Experten zeigen, wie KI und DeSci die Wissenschaft für immer verändern können

Peer Review ist ein wichtiger Teil der wissenschaftlichen Forschung. Es spielt eine entscheidende Rolle dabei, die Richtigkeit und Genauigkeit von Ergebnissen sicherzustellen, bevor sie veröffentlicht werden. Allerdings wird der Peer-Review-Prozess von Menschen durchgeführt, und Menschen machen unvermeidlich Fehler. Aber neue Technologien könnten der Schlüssel zur Behebung dieses Problems sein.

BeInCrypto sprach mit YesNoError-Mitgründer Matt Schlicht und Mira Network-CEO Magnus Bratt, um zu verstehen, wie künstliche Intelligenz (KI) und dezentrale Wissenschaft (DeSci) zusammenkommen, um den peer-reviewten wissenschaftlichen Prozess zu transformieren.

Der Kurs von fehlerhafter Überwachung

Sogar die klügsten Menschen machen Fehler. Wenn es um Wissenschaft geht, können diese Fehler enorme Konsequenzen haben. Die Geschichte – sowohl die jüngere als auch die ältere – hat das immer wieder bewiesen.

1998 startete die NASA den Mars Climate Orbiter, um die Atmosphäre des Planeten zu untersuchen. Das Projekt umfasste eine Investition von 125 Millionen USD und fast 10 Monate Reisezeit, um dorthin zu gelangen.

Bei seiner Ankunft verbrannte der Orbiter und brach zusammen, und die NASA erklärte die Mission bald als erfolglos. Was am meisten schmerzte, war, dass das Scheitern der Mission auf einen einfachen Navigationsfehler zurückgeführt wurde.

Das Navigationsteam unter der Leitung des Jet Propulsion Laboratory (JPL) verwendete metrische Einheiten in ihren Berechnungen. In der Zwischenzeit lieferte Lockheed Martin Astronautics, der Designer und Erbauer des Raumfahrzeugs, wichtige Beschleunigungsdaten in englischen Einheiten.

Lockheed Martins Versäumnis, englische Einheiten in metrische umzurechnen, erklärte den kritischen Fehler, der dazu führte, dass das Raumfahrzeug Mars zu nahe kam und bei der Ankunft verbrannte.

„Traditionelles Peer Review ist von Natur aus durch menschliche Fehler und Subjektivität begrenzt. Gutachter können wesentliche methodische Mängel oder statistische Fehler übersehen, aufgrund individueller Vorurteile, Interessenkonflikte oder einfach der Grenzen manueller Überprüfung”, sagte Bratt zu BeInCrypto.

Nachfolgende Untersuchungen ergaben, dass das Fehlen einer rigorosen, unabhängigen Peer Review der Navigationsberechnungen dazu beitrug, dass die Einheitenumrechnungsfehler unbemerkt blieben. Es gab jedoch noch jüngere Fälle, in denen Peer-Review-Mechanismen solche einfachen Fehler nicht beheben konnten.

Ein aktueller Fall von menschlichem Fehler in der Wissenschaft

Eines der jüngsten Ereignisse, das das Ausmaß menschlicher Fehler in peer-reviewten wissenschaftlichen Forschungen verdeutlicht, ereignete sich letztes Jahr. Im Oktober wurde in der Zeitschrift für Umweltchemie Chemosphere eine Studie veröffentlicht, die zeigte, dass elektronische Flammschutzmittel in einigen schwarzen Plastikhaushaltsprodukten, wie Küchenutensilien, vorhanden sind.

Die Studie führte zu zahlreichen Medienberichten, darunter Artikel in Publikationen wie The Atlantic und National Geographic, die Verbraucher dazu aufforderten, ihre schwarzen Plastik-Küchenutensilien zu entsorgen. Sie löste auch eine Welle öffentlicher Besorgnis in den sozialen Medien aus.

Im Dezember jedoch fand eine OpenAI-Abfrage, die die Ergebnisse der Studie überprüfte, in 30 Sekunden und für 30 Cent heraus, dass die Autoren eine Null übersehen hatten.

„Wir haben die Referenzdosis für einen 60-kg-Erwachsenen falsch berechnet und sie zunächst auf 42.000 ng/Tag statt auf den korrekten Wert von 420.000 ng/Tag geschätzt”, erklärte die Korrektur erklärte.

