KI übertrifft Experten bei der Vorhersage von Studienergebnissen

LONDON / MÜNCHEN (IT BOLTWISE) – In einer bemerkenswerten Entwicklung hat eine neue Studie gezeigt, dass große Sprachmodelle (LLMs) in der Lage sind, die Ergebnisse von Neurowissenschaftsstudien genauer vorherzusagen als menschliche Experten. Diese Erkenntnis könnte die Art und Weise, wie wissenschaftliche Experimente entworfen und durchgeführt werden, grundlegend verändern.

Die jüngste Studie, die von Forschern des University College London (UCL) durchgeführt wurde, hat gezeigt, dass große Sprachmodelle (LLMs) in der Lage sind, die Ergebnisse von Neurowissenschaftsstudien mit einer Genauigkeit von 81 % vorherzusagen, während menschliche Neurowissenschaftler nur eine Genauigkeit von 63 % erreichten. Diese beeindruckende Leistung der KI-Modelle wurde mit einem Werkzeug namens BrainBench getestet, das sowohl LLMs als auch menschliche Experten darauf prüfte, echte von gefälschten Studienabstracts zu unterscheiden.

Ein speziell auf Neurowissenschaften fokussiertes LLM, das als BrainGPT bezeichnet wird, erzielte sogar eine noch höhere Genauigkeit von 86 %. Diese Ergebnisse unterstreichen das Potenzial von KI, nicht nur Wissen abzurufen, sondern auch zukünftige wissenschaftliche Ergebnisse vorherzusagen. Dies könnte die wissenschaftliche Innovation erheblich beschleunigen und die Effizienz von Experimenten steigern.

Die Forscher betonen, dass diese Erkenntnisse weit über die Neurowissenschaften hinausgehen und auf alle wissenschaftlichen Disziplinen anwendbar sind. Dr. Ken Luo von der UCL erklärt, dass LLMs in der Lage sind, Muster aus umfangreichen wissenschaftlichen Texten zu extrahieren und so mit übermenschlicher Genauigkeit wissenschaftliche Ergebnisse vorherzusagen. Dies könnte die Art und Weise, wie Wissenschaftler Experimente entwerfen und durchführen, revolutionieren.

Die Studie zeigt auch, dass LLMs selbst dann überlegen sind, wenn menschliche Experten über spezifische Fachkenntnisse verfügen. Selbst bei den erfahrensten Neurowissenschaftlern lag die Genauigkeit nur bei 66 %, während die LLMs konstant bessere Ergebnisse erzielten. Diese Erkenntnisse könnten den Weg für eine zukünftige Zusammenarbeit zwischen menschlichen Experten und gut kalibrierten Modellen ebnen.

Die Forscher haben ein bestehendes LLM, eine Version von Mistral, auf neurowissenschaftliche Literatur spezialisiert und es als BrainGPT bezeichnet. Dieses Modell war noch besser in der Lage, Studienergebnisse vorherzusagen, was darauf hindeutet, dass spezialisierte KI-Modelle in der Lage sind, spezifische wissenschaftliche Herausforderungen effektiver zu bewältigen.

Professor Bradley Love von der UCL sieht in diesen Ergebnissen das Potenzial, dass Wissenschaftler bald KI-Tools nutzen könnten, um die effektivsten Experimente für ihre Fragestellungen zu entwerfen. Dies könnte nicht nur die Geschwindigkeit der wissenschaftlichen Forschung erhöhen, sondern auch die Qualität der Ergebnisse verbessern.

Die Studie wurde von der Economic and Social Research Council (ESRC), Microsoft und einer Royal Society Wolfson Fellowship unterstützt und umfasste Forscher aus verschiedenen renommierten Institutionen weltweit. Diese internationale Zusammenarbeit unterstreicht die Bedeutung und das Potenzial der Forschungsergebnisse.