Peer review is een essentieel onderdeel van wetenschappelijk onderzoek. Het speelt een cruciale rol bij het waarborgen van de juistheid en nauwkeurigheid van bevindingen voordat ze worden gepubliceerd. Echter, het peer review-proces wordt uitgevoerd door mensen, en mensen maken onvermijdelijk fouten. Maar opkomende technologieën kunnen de sleutel zijn om dit te verbeteren.
BeInCrypto sprak met YesNoError medeoprichter Matt Schlicht en Mira Network CEO Magnus Bratt om te begrijpen hoe kunstmatige intelligentie (AI) en gedecentraliseerde wetenschap (DeSci) samenkomen om peer-reviewed wetenschappelijke processen te transformeren.
De koers van foutief toezicht
Zelfs de slimste mensen maken fouten. Als het om wetenschap gaat, kunnen deze fouten enorme gevolgen hebben. De geschiedenis – zowel recent als oud – heeft dat keer op keer bewezen.
In 1998 lanceerde NASA de Mars Climate Orbiter om de atmosfeer van de planeet te bestuderen. Het project betrof een investering van $125 miljoen en bijna 10 maanden reizen om daar te komen.
Bij aankomst brandde de orbiter op en viel uit elkaar, en NASA bestempelde de missie al snel als mislukt. Wat het meest pijn deed, was dat het falen van de missie werd teruggevoerd naar een eenvoudige navigatiefout.
Het navigatieteam onder leiding van het Jet Propulsion Laboratory (JPL) gebruikte metrische eenheden in hun berekeningen. Ondertussen leverde Lockheed Martin Astronautics, de ontwerper en bouwer van het ruimtevaartuig, cruciale versnellingsgegevens in Engelse eenheden.
Het falen van Lockheed Martin om Engelse eenheden naar metrische eenheden om te zetten, verklaarde de kritieke fout die ervoor zorgde dat het ruimtevaartuig te dicht bij Mars kwam en bij aankomst verbrandde.
“Traditionele peer review is inherent beperkt door menselijke fouten en subjectiviteit. Beoordelaars kunnen cruciale methodologische gebreken of statistische fouten over het hoofd zien vanwege individuele vooroordelen, conflicterende belangen of simpelweg de beperkingen van handmatige controle,” vertelde Bratt aan BeInCrypto.
Uit latere onderzoeken bleek dat het ontbreken van een rigoureuze, onafhankelijke peer review van de navigatieberekeningen bijdroeg aan het feit dat de eenheidsconversiefouten onopgemerkt bleven. Er zijn echter nog recentere gevallen waarin peer review-mechanismen hebben gefaald om dergelijke eenvoudige fouten aan te pakken.
Een recent geval van menselijke fout in de wetenschap
Een van de meest recente gebeurtenissen die de omvang van menselijke fouten in peer-reviewed wetenschappelijk onderzoek illustreert, vond vorig jaar plaats. In oktober onthulde een studie gepubliceerd in het tijdschrift voor milieuscheikunde Chemosphere dat elektronische vlamvertragers aanwezig zijn in sommige zwarte plastic huishoudelijke producten, zoals keukengerei.
De studie leidde tot talrijke mediaberichten, waaronder artikelen in media zoals The Atlantic en National Geographic, die consumenten aanspoorden hun zwarte plastic keukengerei weg te gooien. Het veroorzaakte ook een golf van publieke bezorgdheid op sociale media.
Echter, in december, voor 30 cent en in 30 seconden, vond een OpenAI query die de bevindingen van de studie beoordeelde dat de auteurs een nul hadden gemist.
“We hebben de referentiedosis voor een volwassene van 60 kg verkeerd berekend, aanvankelijk schatten we deze op 42.000 ng/dag in plaats van de juiste waarde van 420.000 ng/dag,” stelde de correctie.
Het oorspronkelijke onderzoek bevatte een significante factor-10 fout, waarbij een bepaalde blootstelling werd vermeld als 80% van de wettelijke limiet voor een bepaalde toxine, terwijl het slechts 8% was. Met andere woorden, deze fout overschatte de blootstelling aan deze toxines aanzienlijk.
