Eksperter afslører, hvordan AI og DeSci kan omforme videnskaben for altid

Peer review er en vigtig del af videnskabelig research. Det spiller en afgørende rolle i at sikre sandheden og nøjagtigheden af resultater, før de bliver offentliggjort. Men peer review-processen udføres af mennesker, og mennesker laver uundgåeligt fejl. Men nye teknologier kan måske være nøglen til at løse dette.

BeInCrypto talte med YesNoError medstifter Matt Schlicht og Mira Network direktør Magnus Bratt for at forstå, hvordan kunstig intelligens (AI) og decentraliseret videnskab (DeSci) smelter sammen for at transformere peer-reviewede videnskabelige processer. 

Kursen for mangelfuld overvågning

Selv de klogeste mennesker laver fejl. Når det kommer til videnskab, kan disse fejl have enorme konsekvenser. Historien – både ny og gammel – har bevist det gang på gang. 

I 1998 sendte NASA Mars Climate Orbiter afsted for at studere planetens atmosfære. Projektet involverede en investering på 125 millioner dollars og næsten 10 måneders rejse for at nå dertil.

Ved ankomsten brændte orbiteren op og brød sammen, og NASA erklærede hurtigt missionen som mislykket. Det, der gjorde mest ondt, var, at missionens fiasko blev sporet tilbage til en simpel navigationsfejl. 

Navigationsteamet ledet af Jet Propulsion Laboratory (JPL) brugte metriske enheder i deres beregninger. I mellemtiden leverede Lockheed Martin Astronautics, rumfartøjets designer og bygger, vigtige accelerationsdata i engelske enheder.  

Lockheed Martins manglende omregning af engelske enheder til metriske forklarede den kritiske fejl, der fik rumfartøjet til at nærme sig Mars for tæt og brænde op ved ankomsten.

“Traditionel peer review er i sagens natur begrænset af menneskelige fejl og subjektivitet. Anmeldere kan overse vigtige metodologiske fejl eller statistiske fejl på grund af individuelle fordomme, modstridende interesser eller simpelthen begrænsningerne ved manuel gennemgang,” sagde Bratt til BeInCrypto. 

Efterfølgende undersøgelser fandt, at manglen på en grundig, uafhængig peer review af navigationsberegningerne bidrog til, at enhedsomregningsfejlene gik ubemærket hen. Men der har været endnu nyere tilfælde, hvor peer review-mekanismer har undladt at adressere sådanne simple fejl.

En nylig sag om menneskelig fejl i videnskaben

En af de mest nylige begivenheder, der viser omfanget af menneskelige fejl i peer-reviewet videnskabelig research, skete sidste år. I oktober afslørede en undersøgelse offentliggjort i det miljøkemiske tidsskrift Chemosphere, at elektroniske flammehæmmere er til stede i nogle sorte plastikhusholdningsprodukter, såsom køkkenredskaber.

Undersøgelsen førte til adskillige medieomtaler, herunder artikler i medier som The Atlantic og National Geographic, der opfordrede forbrugere til at kassere deres sorte plastikkøkkenredskaber. Det udløste også en bølge af offentlig bekymring på sociale medier. 

Men i december, for 30 cent og på 30 sekunder, fandt en OpenAI forespørgsel, der gennemgik undersøgelsens resultater, at forfatterne havde overset et nul. 

“Vi fejlvurderede referencen for en 60 kg voksen, idet vi oprindeligt estimerede den til 42.000 ng/dag i stedet for den korrekte værdi på 420.000 ng/dag,” stod der.

Den oprindelige research indeholdt en markant faktor-10 fejl, hvor en given eksponering blev angivet til at være 80% af den lovlige grænse for en bestemt gift, når den kun var 8%. Med andre ord overvurderede denne fejl eksponeringen for disse giftstoffer betydeligt.

“Jeg vil sige, at den største begrænsning, som det er meget klart, at peer reviews har, er, at mennesker begår fejl. Disse er super smarte mennesker. Det blev offentliggjort overalt. Det kørte i to måneder, og millioner og atter millioner af mennesker så denne artikel, og ingen opdagede det. Det viser sig, at hvis du tager det papir og sender det til OpenAI’s nyeste model, siger du simpelthen, ‘hey, er der nogen fejl i dette papir?’ For omkring 30 cent og på 30 sekunder siger den straks ja,” sagde Schlicht.

Som svar på disse begivenheder har fortalere for kunstig intelligens og DeSci bemærket disse mangler i traditionelle tilgange til videnskab.

gentænke peer review med kunstig intelligens og DeSci

Konceptet med peer review har eksisteret i århundreder. Siden dets begyndelse har det gennemgået flere ændringer.