Die ursprüngliche Forschung enthielt einen erheblichen Fehler um den Faktor 10, bei dem eine bestimmte Exposition mit 80 % des gesetzlichen Grenzwerts für ein bestimmtes Toxin angegeben wurde, obwohl es nur 8 % waren. Mit anderen Worten, dieser Fehler überschätzte die Exposition gegenüber diesen Toxinen erheblich.

„Ich würde sagen, dass die Nummer eins Einschränkung, die sehr klar ist, dass Peer-Reviews haben, ist, dass Menschen Fehler machen. Das sind super schlaue Leute. Das wurde überall veröffentlicht. Es ging zwei Monate lang, und Millionen und Abermillionen von Menschen sahen diesen Artikel, und niemand bemerkte das. Es stellt sich heraus, dass, wenn du dieses Papier nimmst und es an das neueste Modell von OpenAI sendest, du einfach sagst: ‚Hey, gibt es irgendwelche Fehler in diesem Papier?‘ Für etwa 30 Cent und in 30 Sekunden sagt es sofort ja”, sagte Schlicht.

Als Reaktion auf diese Ereignisse haben Befürworter von KI und DeSci diese Mängel in traditionellen Ansätzen zur Wissenschaft festgestellt.

Peer-Review mit KI und DeSci neu denken

Das Konzept des Peer-Reviews gibt es seit Jahrhunderten. Seit seiner Einführung hat es mehrere Veränderungen durchlaufen.

„Peer-Review war nicht immer der formale, anonyme Prozess, den wir heute kennen. In den frühen Tagen wissenschaftlicher Zeitschriften (Mitte des 17. Jahrhunderts) entschieden Redakteure wie Henry Oldenburg bei der Royal Society, was veröffentlicht werden sollte, ohne externe Experten zu konsultieren. Im Laufe des 18. und 19. Jahrhunderts, als wissenschaftliche Communities wuchsen, entwickelten sich informelle Diskussionen und interne Bewertungen allmählich zu einer systematischeren Praxis. Bis Mitte des 20. Jahrhunderts, als die Forschungsproduktion explodierte, führten Zeitschriften strukturierte, externe Peer-Reviews (oft mit anonymen Gutachtern) ein, um Qualität und Fairness zu gewährleisten. Heute sehen wir eine Reihe von Modellen – von Einzel- und Doppelblind-Reviews bis hin zu offenen und nachträglichen Reviews – die laufende Bemühungen widerspiegeln, Transparenz, Effizienz und Strenge in einer schnell wachsenden wissenschaftlichen Landschaft auszubalancieren”, erklärte Bratt.

DeSci hat sich entwickelt, um Web3-Technologielösungen zu finden, um kritische Herausforderungen anzugehen, die im Rahmen des traditionellen Ansatzes der wissenschaftlichen Forschung auftreten. Infolgedessen sind KI-Agenten zu einer offensichtlichen Lösung für die potenziell katastrophalen Folgen geworden, die menschliche Fehler auf Peer-Review-Mechanismen haben können. 

„Künstliche Intelligenz kann automatisch Fehler, Inkonsistenzen und Plagiate kennzeichnen, während sie Manuskripte mit den am besten geeigneten Gutachtern abgleicht – was hilft, Vorurteile zu reduzieren und die Arbeitsbelastung der Gutachter zu verringern. Dezentrale Wissenschaftsplattformen, die Blockchain oder ähnliche Technologien nutzen, können Überprüfungshistorien transparent aufzeichnen und crowd-sourced Bewertungen ermöglichen, was die Verantwortlichkeit und das Vertrauen erhöht. Zusammen vereinfachen und verbessern diese Werkzeuge das Peer-Review, was eine schnellere und zuverlässigere Qualitätskontrolle gewährleistet”, fügte er hinzu.

Diese aufkommenden Technologien haben auch dazu beigetragen, wissenschaftliche Überprüfungen zugänglicher zu machen.

„Dezentrale Wissenschaft und künstliche Intelligenz können Peer-Reviews enorm unterstützen, indem sie die Kosten eines Peer-Reviews senken, da eine KI dies zu einem Bruchteil der Kosten und viel schneller erledigen kann. DeSci kann jedem die Möglichkeit geben, sofort unendlich viele Peer-Reviews zu erhalten”, sagte Schlicht.