“Ik zou zeggen dat de nummer één beperking die peer reviews duidelijk hebben, is dat mensen fouten maken. Dit zijn super slimme mensen. Dit werd overal gepubliceerd. Het ging twee maanden door en miljoenen mensen zagen dit artikel, en niemand merkte dit op. Het blijkt dat als je dat artikel naar het nieuwste model van OpenAI stuurt en simpelweg vraagt: ‘Hé, zijn er fouten in dit artikel?’ Voor ongeveer 30 cent en in 30 seconden zegt het onmiddellijk ja,” zei Schlicht.
Als reactie op deze gebeurtenissen hebben voorstanders van AI en DeSci deze gebreken in traditionele benaderingen van wetenschap opgemerkt.
Peer review herzien met AI en DeSci
Het concept van peer review bestaat al eeuwen. Sinds de oprichting heeft het verschillende veranderingen ondergaan.
“Peer review was niet altijd het formele, anonieme proces dat we vandaag kennen. In de vroege dagen van wetenschappelijke tijdschriften (midden 1600), besloten redacteuren—zoals Henry Oldenburg bij de Royal Society—wat te publiceren zonder externe experts te raadplegen. Gedurende de 18e en 19e eeuw, naarmate wetenschappelijke gemeenschappen groeiden, evolueerden informele discussies en interne evaluaties geleidelijk naar een meer systematische praktijk. Tegen het midden van de 20e eeuw, toen de onderzoeksoutput explodeerde, namen tijdschriften gestructureerde, externe peer review aan (vaak met anonieme reviewers) om kwaliteit en eerlijkheid te helpen behouden. Vandaag de dag zien we een scala aan modellen—van enkel- en dubbelblinde reviews tot open en post-publicatie reviews—die voortdurende inspanningen weerspiegelen om transparantie, efficiëntie en strengheid in een snelgroeiend wetenschappelijk landschap in balans te brengen,” legde Bratt uit.
DeSci is van start gegaan om Web3-technologieoplossingen te vinden om kritieke uitdagingen aan te pakken die voortkomen uit de traditionele benadering van wetenschappelijk onderzoek. Als gevolg hiervan zijn AI-agenten een duidelijke oplossing geworden voor de potentieel rampzalige gevolgen die menselijke fouten kunnen hebben op peer review-mechanismen.
“Kunstmatige intelligentie kan automatisch fouten, inconsistenties en plagiaat markeren terwijl het manuscripten koppelt aan de meest geschikte reviewers—helpend om vooringenomenheid te verminderen en de werklast van reviewers te verlichten. Decentrale wetenschapsplatforms, die gebruikmaken van blockchain of vergelijkbare technologieën, kunnen reviewgeschiedenissen transparant vastleggen en crowd-sourced evaluaties mogelijk maken, waardoor verantwoording en vertrouwen toenemen. Samen stroomlijnen en verbeteren deze tools peer review, wat zorgt voor snellere, betrouwbaardere kwaliteitscontrole,” voegde hij toe.
Deze opkomende technologieën hebben ook bijgedragen aan het toegankelijker maken van wetenschappelijke beoordelingen.
“Gedecentraliseerde wetenschap en kunstmatige intelligentie kunnen enorm helpen bij peer reviews door de kosten van een peer review te verlagen door een AI in te schakelen om het te doen tegen een fractie van de kosten en met een veel hogere snelheid. DeSci kan iedereen de mogelijkheid geven om direct oneindige peer reviews te hebben,” zei Schlicht.
Efficiëntie, snelheid, decentralisatie en kostenreducties kunnen nieuwe wegen openen voor het aanpakken van complexe wetenschappelijke problemen die tot nu toe geen oplossingen hebben gevonden.
Wetenschappelijke vooruitgang versnellen met AI
Opkomende technologieën zoals AI bieden veelbelovende nieuwe benaderingen voor ingewikkelde wetenschappelijke uitdagingen, waaronder kankeronderzoek, menselijke levensduur en de ziekte van Alzheimer.
