Eksperter avslører hvordan AI og DeSci kan forandre vitenskapen for alltid

Fagfellevurdering er en viktig del av vitenskapelig forskning. Det spiller en avgjørende rolle i å sikre sannheten og nøyaktigheten av funn før de publiseres. Imidlertid utføres fagfellevurderingsprosessen av mennesker, og mennesker gjør uunngåelig feil. Men nye teknologier kan ha nøkkelen til å fikse dette.

BeInCrypto snakket med YesNoError medgründer Matt Schlicht og Mira Network CEO Magnus Bratt for å forstå hvordan kunstig intelligens (AI) og desentralisert vitenskap (DeSci) smelter sammen for å transformere fagfellevurderte vitenskapelige prosesser. 

Kostnaden ved feilaktig tilsyn

Selv de smarteste menneskene gjør feil. Når det gjelder vitenskap, kan disse feilene ha enorme konsekvenser. Historien – både nylig og gammel – har bevist det gang på gang. 

I 1998 lanserte NASA Mars Climate Orbiter for å studere planetens atmosfære. Prosjektet involverte en investering på $ 125 millioner og nesten 10 måneders reise for å komme dit.

Ved ankomst brant og brøt orbiteren sammen, og NASA betegnet snart oppdraget som mislykket. Det som sved mest var at oppdragets fiasko ble sporet tilbake til en enkel navigasjonsfeil. 

Navigasjonsteamet ledet av Jet Propulsion Laboratory (JPL) brukte metriske enheter i sine beregninger. I mellomtiden ga Lockheed Martin Astronautics, romfartøyets designer og bygger, viktig akselerasjonsdata i engelske enheter.  

Lockheed Martins unnlatelse av å konvertere engelske enheter til metriske forklarte den kritiske feilen som forårsaket at romfartøyet nærmet seg Mars for nært og brant ved ankomst.

“Tradisjonell fagfellevurdering er iboende begrenset av menneskelige feil og subjektivitet. Vurderere kan overse viktige metodologiske feil eller statistiske feil på grunn av individuelle skjevheter, motstridende interesser, eller rett og slett begrensningene ved manuell gransking,” fortalte Bratt til BeInCrypto. 

Påfølgende undersøkelser fant at mangelen på en grundig, uavhengig fagfellevurdering av navigasjonsberegningene bidro til at enhetskonverteringsfeilene gikk ubemerket. Imidlertid har det vært enda nyere tilfeller der fagfellevurderingsmekanismer har unnlatt å adressere slike enkle feil.

En nylig sak om menneskelig feil i vitenskapen

En av de nyeste hendelsene som viser omfanget av menneskelige feil i fagfellevurdert vitenskapelig forskning skjedde i fjor. I oktober avslørte en studie publisert i det miljøkjemiske tidsskriftet Chemosphere at elektroniske flammehemmere er til stede i noen svarte plastprodukter til husholdningen, som kjøkkenredskaper.

Studien førte til en rekke medieoppslag, inkludert artikler i publikasjoner som The Atlantic og National Geographic, som oppfordret forbrukere til å kaste sine svarte plastkjøkkenredskaper. Det utløste også en bølge av offentlig bekymring på sosiale medier. 

Imidlertid, i desember, for 30 cent og på 30 sekunder, fant en OpenAI forespørsel som gjennomgikk studiens funn at forfatterne hadde oversett en null. 

“Vi feilberegnet referansedosen for en 60 kg voksen, og estimerte den først til 42 000 ng/dag i stedet for den korrekte verdien på 420 000 ng/dag,” uttalte rettelsen uttalte.

Den opprinnelige forskningen inneholdt en betydelig feil med en faktor på 10, der en gitt eksponering ble oppgitt til å være 80 % av den lovlige grensen for et bestemt toksin når den faktisk bare var 8 %. Med andre ord, denne feilen overvurderte betydelig eksponeringen for disse toksinene.

“Jeg vil si at den største begrensningen som det er veldig klart at fagfellevurderinger har, er at mennesker gjør feil. Dette er super smarte mennesker. Dette ble publisert overalt. Det gikk i to måneder, og millioner og millioner av mennesker så denne artikkelen, og ingen oppdaget dette. Det viser seg at hvis du tar det papiret og sender det til OpenAIs nyeste modell, sier du enkelt, ‘hei, er det noen feil i dette papiret?’ For omtrent 30 cent og på 30 sekunder, sier det umiddelbart ja,” sa Schlicht.

Som svar på disse hendelsene har tilhengere av AI og DeSci bemerket disse feilene i tradisjonelle tilnærminger til vitenskap.

Nytenkning av fagfellevurdering med AI og DeSci

Konseptet med fagfellevurdering har eksistert i århundrer. Siden starten har det gjennomgått flere endringer.