“Peer review var ikke altid den formelle, anonyme proces, vi kender i dag. I de tidlige dage af videnskabelige tidsskrifter (midt-1600-tallet) besluttede redaktører—som Henry Oldenburg ved Royal Society—hvad der skulle offentliggøres uden at konsultere eksterne eksperter. Over det 18. og 19. århundrede, efterhånden som videnskabelige samfund udvidede sig, udviklede uformelle diskussioner og interne evalueringer sig gradvist til en mere systematisk praksis. I midten af det 20. århundrede, da forskningsproduktionen eksploderede, indførte tidsskrifter struktureret, ekstern peer review (ofte med anonyme anmeldere) for at hjælpe med at opretholde kvalitet og retfærdighed. I dag ser vi en række modeller—fra enkelt- og dobbeltblindede anmeldelser til åbne og post-publicerede anmeldelser—der afspejler løbende bestræbelser på at balancere gennemsigtighed, effektivitet og stringens i et hurtigt voksende videnskabeligt landskab,” forklarede Bratt.

DeSci har taget fart for at finde Web3-teknologiløsninger til at adressere kritiske udfordringer, der opstår som en del af den traditionelle tilgang til videnskabelig forskning. Som et resultat er AI-agenter blevet en åbenlys løsning på de potentielt katastrofale konsekvenser, menneskelige fejl kan have på peer review-mekanismer.

“Kunstig intelligens kan automatisk markere fejl, uoverensstemmelser og plagiat, mens den matcher manuskripter med de mest egnede anmeldere—hjælper med at reducere bias og lette anmelderens arbejdsbyrde. Decentraliserede videnskabsplatforme, der bruger blockchain eller lignende teknologier, kan registrere anmeldelseshistorikker gennemsigtigt og muliggøre crowd-sourced evalueringer, hvilket øger ansvarlighed og tillid. Sammen strømliner og forbedrer disse værktøjer peer review, hvilket sikrer hurtigere, mere pålidelig kvalitetskontrol,” tilføjede han.

Disse nye teknologier har også gjort bidrag til videnskabelig gennemgang mere tilgængelige.

“Decentraliseret videnskab og kunstig intelligens kan i høj grad hjælpe peer reviews ved at sænke omkostningerne ved en peer review ved at lade en AI gøre det til en brøkdel af prisen og med en meget hurtigere hastighed. DeSci kan give alle muligheden for at have uendelige peer reviews øjeblikkeligt,” sagde Schlicht.

Effektivitet, hastighed, decentralisering og omkostningsreduktioner kan åbne nye veje til at tackle komplekse videnskabelige problemer, der hidtil har modstået løsninger.

accelererende videnskabelige fremskridt med kunstig intelligens

Nye teknologier som AI tilbyder lovende nye tilgange til indviklede videnskabelige udfordringer, herunder kræftforskning, menneskelig levetid og Alzheimers sygdom.

Takket være århundreders menneskelig forskning udgives millioner af videnskabelige artikler af tidsskrifter verden over i dag, hvilket oversættes til enorme mængder data. AI-agenter kan gemme, filtrere og analysere eksisterende datasæt i hastigheder, der er umulige for mennesker i dag. 

“Kunstig intelligens transformerer kræftforskning og har et enormt potentiale for at fremskynde opdagelsen af effektive behandlinger. AI-værktøjer viser sig allerede uvurderlige ved hurtigt at gennemgå enorme datasæt for at finde genetiske markører og nye lægemiddelmål, modellere hvordan kræft udvikler sig og endda foreslå innovative behandlingskombinationer. Disse gennembrud accelererer ikke kun de tidlige opdagelsesfaser, men optimerer også design af kliniske forsøg og forudsiger patientreaktioner med stigende nøjagtighed. Selvom kræft forbliver et komplekst sæt af sygdomme, gør AI’s voksende indflydelse målet om en kur stadig mere opnåelig og giver hele forskningssamfundet ny energi,” fortalte Bratt til BeInCrypto. 

Schlichts YesNoError (YNE) byggede et whitepaper for en decentraliseret initiativ, der udnytter avancerede store sprogmodeller (LLM’er) til systematisk at gennemgå al eksisterende videnskabelig litteratur. YNE-tokenet er bygget på en økonomisk model, hvor token-indehavere kan stemme om, hvilke projekter der skal have prioritet. 

AI-agenter er ansvarlige for at scanne fejl, der spænder fra simple beregningsfejl til datafalsifikation. Projektets bredere mål er at udvikle et værktøj til at verificere videnskabelige påstande, der er tilgængeligt for forskere, institutioner og offentligheden.