Dankzij eeuwen van menselijk onderzoek worden er tegenwoordig miljoenen wetenschappelijke artikelen gepubliceerd door tijdschriften wereldwijd, wat zich vertaalt in enorme hoeveelheden data. AI-agenten kunnen bestaande datasets opslaan, filteren en analyseren met snelheden die menselijk gezien onmogelijk zijn.
“Kunstmatige intelligentie transformeert kankeronderzoek en biedt enorme mogelijkheden om de ontdekking van effectieve behandelingen te versnellen. AI-tools bewijzen al van onschatbare waarde te zijn door snel door enorme datasets te gaan om genetische markers en nieuwe medicijndoelen te ontdekken, te modelleren hoe kankers evolueren en zelfs innovatieve behandelingscombinaties voor te stellen. Deze doorbraken versnellen niet alleen de vroege ontdekkingsfasen, maar optimaliseren ook het ontwerp van klinische proeven en voorspellen patiëntreacties met toenemende nauwkeurigheid. Hoewel kanker een complexe reeks ziekten blijft, maakt de groeiende impact van AI het doel van een genezing steeds haalbaarder en geeft het de hele onderzoeksgemeenschap nieuwe energie,” vertelde Bratt aan BeInCrypto.
Schlicht’s YesNoError (YNE) heeft een whitepaper ontwikkeld voor een gedecentraliseerd initiatief dat geavanceerde grote taalmodellen (LLM’s) gebruikt om systematisch alle bestaande wetenschappelijke literatuur te controleren. De YNE-token is gebouwd op een economisch model waarin tokenhouders kunnen stemmen over welke projecten prioriteit moeten krijgen.
AI-agenten zijn verantwoordelijk voor het opsporen van fouten, variërend van eenvoudige rekenfouten tot gegevensvervalsing. Het bredere doel van het project is om een hulpmiddel te ontwikkelen voor het verifiëren van wetenschappelijke claims dat toegankelijk is voor onderzoekers, instituties en het publiek.
“Hoeveel onderzoeksartikelen zijn er geschreven over levensduur? Laten we zeggen dat het er een miljoen zijn. Stel dat je een laboratorium bent dat zich richt op levensduur. De omvang van je team dat vanuit menselijk perspectief nodig zou zijn om niet alleen een miljoen artikelen te lezen, maar ook om ze nauwkeurig te analyseren en die data te synthetiseren, is niet haalbaar op menselijke schaal. Maar wanneer je begint met het ontwerpen van een AI-gestuurd systeem dat in feite onmiddellijk een miljoen artikelen kan lezen, kun je deze AI’s orkestreren om tot conclusies te komen, terug te komen met gesynthetiseerde informatie en dat vervolgens naar het menselijke team te brengen. Dat is een heel duidelijke manier waarop AI kan helpen bij het bereiken van doorbraken in levensduur of elk ander wetenschappelijk doel,” zei Schlicht.
Andere grote spelers beginnen deze steeds populairder wordende trend op te pikken. Advanced Micro Devices (AMD) en onderzoekers van de Johns Hopkins University hebben onlangs Agent Laboratory ontwikkeld. Dit AI-framework is ontworpen om belangrijke onderdelen van wetenschappelijk onderzoek te automatiseren.
Dit systeem gebruikt grote taalmodellen om literatuuronderzoeken uit te voeren, experimenten te ontwerpen en rapporten te genereren, inclusief code en documentatie. Het is echter niet gedecentraliseerd of gebaseerd op een tokenmodel. Eerste resultaten suggereren dat het framework de onderzoekskosten met 84% kan verlagen vergeleken met andere geautomatiseerde methoden zonder in te boeten op de kwaliteit van het onderzoek.
Toch, als andere projecten in de cryptosector vergelijkbare projecten willen ontwikkelen, kan AI in DeSci uiteindelijk een veelbelovende toekomst hebben.