“Fagfellevurdering var ikke alltid den formelle, anonyme prosessen vi kjenner i dag. I de tidlige dagene av vitenskapelige tidsskrifter (midt på 1600-tallet), bestemte redaktører—som Henry Oldenburg ved Royal Society—hva som skulle publiseres uten å konsultere eksterne eksperter. Over 1700- og 1800-tallet, etter hvert som vitenskapelige fellesskap utvidet seg, utviklet uformelle diskusjoner og interne evalueringer seg gradvis til en mer systematisk praksis. På midten av 1900-tallet, da forskningsproduksjonen eksploderte, tok tidsskrifter i bruk strukturerte, eksterne fagfellevurderinger (ofte med anonyme vurderere) for å bidra til å opprettholde kvalitet og rettferdighet. I dag ser vi en rekke modeller—fra enkelt- og dobbeltblindvurderinger til åpne og etterpubliseringsvurderinger—som reflekterer pågående innsats for å balansere åpenhet, effektivitet og grundighet i et raskt voksende vitenskapelig landskap,” forklarte Bratt.

DeSci har tatt av for å finne Web3-teknologiløsninger for å adressere kritiske utfordringer som oppstår som en del av den tradisjonelle tilnærmingen til vitenskapelig forskning. Som et resultat har AI-agenter blitt en åpenbar løsning på de potensielt katastrofale konsekvensene menneskelige feil kan ha på fagfellevurderingsmekanismer.

“Kunstig intelligens kan automatisk flagge feil, inkonsekvenser og plagiat samtidig som den matcher manuskripter med de mest egnede vurdererne—hjelper til med å redusere skjevhet og lette vurderernes arbeidsbelastning. Desentraliserte vitenskapsplattformer, som bruker blokkjede eller lignende teknologier, kan registrere vurderingshistorier på en gjennomsiktig måte og muliggjøre folkemengdebaserte evalueringer, noe som øker ansvarlighet og tillit. Sammen strømlinjeformer og forbedrer disse verktøyene fagfellevurdering, og sikrer raskere, mer pålitelig kvalitetskontroll,” la han til.

Disse nye teknologiene har også gjort bidrag til vitenskapelig vurdering mer tilgjengelige.

“Desentralisert vitenskap og kunstig intelligens kan i stor grad hjelpe fagfellevurderinger ved å redusere kostnadene for en fagfellevurdering ved å la en AI gjøre det til en brøkdel av kostnaden og i en mye raskere hastighet. DeSci kan gi alle muligheten til å ha uendelige fagfellevurderinger umiddelbart,” sa Schlicht.

Effektivitet, hastighet, desentralisering og kostnadsreduksjoner kan åpne nye veier for å takle komplekse vitenskapelige problemer som hittil har motstått løsninger.

Fremskynde vitenskapelig fremgang med AI

Fremvoksende teknologier som AI tilbyr lovende nye tilnærminger til intrikate vitenskapelige utfordringer, inkludert kreftforskning, menneskelig levetid og Alzheimers sykdom.

Takket være århundrer med menneskelig forskning publiseres millioner av vitenskapelige artikler av tidsskrifter over hele verden i dag, noe som oversettes til enorme datamengder. AI-agenter kan lagre, filtrere gjennom og analysere eksisterende datasett i hastigheter som er umulige for mennesker i dag. 

“Kunstig intelligens transformerer kreftforskning og har et enormt potensial for å fremskynde oppdagelsen av effektive behandlinger. AI-verktøy viser seg allerede å være uvurderlige ved raskt å sile gjennom enorme datasett for å avdekke genetiske markører og nye legemiddelmål, modellere hvordan kreft utvikler seg, og til og med foreslå innovative behandlingskombinasjoner. Disse gjennombruddene akselererer ikke bare de tidlige oppdagelsesfasene, men optimaliserer også design av kliniske studier og forutsier pasientresponser med økende nøyaktighet. Selv om kreft fortsatt er et komplekst sett av sykdommer, gjør AIs voksende innvirkning målet om en kur stadig mer oppnåelig og gir energi til hele forskningsfellesskapet,” fortalte Bratt til BeInCrypto. 

Schlichts YesNoError (YNE) bygde et whitepaper for et desentralisert initiativ som utnytter avanserte store språkmodeller (LLMs) for systematisk å revidere all eksisterende vitenskapelig litteratur. YNE-tokenet er bygget på en økonomisk modell der tokenholdere kan stemme på hvilke prosjekter som bør prioriteres. 

AI-agenter er ansvarlige for å skanne feil som spenner fra enkle beregningsfeil til datamanipulering. Prosjektets bredere mål er å utvikle et verktøy for å verifisere vitenskapelige påstander som er tilgjengelig for forskere, institusjoner og publikum.

