AI löste på tre månader ett ekologiskt problem som forskare grunnat på i 20 år

Rätt verktyg för rätt uppgift

Det låter nästan för bra för att vara sant. Men professor Matthew Schwartz vid Harvard University är noga med att förklara varför det fungerade – och hemligheten är inte att AI är smartare än forskare. Det handlar om att ställa rätt fråga från början.

I stället för att behandla AI som en mänsklig kollega frågade sig Schwartz: vilka uppgifter passar AI verkligen bra på? Svaret blev BootLoops, ett öppet programverktyg utformat för exakta vetenskapliga beräkningar. Koden är fritt tillgänglig via GitHub, och enligt Schwartz själv – som även är gästforskare hos AI-företaget Anthropic – är det just kombinationen av tydligt avgränsade uppgifter och kraftfulla språkmodeller som gjort resultaten möjliga.

Det är en viktig distinktion. BootLoops positionerar inte AI som en ersättning för den vetenskapliga processen – utan som ett beräkningsverktyg med imponerande kapacitet att fylla kunskapsluckor.

Siffrorna talar för sig själva

Resultaten som Schwartz beskriver i ett gästinlägg hos Anthropic är svåra att ta in med en gång. På tre månader producerade forskargruppen – bestående av Schwartz och 19 medförfattare – 36 vetenskapliga manus inom hela 18 olika forskningsfält.

Innom partikelfysik beräknade AI-modellen Claude 30 integraler, varav femton var helt nya resultat. Men det mest slående exemplet kom från ekologin. BootLoops löste en ekvation ur teorin om neutral biologisk mångfald som stått olöst i exakt två decennier. När lösningen sedan tillämpades på verkliga data från Barro Colorado Island i Panamakanalen framkom ett oväntat fynd: trädarternas sammansättning förändras 4,5 gånger snabbare än vad teorin hade förutsagt.

Andrа projekt i gruppen inkluderade automatisk granskning av 4 452 replikeringspaket för ekonomitidskrifter och uppbyggnaden av en databas över ordtryck i hela 6 072 språk. Det är en bredd som hade krävt decennier av mänskligt arbete.

Fylla luckorna mellan disciplinerna

Schwartz använder ett träffande begrepp för att beskriva vad AI egentligen gör här: han kallar det ett konvext hölje över vetenskapen. Tanken är att AI kan utforska mellanrummen – de kunskapsluckor som uppstår i gränslandet mellan discipliner, dit mänskliga forskare sällan hinner. En fysiker har inte tid att sätta sig in i ekologins formalism. En ekolog behärskar kanske inte de beräkningsmetoder som behövs för att lösa en specifik differentialekvation. AI bryr sig inte om sådana gränser.

Det påminner mig om något jag återkommer till i mitt eget arbete som systemutvecklare: de bästa verktygen är de som gör det möjligt för en person att operera utanför sin normala räckvidd. BootLoops verkar vara precis det för vetenskapliga beräkningar.

Mänsklig granskning är fortfarande avgörande

Schwartz är noga med att inte överdriva. Trots de imponerande resultaten understryker han att mänsklig granskning förblir oumbärlig. AI-modeller kan göra fel – ibland subtila, ibland flagranta – och inom vetenskap är konsekvenserna av ett ogranskade misstag potentiellt allvarliga.

Det är ett sunt och nödvändigt förhållningssätt. Det som gör BootLoops intressant är inte att det ersätter forskaren, utan att det multiplicerar forskarens förmåga. Schwartz och hans kollegor är fortfarande de som ställer frågorna, tolkar svaren och bär det vetenskapliga ansvaret. AI sköter beräkningarna.

Det är en arbetsdelning som känns hållbar – och skalbar.