammenhang mit dem Nobelpreis ein.

Der neue KI-Co-Wissenschaftler zielt darauf ab, ähnliche Sprünge in die alltägliche Forschungsbrainstorming zu bringen. Während die ersten Anwendungen in der Biomedizin lagen, kann das System im Prinzip auf jeden wissenschaftlichen Bereich angewendet werden – von der Physik bis zur Umweltwissenschaft – da die Methode der Generierung und Überprüfung von Hypothesen disziplinübergreifend ist. Forscher könnten es verwenden, um nach neuen Materialien zu suchen, Klimalösungen zu erforschen oder neue mathematische Theoreme zu entdecken. In jedem Fall ist das Versprechen das gleiche: ein schnellerer Weg von der Frage zur Erkenntnis, potenziell jahrelange Trial-and-Error-Phasen in einen viel kürzeren Zeitraum komprimierend. Das Setzen von Hypothesen ist disziplinübergreifend. Forscher könnten es verwenden, um nach neuen Materialien zu suchen, Klimalösungen zu erforschen oder neue mathematische Theoreme zu entdecken. In jedem Fall ist das Versprechen das gleiche: ein schnellerer Weg von der Frage zur Erkenntnis, potenziell jahrelange Trial-and-Error-Phasen in einen viel kürzeren Zeitraum komprimierend.