AI en wetenschappelijk bewijs: het transformatieve onderzoek van Rodrigo Ochigame

Het project onderzoekt hoe onderzoekers herdefiniëren wat aanvaardbaar bewijs is op drie belangrijke gebieden: pure wiskunde, deeltjesfysica en kosmologie, en klimaatwetenschap. Ochigame: “Dit is niet alleen belangrijk voor antropologen en experts in wetenschaps- en technologiestudies zoals ik, maar ook voor wetenschappers op allerlei terreinen, die snel moeten weten welke AI-methoden betrouwbaar zijn, waarvoor ze ze kunnen gebruiken en waarom. Dat”.

Aftrek in de wiskunde

In de wiskunde maakt AI nieuwe vormen van deductie mogelijk. Wiskundigen proberen steeds vaker stellingen te ontdekken en te bewijzen met behulp van kunstmatige intelligentietechnieken. Maar wat als een reeks computergegenereerde gevolgtrekkingen zo lang en complex is dat niemand het kan begrijpen? Moet het dan als een “test” worden beschouwd? Sommige wiskundigen beschouwen computerondersteunde bewijzen als bewijs, omdat computers zogenaamd geen fouten maken bij het verifiëren ervan. Anderen zijn het daar niet mee eens en zeggen dat een dergelijk resultaat zinloos is, met het argument dat onderzoek zou moeten helpen wiskundige ideeën beter te begrijpen, en niet alleen mechanisch meer bewijs zou moeten opleveren.

Observatie in de natuurkunde

In de natuurkunde voeden AI-methoden zoals machinaal leren debatten over wat telt als waarneembaar bewijs. Natuurkundigen debatteren over het gebruik van AI in hun onderzoek, bijvoorbeeld om nieuwe deeltjes te detecteren of zwarte gaten in beeld te brengen. Een belangrijk twistpunt is dat AI-ondersteunde resultaten vaak geen ‘directe’ observaties zijn. Ze worden vaak gegenereerd door algoritmen die al bepaalde theoretische aannames bevatten.

Voorspelling in de klimaatwetenschap

In de klimaatwetenschap onderzoekt Ochigame hoe onderzoekers lastige voorspellingen doen. Bij het maken van computermodellen om de toekomst van complexe ecosystemen zoals het Amazonegebied te voorspellen, moeten wetenschappers rekening houden met extreme scenario’s die nog nooit eerder zijn gebeurd. Daarom kunnen ze niet uitsluitend op bestaande gegevens vertrouwen. Op het gebied van AI is er een gebrek aan ‘grondwaarheidsgegevens’ waaruit we kunnen putten. Dit gebrek aan betrouwbare gegevens is een groot probleem in alle onderzoeken van Ochigame.

Omdat deductie, observatie en voorspelling fundamenteel zijn voor verschillende wetenschapsgebieden, wil Ochigame bijdragen aan een beter begrip van hoe AI de productie van wetenschappelijke kennis verandert.