“Hvor mange forskningsartikler har blitt skrevet om levetid? La oss si at det er én million. La oss si at du er et laboratorium fokusert på levetid. Størrelsen på teamet ditt som ville være nødvendig fra et menneskelig perspektiv for ikke bare å lese en million artikler, men også nøyaktig analysere dem og syntetisere de dataene, er ikke gjennomførbart i menneskelig skala. Men når du begynner å designe et AI-agentbasert system som kan lese én million artikler i praksis umiddelbart, kan du orkestrere disse AI-ene til å komme til konklusjoner, komme tilbake med syntetisert informasjon, og deretter bringe det til det menneskelige teamet. Så det er en veldig klar måte hvor AI kan hjelpe med å oppnå gjennombrudd i levetid eller ethvert annet vitenskapelig mål,” sa Schlicht.

Andre store aktører begynner å fange opp denne stadig mer populære trenden. Advanced Micro Devices (AMD) og forskere ved Johns Hopkins University utviklet nylig Agent Laboratory. Dette AI-rammeverket er designet for å automatisere viktige deler av vitenskapelig forskning.

Dette systemet bruker store språkmodeller for å gjennomføre litteraturgjennomganger, designe eksperimenter og generere rapporter, inkludert kode og dokumentasjon. Det er imidlertid ikke desentralisert eller basert på en tokenmodell. Innledende resultater antyder at rammeverket kan redusere forskningskostnader med 84 % sammenlignet med andre automatiserte metoder uten å gå på kompromiss med forskningskvaliteten.

Likevel, hvis andre prosjekter i kryptosektoren har til hensikt å utvikle lignende prosjekter, kan AI i DeSci til slutt ha en lovende fremtid. 

DeSci markedspotensial

I følge CoinGecko er DeSci markedsverdi $ 1,05 milliarder i skrivende stund. I løpet av det siste året har sektoren vist jevn vekst og konstant innovasjon. Mange av de nyere prosjektene har raskt blitt store aktører.

Schlicht og Bratt spår at markedsstørrelsen for desentralisert vitenskap vil vokse eksponentielt.

“Jeg tror at om 10 år kan markedsverdien av DeSci være godt over 10 000 ganger det den er nå. På grunn av kombinasjonen av kunstig intelligens, desentralisering og tokens, er vitenskapen i ferd med å øke eksponentielt i gjennombrudd,” sa Schlicht.

Til det la Bratt til: 

“Hvis det lykkes, kan det lett bli 5-10 % av det globale markedet for vitenskapelig forskning som allerede er i billioner.”

De forventer imidlertid også at DeSci vil møte motstand fra tradisjonelle medisinske og vitenskapelige lobbyer. 

Finansiering av vitenskapelig forskning

Mens vitenskapelig forskning kan finansieres gjennom tilskudd fra ulike offentlige etater, institusjoner og stiftelser, er det for det meste finansiert av private selskaper. 

En rapport fra UCLA i 2023 indikerer at nesten 80 % av de omtrent $ 57 milliarder brukt på kreftforskning i USA i 2021 kom fra privat sektor, hovedsakelig store farmasøytiske selskaper. Den rapporterte også begrenset deling av forskningsresultater.

“Det er etablerte interesser som kan lobbyere for å forby slike markedsaktiviteter for å beskytte eksisterende aktører,” sa Bratt.

For Schlicht presenterer DeSci en mulighet til å utfordre private interesser.

“Tidligere har selskaper kunnet kontrollere hvilken forskning som blir finansiert. DeSci forstyrrer dette og lar hvem som helst få finansiering hvis folk tror at ideen deres er god,” sa han.

Siden blokkjede-teknologi tillater anonymitet og prioriterer personvern, hevder han at innovatører vil være vanskeligere å spore opp. 

“Jeg tror ikke at lobbyister vil kunne stoppe DeSci. Den neste Einstein kan være anonym. Det kan være noen med en pingvin-avatar, eller et froskeprofilbilde. Det kan være noen med en NFT som profil, og en rekke tall i navnet sitt. Lobbyister kan ikke engang finne dem, fordi de ikke vet hvem de er, og de er finansiert på en desentralisert måte. De har til og med et team av andre pseudonyme personer som jobber med dem, både mennesker og AI-er,” sa Schlicht.

Men før man vurderer en potensiell rivalisering mellom tradisjonelle medisinske lobbyister og innovatører innen desentralisert vitenskap, er DeSci fortsatt på vei mot modenhet. 

Til syvende og sist tilbyr konvergensen av AI og desentralisert vitenskap et kraftig nytt paradigme for vitenskapelig forskning. Denne muligheten har potensial til å forbedre påliteligheten og effektiviteten av fagfellevurdering, demokratisere tilgang til finansiering og akselerere gjennombrudd på tvers av ulike vitenskapelige fronter.

Å overvåke fremgangen til AI og desentralisert vitenskap vil være essensielt for å integrere disse teknologiene ansvarlig i vitenskapelig forskning.