Kunstig intelligens kan meget. Nu er der også kommet et redskab til at formulere de bagvedliggende hypoteser inden for forskning, hvor sundhedsrelaterede emner ofte er komplekse. Et studie har derfor undersøgt, hvor god kunstig intelligens er til at generere selve udgangspunktet: forskningshypotesen.
Professor Samir Bhatt og læge Mark Khurana, Institut for Folkesundhedsvidenskab, Københavns Universitet, kommenterer: »Denne artikel bygger på en længere tradition af forskning, der viser, at formelle strukturerede systemer kan give bedre resultater end menneskelig vurdering alene – lige fra Meehls klassiske arbejde om kliniske versus statistiske prædiktioner til moderne AI-systemer til forskning og beslutningsstøtte. Det centrale spørgsmål er ikke, om AI erstatter forskere eller klinikere, men hvordan, hvornår og under hvilke betingelser den kan bruges til at forbedre forskning og behandling. Artiklen demonstrerer den praktiske værdi af kunstig intelligens inden for forskning, og værktøjer som Co-Scientist vil uden tvivl komme til at supplere den gængse videnskabelige praksis. Mange af de indledende faser i formuleringen og afprøvningen af hypoteser vil blive accelereret af kunstig intelligens, hvilket gør det muligt at evaluere idéer langt hurtigere på et tidligt stadie. Samtidig kan agentbaserede systemer udvide forskeres rækkevidde ved at gøre det muligt at forfølge flere forskningsspor samtidig. Mennesker er dog fortsat afgørende for at definere, hvilke problemer der er vigtige. AI-modeller kan ikke indfange de immaterielle dimensioner af videnskabelig relevans, herunder erfaringer med sygdom eller den samfundsmæssige kontekst, som et forskningsspørgsmål indgår i. Der er desuden veldokumenterede bekymringer om faldende innovation inden for forskning, og AI-systemer, der er trænet på eksisterende litteratur, risikerer at videreføre fejlagtige antagelser eller allerede etablerede tankespor. Det mest interessante spørgsmål bliver derfor, om vi kommer til at omstrukturere selve den videnskabelige proces, eksempelvis ved at delegere visse kognitive opgaver til AI-medforskere, mens andre forbeholdes mennesker. Netop fordi mennesker og maskiner når frem til idéer gennem fundamentalt forskellige processer, kan en sådan arbejdsdeling vise sig at være særligt værdifuld«.
Gottweis J, Weng WH, Daryin A et al. Accelerating scientific discovery with Co-Scientist. Nature. 2026; in press. https://doi.org/10.1038/s41586-026-10644-y
Interessekonflikter ingen
