Ich glaube, dass chatgpt jeden um 30 Prozent schlauer machen kann – das ist beeindruckend“, sagte Michael Levitt, der in Südafrika geborene Biophysiker, der 2013 den Nobelpreis für Chemie erhielt.

„Es ist ein Gesprächspartner, der einen dazu bringt, über den Tellerrand zu schauen, oder ein Forschungsteam, das eine Million Bücher und viele Millionen Zeitschriftenartikel gelesen hat.“

A Pionier der Computermodellierung von MolekülenLevitt lässt sich von der technischen Zauberei nicht so leicht blenden, gibt jedoch zu, dass er von den großen Sprachmodellen beeindruckt war, die im vergangenen Jahr entstanden sind. „So etwas habe ich in meinem Leben nicht erwartet – es ist ein sehr mächtiges Werkzeug. Ich schreibe immer noch jeden Tag Code, aber ChatGPT schreibt auch sehr gut Programme“, sagte er.

Basierend auf Universität in Stanford, hat der Biophysiker aus erster Hand gesehen, wie Technologie die Art und Weise, wie auf Wissen zugegriffen wird, schnell verändern kann – aber nichts sei mit dem Potenzial von LLMs vergleichbar, betonte er. „Ich begann 1998 mit der Nutzung von google – zwei Jahre bevor es öffentlich veröffentlicht wurde –, weil sein Gründer Sergey Brin in meiner Klasse war. Ein sehr kluger Kerl, der meinen Vorschlag, daraus einen Abonnementdienst zu machen, abgelehnt hat. Google verfügt über ähnliche umwerfende Kräfte, aber ChatGPT ist noch wirkungsvoller“, sagte er.

Die sogenannten Halluzinationen von ChatGPT – bei denen es fiktive wissenschaftliche Arbeiten und Autoren erfindet – beunruhigen einige Wissenschaftler, aber Levitt war nicht beunruhigt und meinte, dass Forscher in der Lage sein sollten, problematische Ergebnisse zu erkennen. „Es ist, als hätte man einen unglaublich klugen Freund, der nicht immer die Wahrheit sagt – wir sind in der Lage, diese Fehler zu erkennen. Die Hälfte der Arbeit der Wissenschaftler ist fehlerhaft, aber wir sind gut darin, die Daten zu sortieren“, sagte er.

Diese Begeisterung für KI als Hilfsmittel für die Forschung teilt Martin Chalfie, der Universität von Columbia Biochemiker, der 2008 den Chemie-Nobelpreis erhielt. „Ich besuchte kürzlich meinen Arzt und er führte alle üblichen Untersuchungen durch und stellte seine Diagnose, erwähnte aber, dass er auch KI verwendet hatte, um die Ergebnisse zu analysieren – ich wäre fast aufgestanden und hätte gejubelt“, erinnert sich Chalfie, der für seine Arbeiten zu fluoreszierenden grünen Proteinen bekannt ist Wird für die mikroskopische Bildgebung verwendet.

„Er hat alles getan, was ein Arzt tut, aber auch eine zweite Meinung eingeholt, was ihn vielleicht dazu bringen könnte, anders zu denken“, fügte er hinzu und zog eine Parallele dazu, wie Forscher KI nutzen könnten, um anders über ihre Ergebnisse zu denken. „Natürlich wäre ich nicht glücklich gewesen, wenn mein Arzt vorgeschlagen hätte, mich an ein Gerät anzuschließen und es über meine Behandlung entscheiden zu lassen. Aber das passiert in der Forschung nicht – ich verstehe nicht, warum Sie diese Art von Unterstützung nicht wünschen sollten.“

Andere Nobelpreisträger sind jedoch nicht ganz davon überzeugt, dass die Ergebnisse von ChatGPT und anderen Chatbots, die den gesamten Korpus wissenschaftlicher Literatur scannen, als reines Gut behandelt werden sollten. In einer Diskussion in diesem Sommer beim jährlichen Lindauer Nobelpreisträgertreffen, bei dem sich Dutzende Nobelpreisträger in der süddeutschen Inselstadt Lindau versammelten, machte sich der israelische Chemiepreisträger Avram Hershko Sorgen dass die Forscher den Erkenntnissen zu sehr vertrauten bereitgestellt von LLMs.

„Wir müssen wissen, welche Datensätze es verwendet – es sollte transparent sein“, sagte Hershko, der bei arbeitet Technion Israel Institute of Technology. Die Regulierung sollte von LLMs verlangen, „anzugeben, wie hoch der Sicherheitsspielraum ist“ oder zumindest wissenschaftliche Arbeiten mit widersprüchlichen Schlussfolgerungen anzuerkennen, die Forscher dazu veranlassen könnten, andere Ansichten einzuholen, argumentierte er.

Allerdings werde KI in den kommenden Jahren eine wichtige Kraft für das Gute sein, prognostizierte Hershko. Andere gehen noch einen Schritt weiter und sagen, dass das Nobelkomitee ernsthaft darüber nachdenken sollte, seine Regeln zu ändern, um KI – oder zumindest KI-Forschern – die Möglichkeit zu geben, den höchsten Preis der Wissenschaft zu gewinnen. Die AlphaFold-Technologie von DeepMind, die löste das „Proteinfaltungsproblem“ Das ist ein gutes Beispiel für einen disziplinverändernden Fortschritt, der förderfähig sein sollte, sagen einige.