Effizienz, Geschwindigkeit, Dezentralisierung und Kostensenkungen können neue Wege eröffnen, um komplexe wissenschaftliche Probleme anzugehen, die bisher keine Lösungen gefunden haben.

Beschleunigung des wissenschaftlichen Fortschritts mit KI

Neue Technologien wie KI bieten vielversprechende Ansätze für komplexe wissenschaftliche Herausforderungen, einschließlich Krebsforschung, menschlicher Langlebigkeit und Alzheimer-Krankheit.

Dank jahrhundertelanger menschlicher Forschung werden heute weltweit Millionen wissenschaftlicher Artikel von Zeitschriften veröffentlicht, was zu enormen Datenmengen führt. KI-Agenten können bestehende Datensätze speichern, filtern und analysieren, und das in einer Geschwindigkeit, die für Menschen heute unmöglich ist. 

„Künstliche Intelligenz transformiert die Krebsforschung und verspricht, die Entdeckung effektiver Behandlungen erheblich zu beschleunigen. KI-Tools erweisen sich bereits als unschätzbar, indem sie schnell durch riesige Datensätze gehen, um genetische Marker und neue Medikamentenziele zu entdecken, modellieren, wie sich Krebserkrankungen entwickeln, und sogar innovative Behandlungskombinationen vorschlagen. Diese Durchbrüche beschleunigen nicht nur die frühen Entdeckungsphasen, sondern optimieren auch das Design klinischer Studien und sagen Patientenreaktionen mit zunehmender Genauigkeit voraus. Während Krebs eine komplexe Gruppe von Krankheiten bleibt, macht der wachsende Einfluss der KI das Ziel einer Heilung zunehmend erreichbar und belebt die gesamte Forschungs-Community”, sagte Bratt zu BeInCrypto. 

Schlichts YesNoError (YNE) erstellte ein Whitepaper für eine dezentrale Initiative, die fortschrittliche große Sprachmodelle (LLMs) nutzt, um die gesamte bestehende wissenschaftliche Literatur systematisch zu prüfen. Der YNE-Token basiert auf einem Wirtschaftsmodell, bei dem Token-Inhaber darüber abstimmen können, welche Projekte Priorität erhalten sollen. 

KI-Agenten sind dafür verantwortlich, Fehler zu scannen, die von einfachen Rechenfehlern bis hin zu Datenfälschungen reichen. Das breitere Ziel des Projekts ist es, ein Werkzeug zur Überprüfung wissenschaftlicher Behauptungen zu entwickeln, das Forschern, Institutionen und der Öffentlichkeit zugänglich ist.

„Wie viele Forschungsarbeiten wurden über Langlebigkeit geschrieben? Sagen wir, es sind eine Million. Angenommen, du bist ein Labor, das sich auf Langlebigkeit konzentriert. Die Größe deines Teams, die aus menschlicher Sicht erforderlich wäre, um nicht nur eine Million Artikel zu lesen, sondern sie auch genau zu analysieren und die Daten zu synthetisieren, ist auf menschlicher Ebene nicht machbar. Aber wenn du anfängst, ein KI-gestütztes System zu entwerfen, das eine Million Artikel im Grunde sofort lesen kann, kannst du diese KIs orchestrieren, um zu Schlussfolgerungen zu kommen, mit synthetisierten Informationen zurückzukommen und diese dann dem menschlichen Team zu präsentieren. Das ist ein sehr klarer Weg, wie KI helfen kann, Durchbrüche in der Langlebigkeit oder jedem anderen wissenschaftlichen Ziel zu erreichen”, sagte Schlicht.

Andere große Akteure beginnen, diesen zunehmend beliebten Trend zu erkennen. Advanced Micro Devices (AMD) und Forscher der Johns Hopkins University haben kürzlich das Agent Laboratory entwickelt. Dieses KI-Framework ist darauf ausgelegt, wichtige Teile der wissenschaftlichen Forschung zu automatisieren.

Dieses System nutzt große Sprachmodelle, um Literaturübersichten durchzuführen, Experimente zu entwerfen und Berichte zu erstellen, einschließlich Code und Dokumentation. Es ist jedoch nicht dezentralisiert oder auf einem Token-Modell basiert. Erste Ergebnisse deuten darauf hin, dass das Framework die Forschungskosten um 84 % im Vergleich zu anderen automatisierten Methoden senken kann, ohne die Forschungsqualität zu beeinträchtigen.

