Im Magazin „Nature“ sind jüngst zwei KI-Systeme vorgestellt worden, die nicht weniger versprechen, als wissenschaftliche Entdeckungen zu beschleunigen. Sie basieren auf Sprachmodellen, jener Form von Künstlicher Intelligenz, die in Anwendungen wie ChatGPT steckt. Inzwischen aber dürfte den meisten bewusst sein, dass diese Anwendungen es mit Fakten und der Wahrheit nicht so genau nehmen. Bloß wie sollen sie dann wissenschaftlichen Erkenntnisgewinn voranbringen? Die Antwort verbirgt sich in einer Kehrtwende, die die KI-Industrie gerade vollzieht: Seit klar ist, dass grundlegende Schwächen der Technologie nicht damit in den Griff zu bekommen sind, dass man besonders große KI-Modelle entwickelt, versucht man es eben mit besonders vielen.Konkret bedeutet das beim „Co-Scientist“ aus dem Hause Google, dass ein Wissenschaftler eine Forschungsfrage stellt. Die könnte lauten, zugelassene Wirkstoffe nach Kandidaten für neue Krebstherapien zu durchforsten. Die Frage wird nicht von einem einzelnen Sprachmodell verarbeitet, sondern von einer Reihe „Agenten“. Das sind auf Sprachmodellen basierende Programme, die bestimmte Aufgaben erledigen.Soziale Systeme als Weg zu besserer KIDer „Generation Agent“ formuliert Hypothesen. Denkbar wäre, dass er Wirkstoffe vorschlägt. Der „Reflection Agent“ prüft die Hypothesen, während der „Ranking Agent“ die vielversprechendsten heraussucht. Weitere Agenten verfeinern die Hypothesen oder überwachen die vorherigen Agenten. So sollen Ideen für neue Therapien entstehen.Das zweite in „Nature“ beschriebene System, „Robin“ von der US-Firma Future House, setzt ebenfalls auf Agenten. Es ist auf experimentelle Biologie spezialisiert und kann Experimente entwerfen. Forscher führen sie durch, Robin wertet sie aus.Man kann beide Systeme als die Umsetzung einer Vision begreifen, die drei Google-Mitarbeiter im März in einem „Science“-Artikel ausbuchstabiert haben. Unter dem Titel „KI-Agenten und die nächste Intelligenz-Explosion“ betonen sie, dass transformative Intelligenz ein Produkt sozialer Organisation sei. Das sei bei Primaten so, deren Intelligenz mit steigender Gruppengröße wachse, und bei Menschen auch. Der Weg zu besserer KI sei also, eher soziale Systeme zu erschaffen.Wirkstoff gegen Leukämie vorgeschlagenAls genau das kann man die Agenten im Co-Scientist und in Robin bezeichnen, wenn sie Hypothesen entfernen, vergleichen, bewerten. Allerdings hat bereits die Vision eine entscheidende Schwäche: Bei Gruppen von Menschen hat man intelligente Individuen. Das ist bei KI-Agenten nicht der Fall. Es ist fraglich, ob es auf dieser Grundlage zu einer „Intelligenz-Explosion“ kommen kann, oder – im konkreten Fall – zumindest zur Beschleunigung des wissenschaftlichen Erkenntnisgewinns.Wie schlagen sich also die beiden Systeme? Auf den ersten Blick ordentlich. In Tests präsentierte Robin einen neuen Therapieansatz für die trockene Makuladegeneration, eine Augenkrankheit. Co-Scientist wiederum fand unter anderem einen möglichen Wirkstoff für akute myeloische Leukämie. Ob es sich bei den KI-Vorschlägen tatsächlich um wirksame Therapien handelt, können aber erst große Medikamentenstudien zeigen.Kein wissenschaftlicher Kollege auf AugenhöheIn den „Nature“-Artikeln fehlt ein Vergleich der beiden Systeme mit den heute gängigen Verfahren zur Entdeckung von Wirkstoffen. Darauf weist die KI-Expertin Karin Verspoor vom Royal Melbourne Institute of Technology hin. Es ist also unklar, ob die KI-Systeme wirklich schneller oder effektiver sind als bereits vorhandene Werkzeuge. Zudem schlug Co-Scientist eine Liste von 30 Wirkstoffen vor, die menschliche Experten erst auf fünf Einträge reduzieren mussten, bevor es weiterging. Was war mit den anderen 25? Waren sie KI-generierter Unsinn? Auch das geht aus der „Nature“-Studie nicht hervor.Ohne Überprüfung durch Menschen ging nichts, weil die Grundlage der Technologie immer noch Sprachmodelle sind, die halluzinieren und kein Verständnis der Realität haben. Es wird sich in der Praxis zeigen, ob diese Arbeitsweise Forscher voranbringt oder ob das ständige Überprüfen der KI-Vorschläge sie bremst. Klar ist: Ein Kollege auf Augenhöhe, wie der Name „Co-Scientist“ suggeriert, ist solch ein System nicht.