Kann KI wirklich verstehen? Wie künstliche Intelligenz die Wissenschaft verändert

Foto: Hal Gatewood auf Unsplash

Künstliche Intelligenz hat die Naturwissenschaften in den vergangenen Jahren spürbar verändert. In der Biologie hat AlphaFold eines der größten Probleme des Fachs gelöst: die Vorhersage der dreidimensionalen Struktur gefalteter Proteine. Dieser Durchbruch brachte John Jumper, Demis Hassabis und David Baker den Nobelpreis für Chemie 2024 ein. In der Chemie ermöglichen KI-Algorithmen die Entdeckung neuartiger Moleküle und Materialien – etwa einen Wirkstoff gegen idiopathische Lungenfibrose, der sich bereits in klinischen Studien befindet. Doch sind Ergebnisse alles, was wir wollen? In der Wissenschaft geht es um mehr: Wir möchten verstehen, wie ein Orakel zu seinen Vorhersagen kommt. Kann KI zu diesem Verstehen beitragen – oder es selbst erlangen?

Was ist wissenschaftliches Verständnis?

Um diese Frage zu beantworten, müssen wir zunächst klären, was wissenschaftliches Verständnis überhaupt ist. Philosophen wie Henk de Regt und Dennis Dieks haben Kriterien entwickelt: Ein Phänomen ist verstanden, wenn es eine verständliche Theorie gibt, deren qualitative Konsequenzen man ohne exakte Berechnungen erkennen kann. Visualisierungen und mechanische Modelle gelten dabei als „Werkzeuge des Verstehens“. Diese Definition ist unabhängig vom verstehenden System – und damit auch auf KI anwendbar.

Drei Rollen der KI in der Wissenschaft

Aus Rückmeldungen von rund 50 Forschenden und dem philosophischen Rahmen ergeben sich drei Rollen der KI:

• KI als rechnergestütztes Mikroskop: Algorithmen führen virtuelle Experimente durch und visualisieren Bereiche, die experimentell nicht zugänglich sind. VR-Brillen und Sonifikation machen komplexe Daten intuitiv erfassbar.
• KI als Inspirationsquelle: KI entdeckt überraschende Zusammenhänge oder generiert neue Forschungsideen. Wissensgraphen aus Millionen Publikationen zeigen unerforschte Verknüpfungen auf – und halfen bereits, interdisziplinäre Kooperationen anzustoßen.
• KI als Akteur des Verstehens: Bislang gibt es keine Belege, dass KI autonom neues Verständnis erlangt. Ein Test könnte sein, ob eine KI einem Menschen ihre Einsichten vermitteln kann – ähnlich einem umgekehrten Turing-Test.

KI als Inspirationsquelle: Wissensgraphen und künstliche Neugier

Ein vielversprechender Ansatz sind Wissensgraphen, die Konzepte aus Fachartikeln verknüpfen. Der Autor erstellte einen Graphen der Quantenphysik mit 750.000 Aufsätzen und 6000 Konzepten. Damit lassen sich Forschungstrends vorhersagen und personalisierte Ideen generieren. In einem Experiment mit über 100 Max-Planck-Gruppenleitungen bewerteten Forschende knapp neun Prozent der KI-Vorschläge als „sehr interessant“. Künstliche Neugier – eine intrinsische Belohnung für unsichere Bereiche – treibt Modelle dazu, besonders komplexe Regionen zu erkunden, was auf Lücken in unseren Theorien hinweist.

Verständliche Ergebnisse: Symbolische Regression

KI kann nicht nur undurchsichtige neuronale Netze, sondern auch interpretierbare Ausgaben liefern. Die symbolische Regression (z.B. PySR) findet kompakte mathematische Formeln, die physikalische Prozesse beschreiben – etwa den Zusammenhang zwischen Galaxienhaufensignalen und ihrer Masse. Auch die Analyse von Netzgewichten kann überraschende Einsichten bringen: Ein neuronales Netz, das Mars- und Mondpositionen vorhersagte, wechselte implizit von einer geozentrischen zu einer heliozentrischen Perspektive.

„Ich habe erst einmal eine Weile am Strand von St Andrews sitzen müssen, um mich von der KI-Entdeckung zu erholen“ – Chris Pickard, Materialwissenschaftler

FAQ

Kann KI wissenschaftliches Verständnis erlangen? Bislang nicht. KI kann als Werkzeug und Inspirationsquelle dienen, aber echtes Verständnis im Sinne der qualitativen Erkenntnis ohne Rechnung wurde noch nicht nachgewiesen.

Was ist ein Wissensgraph? Ein Netzwerk, in dem Knoten wissenschaftliche Konzepte darstellen und Kanten deren gemeinsames Vorkommen in Publikationen. Er hilft, Forschungslücken und Trends zu identifizieren.

Wie testet man, ob eine KI versteht? Ein Vorschlag ist der „Teaching-Test“: Kann eine KI einem Menschen ein Konzept so erklären, dass ein Schiedsrichter nicht zwischen Mensch und Maschine unterscheiden kann?

Fazit

KI verändert die Wissenschaft fundamental – als leistungsfähiges Mikroskop, kreative Inspirationsquelle und zunehmend als potenzieller Lehrer. Die Entwicklung einer „Teacher-AI“, die komplexe Lösungen für Menschen aufbereitet, könnte der nächste große Schritt sein. Für IT-Entscheider bedeutet das: Investitionen in KI-gestützte Forschung zahlen sich nicht nur in Ergebnissen aus, sondern auch in neuen Methoden des Verstehens.