“Hvor mange forskningsartikler er blevet skrevet om levetid? Lad os sige, det er en million. Lad os sige, at du er et laboratorium fokuseret på levetid. Størrelsen af dit team, der ville være nødvendigt fra et menneskeligt perspektiv for ikke kun at læse en million artikler, men også nøjagtigt analysere dem og syntetisere de data, er ikke muligt på en menneskelig skala. Men når du begynder at designe et AI-agent system, der kan læse en million artikler stort set øjeblikkeligt, kan du orkestrere disse AI’er til at komme til konklusioner, komme tilbage med syntetiseret information og derefter bringe det til det menneskelige team. Så det er en meget klar måde, hvorpå AI kan hjælpe med at opnå gennembrud i levetid eller ethvert andet videnskabeligt mål,” sagde Schlicht.

Andre store aktører begynder at fange denne stadig mere populære trend. Advanced Micro Devices (AMD) og forskere fra Johns Hopkins University har for nylig udviklet Agent Laboratory. Denne AI-ramme er designet til at automatisere nøgledele af videnskabelig forskning.

Dette system bruger store sprogmodeller til at udføre litteraturgennemgange, designe eksperimenter og generere rapporter, inklusive kode og dokumentation. Men det er ikke decentraliseret eller baseret på en tokenmodel. Indledende resultater antyder, at rammen kan reducere forskningsomkostningerne med 84% sammenlignet med andre automatiserede metoder uden at gå på kompromis med forskningskvaliteten.

Men hvis andre projekter i kryptosektoren har til hensigt at udvikle lignende projekter, kan AI i DeSci i sidste ende have en lovende fremtid. 

DeSci’s lyse fremtid

Ifølge CoinGecko er DeSci-markedets kapitalisering 1,05 milliarder dollars i øjeblikket. I det forgangne år har sektoren vist stabil vækst og konstant innovation. Mange af de nyere projekter er hurtigt blevet store aktører.

Schlicht og Bratt forudser, at markedets størrelse for decentraliseret videnskab vil vokse eksponentielt.

“Jeg tror, at om 10 år kan DeSci’s markedsværdi være langt over 10.000 gange, hvad den er nu. På grund af kombinationen af kunstig intelligens, decentralisering og tokens er videnskaben ved at øge eksponentielt i gennembrud,” sagde Schlicht.

Til det punkt tilføjede Bratt: 

“Hvis det lykkes, kan det nemt blive 5-10% af det globale videnskabelige forskningsmarked, som allerede er i billioner.”

Men de forventer også, at DeSci vil møde modstand fra traditionelle medicinske og videnskabelige lobbyer. 

At stå over for status quo

Mens videnskabelig forskning kan finansieres gennem tilskud fra forskellige offentlige myndigheder, institutioner og fonde, er det for det meste finansieret af private virksomheder. 

En 2023 UCLA rapport indikerer, at næsten 80% af de cirka 57 milliarder dollars, der blev brugt på kræftforskning i USA i 2021, kom fra den private sektor, primært store medicinalfirmaer. Den rapporterede også begrænset deling af forskningsresultater.

“Der er interesser, der kan lobbye for at forbyde sådanne markedsaktiviteter for at beskytte de etablerede aktører,” sagde Bratt.

For Schlicht præsenterer DeSci en mulighed for at trodse private interesser.

“Tidligere har virksomheder været i stand til at kontrollere, hvilken forskning der bliver finansieret. DeSci forstyrrer det og tillader alle at få finansiering, hvis folk tror, at deres idé er god,” sagde han.

Da blockchain-teknologi tillader anonymitet og prioriterer privatliv, argumenterer han for, at innovatorer vil være sværere at spore. 

“Jeg tror ikke, at lobbyister vil være i stand til at stoppe DeSci. Den næste Einstein kan være anonym. Det kan være en person med en pingvin-avatar eller et frø-profilbillede. Det kan være en person med en NFT som deres profil og en masse tal i deres navn. Lobbyister kan ikke engang finde dem, fordi de ikke ved, hvem de er, og de er finansieret på en decentraliseret måde. De har endda et team af andre pseudonyme personer, der arbejder med dem, både mennesker og AI’er,” sagde Schlicht.

Men før man overvejer en potentiel rivalisering mellem traditionelle medicinske lobbyister og innovatorer i decentraliseret videnskab, er DeSci stadig på vej mod modenhed. 

Til sidst tilbyder konvergensen af AI og decentraliseret videnskab et kraftfuldt nyt paradigme for videnskabelig forskning. Denne mulighed har potentialet til at forbedre pålideligheden og effektiviteten af peer review, demokratisere adgangen til finansiering og fremskynde gennembrud på tværs af forskellige videnskabelige fronter.

At overvåge fremskridtene inden for kunstig intelligens og decentraliseret videnskab vil være afgørende for ansvarligt at integrere disse teknologier i videnskabelig forskning.