„Der Nobelpreis lebt von seinem Ruf, und seine Geschichte ist ihnen sehr wichtig. Deshalb verstehe ich, warum sein Komitee ihn nicht an einen Computer vergeben möchte – es ist derselbe Preis, den Albert Einstein vor einem Jahrhundert gewonnen hat“, sagte Levitt. „Aber es ist eine berechtigte Frage, denn KI hat alles verändert.“

Tatsächlich ist die Frage, ob eine künstliche Intelligenz einen Nobelpreis gewinnen wird, umstritten, da es bereits mehrere festgenagelte zukünftige Nobelpreise gibt, die stark von der Technologie abhängen, sagte Shwetak Patel, Gewinner des ACM-Preises für Informatik 2018. eine Auszeichnung in Höhe von 250.000 US-Dollar Dieser Preis wird an herausragende Forscher am Anfang und in der Mitte der Karriere verliehen und ist nach dem mit einer Million US-Dollar dotierten Turing Award der ACM der zweithöchste Preis in der Informatik. Er wird als „Nobelpreis der Informatik“ bezeichnet.

„Wer auch immer den Nobelpreis für den COVID-Impfstoff erhält, wird sicherlich KI eingesetzt haben, die für die schnelle Sequenzierung des SARS-CoV-2-Genoms von entscheidender Bedeutung war“, sagte Patel, Direktor der Google-Abteilung für Gesundheitstechnologien und Stiftungsprofessor für Informatik und Elektrotechnik an der Universität von Washington.

Sein Forschungsgebiet – das Sammeln von Gesundheitsdaten mithilfe von Mobiltelefonen und tragbaren Technologien wie Smartwatches – habe sich in den letzten Monaten durch das Aufkommen von LLMs verändert, gibt er zu. Die von seinem Labor entwickelten Methoden zur Überwachung der Herzfrequenz eines Patienten oder zur Überprüfung des Insulinspiegels im Blut mithilfe von Standard-Handykameras oder zur Überprüfung auf Tuberkulose mithilfe des Mikrofons eines Telefons sind zweifellos aufregende Innovationen, aber der amerikanische Informatiker erklärte, dass sie ein großes Hindernis dafür darstellen Eine Art Forschung bestand darin, die Berge von Echtzeitdaten zu verarbeiten, die von digitalen Geräten eintrafen. Dank eines LLM mussten Forscher die eingehenden Datensätze nicht mehr als Algorithmen kodieren und konnten diese Daten mit minimalem Schulungsaufwand verarbeiten und sogar interpretieren, sagte Patel.

„Es ist fast so genau wie das System, an dessen Entwicklung wir fünf Jahre lang gearbeitet haben“, fügte er hinzu.

Da LLMs in der Lage sind, Daten von tragbaren Geräten zu analysieren und zu interpretieren, könnten Gesundheitsforscher, die es gewohnt sind, eine Handvoll Patienten zu überprüfen, bald Daten von Millionen von Menschen erhalten, erklärte Patel.

„Das ist unglaublich nützlich, wenn man „Long-Tail“-Probleme angehen möchte, wie zum Beispiel die Diagnose seltener Krankheiten, bevor Symptome auftreten – wir konnten bereits ein Modell trainieren, um ein bestimmtes Gesundheitsproblem auf der Grundlage von nur drei Dingen zu finden, nach denen wir gesucht haben denn in den Daten“, sagte er.

Laut Patel wird die Kombination von KI mit den allgegenwärtigen digitalen Geräten des modernen Lebens „die Grenzen dessen, was die Forschung erreichen kann, auf beispiellose Weise verschieben“. Er fügte hinzu, dass LLM-fähige Geräte auch zur Erstellung maßgeschneiderter Fitness- und Ernährungspläne zur Verbesserung der öffentlichen Gesundheit genutzt werden könnten.

„Anstatt den Menschen zu sagen, dass sie sich bewegen oder weniger essen sollen, sollten Gesundheitsministerien Smartwatches verteilen, und die KI würde sehr spezifische Fitness- und Ernährungspläne erstellen, die auf der Persönlichkeit und den Routinen des Einzelnen basieren – wenn diese auf Ihr Telefon zugreifen könnten, dann auf jeden Gesundheitsplan.“ würde auf diese Person zugeschnitten sein und die Wahrscheinlichkeit erhöhen, dass sie erfolgreich ist“, sagte er.

Einige Experten haben sich öffentlich gefragt, ob eine verringerte wissenschaftliche Produktivität heute die Norm in der modernen Wissenschaft ist, mit größeren Teams, teurerer Ausrüstung und mehr Zeit, die benötigt wird, um wirklich neuartige Ideen zu finden, die weitaus weniger Wirkung haben als Durchbrüche der Vergangenheit; eine Studie aus dem Jahr 2020 in der Amerikanischer Wirtschaftsberichtmit dem Titel „Sind Ideen schwerer zu finden?“ habe das geschätzt Die wissenschaftliche Produktivität beträgt etwa 3 Prozent des Niveaus der 1930er Jahre.

Wie Levitt konnte auch Patel nicht mehr widersprechen. „Diese Art von Forschung hat in den letzten Jahren explosionsartig zugenommen, aber in den letzten Monaten hat sie wirklich ein neues Niveau erreicht“, sagte er. „Jetzt ist die aufregendste Zeit, Forscher zu sein.“