Doch wenn andere Projekte im Krypto-Sektor ähnliche Projekte entwickeln wollen, kann KI in DeSci letztendlich eine vielversprechende Zukunft haben. 

DeScis vielversprechende Zukunft

Laut CoinGecko beträgt die Marktkapitalisierung von DeSci zum Zeitpunkt des Schreibens 1,05 Milliarden USD. Im vergangenen Jahr hat der Sektor stetiges Wachstum und konstante Innovation gezeigt. Viele der neueren Projekte sind schnell zu wichtigen Akteuren geworden.

Schlicht und Bratt prognostizieren, dass die Marktgröße für dezentrale Wissenschaft exponentiell wachsen wird.

„Ich denke, dass in 10 Jahren die Marktkapitalisierung von DeSci gut über 10.000-mal so hoch sein könnte wie jetzt. Aufgrund der Kombination von künstlicher Intelligenz, Dezentralisierung und Token steht die Wissenschaft kurz davor, exponentiell an Durchbrüchen zuzunehmen”, sagte Schlicht.

Zu diesem Punkt fügte Bratt hinzu: 

„Wenn es erfolgreich ist, kann es leicht 5-10 % des globalen wissenschaftlichen Forschungsmarktes ausmachen, der bereits in den Billionen liegt.”

Sie erwarten jedoch auch, dass DeSci auf Widerstand von traditionellen medizinischen und wissenschaftlichen Lobbys stoßen wird. 

Dem Status Quo entgegentreten

Während wissenschaftliche Forschung durch Zuschüsse von verschiedenen Regierungsbehörden, Institutionen und Stiftungen finanziert werden kann, wird sie hauptsächlich von privaten Unternehmen finanziert. 

Ein Bericht der UCLA aus 2023 zeigt, dass fast 80 % der etwa 57 Milliarden USD, die 2021 in den USA für Krebsforschung ausgegeben wurden, aus dem privaten Sektor stammen, hauptsächlich von großen Pharmaunternehmen. Es wurde auch eine begrenzte Weitergabe von Forschungsergebnissen berichtet.

„Es gibt Interessengruppen, die für ein Verbot solcher Marktaktivitäten lobbyieren können, um bestehende Akteure zu schützen”, sagte Bratt.

Für Schlicht bietet DeSci die Möglichkeit, privaten Interessen zu trotzen.

„Bisher konnten Unternehmen kontrollieren, welche Forschung finanziert wird. DeSci stört das und ermöglicht es jedem, finanziert zu werden, wenn die Leute glauben, dass ihre Idee gut ist”, sagte er.

Da Blockchain-Technologie Anonymität ermöglicht und Privatsphäre priorisiert, argumentiert er, dass Innovatoren schwerer zu verfolgen sein werden. 

„Ich glaube nicht, dass Lobbyisten in der Lage sein werden, DeSci zu stoppen. Der nächste Einstein könnte anonym sein. Es könnte jemand mit einem Pinguin-Avatar oder einem Frosch-Profilbild sein. Es könnte jemand mit einem NFT als Profil und einer Reihe von Zahlen in ihrem Namen sein. Lobbyisten können sie nicht einmal finden, weil sie nicht wissen, wer sie sind, und sie werden auf eine dezentrale Weise finanziert. Sie haben sogar ein Team von anderen pseudonymen Personen, die mit ihnen arbeiten, sowohl Menschen als auch KIs”, sagte Schlicht.

Aber bevor man eine potenzielle Rivalität zwischen traditionellen medizinischen Lobbyisten und Innovatoren in der dezentralen Wissenschaft in Betracht zieht, ist DeSci noch auf dem Weg zur Reife. 

Letztendlich bietet die Konvergenz von KI und dezentraler Wissenschaft ein mächtiges neues Paradigma für wissenschaftliche Forschung. Diese Gelegenheit hat das Potenzial, die Zuverlässigkeit und Effizienz der Peer-Review zu verbessern, den Zugang zu Finanzierung zu demokratisieren und Durchbrüche in verschiedenen wissenschaftlichen Bereichen zu beschleunigen.

Den Fortschritt von KI und dezentraler Wissenschaft zu überwachen, wird entscheidend sein, um diese Technologien verantwortungsvoll in die wissenschaftliche Forschung zu integrieren.