DeSci’s heldere voorspelling
Volgens CoinGecko is de marktkapitalisatie van DeSci $1,05 miljard op het moment van schrijven. In het afgelopen jaar heeft de sector gestaag groei en constante innovatie getoond. Veel van de nieuwere projecten zijn snel grote spelers geworden.
Schlicht en Bratt voorspellen dat de marktgrootte voor gedecentraliseerde wetenschap exponentieel zal groeien.
“Ik denk dat over 10 jaar de marktkapitalisatie van DeSci wel 10.000 keer groter kan zijn dan nu. Door de combinatie van kunstmatige intelligentie, decentralisatie en tokens staat de wetenschap op het punt om exponentieel toe te nemen in doorbraken,” zei Schlicht.
Bratt voegde daaraan toe:
“Als het succesvol is, kan het gemakkelijk 5-10% van de wereldwijde wetenschappelijke onderzoeksmarkt worden, die al in de biljoenen is.”
Ze verwachten echter ook dat DeSci weerstand zal ondervinden van traditionele medische en wetenschappelijke lobby’s.
De status quo onder ogen zien
Hoewel wetenschappelijk onderzoek kan worden gefinancierd door subsidies van verschillende overheidsinstanties, instituties en stichtingen, wordt het meestal gefinancierd door particuliere bedrijven.
Een rapport van UCLA uit 2023 geeft aan dat bijna 80% van de ongeveer $57 miljard die in 2021 in de VS aan kankeronderzoek werd besteed, afkomstig was van de particuliere sector, voornamelijk grote farmaceutische bedrijven. Het meldde ook beperkte uitwisseling van onderzoeksresultaten.
“Er zijn gevestigde belangen die kunnen lobbyen voor het verbieden van dergelijke marktactiviteiten om de gevestigde spelers te beschermen,” zei Bratt.
Voor Schlicht biedt DeSci een kans om particuliere belangen te trotseren.
“Voorheen konden bedrijven bepalen welk onderzoek werd gefinancierd. DeSci verstoort dat en stelt iedereen in staat om gefinancierd te worden als mensen geloven dat hun idee goed is,” zei hij.
Aangezien blockchaintechnologie anonimiteit mogelijk maakt en privacy vooropstelt, stelt hij dat vernieuwers moeilijker te traceren zullen zijn.
“Ik geloof niet dat lobbyisten DeSci kunnen stoppen. De volgende Einstein zou anoniem kunnen zijn. Het zou iemand kunnen zijn met een pinguïn-avatar, of een kikkerprofiel. Het zou iemand kunnen zijn met een NFT als hun profiel, en een reeks nummers in hun naam. Lobbyisten kunnen hen niet eens vinden, omdat ze niet weten wie ze zijn, en ze worden op een gedecentraliseerde manier gefinancierd. Ze hebben zelfs een team van andere pseudonieme mensen die met hen samenwerken, zowel mensen als AI’s,” zei Schlicht.
Maar voordat we nadenken over een mogelijke rivaliteit tussen traditionele medische lobbyisten en vernieuwers in gedecentraliseerde wetenschap, is DeSci nog steeds op weg naar volwassenheid.
Uiteindelijk biedt de convergentie van AI en gedecentraliseerde wetenschap een krachtig nieuw paradigma voor wetenschappelijk onderzoek. Deze kans heeft het potentieel om de betrouwbaarheid en efficiëntie van peer review te verbeteren, toegang tot financiering te democratiseren en doorbraken te versnellen op diverse wetenschappelijke gebieden.
Het monitoren van de voortgang van AI en gedecentraliseerde wetenschap zal essentieel zijn voor het verantwoord integreren van deze technologieën in wetenschappelijk onderzoek.
YouHodler
Wirex
BYDFi
eToro
eToro
eToro
eToro
Disclaimer
Alle informatie op onze website wordt te goeder trouw en uitsluitend voor algemene informatiedoeleinden gepubliceerd. Elke actie die de lezer onderneemt op basis van de informatie op onze website is strikt op eigen risico.
