mismatch
Heute habe ich einer KI meine gesamte Forschungsbibliothek gefüttert. 6.576 papiere. Ich habe ihm eine Frage gestellt, an der ich seit Jahren herumgekaut habe.
Stimmen die offiziellen Vokabulare, die mein Fachgebiet kodieren sollen, tatsächlich mit dem überein, was Praktizierende denken?
Ich studiere Zoonose-Spillover. Wie Krankheiten von Tieren auf Menschen übergehen. Wie die meisten Felder haben wir formale Ontologien, kuratierte Kataloge von Konzepten, die uns organisieren sollen. Ich vermutete, dass sie dünn waren.
Also hörte ich auf zu streiten und testete es.
Das System las 490 dieser Papiere. Nur auf Spillover und Emergenz. Es zog kausale Behauptungen aus dem Text, stellte ein Vokabular von unten nach oben zusammen und verglich es mit dem offiziellen Standard.
Die Kluft war riesig.
Von den 915 in der Literatur wiederholt verwendeten Beziehungen hatten 864 * kein Gegenstück * im Referenzschema. Zwölfhundert konzeptuelle Kategorien tauchten in meiner kleinen Stichprobe auf, aber nirgendwo in den formalen Karten. Meistens gruppiert um Umwelttreiber und Ökologie. Die tatsächliche Arbeitssprache eines Bruchteils meines Fachs ist viermal reicher als die offizielle.
Das Experiment kostete 26 Dollar und Wechselgeld.
Ein Geschirr, kein Modell
Dies war eine Probefahrt von Claude Science. Anthropic hat es heute gestartet. Ihr Ziel? Für den Labortisch zu tun, was Claude Code für Softwareentwickler getan hat.
Es ist eine ehrgeizige Wette. Vor sechs Monaten behauptete Zubair Jandali, KI könne bei digitalen Aufgaben in den Biowissenschaften helfen. Heute hat sich die Tonhöhe verschoben. Es kann die Arbeit ausführen.
Hier ist der Haken. Claude Wissenschaft ist kein neues Modell.
Anthropic ist offen darüber. Es läuft auf Claude Opus 4. Derselbe Motor, den alle anderen mieten. Keine geheimen Gewichte. Kein besonderer Zugang. Die Intelligenz ist identisch.
Was sich ändert, ist das * Geschirr *.
In KI-Begriffen ist das Geschirr das Gerüst. Es verwandelt ein allgemeines Modell in ein Werkzeug. Datenverbindungen, Codeausführung, Speicher, Sicherheitsprüfungen. Ein nacktes Model könnte über ein Protein nachdenken. Ein vorgespannter zieht Strukturdaten, faltet eine Variante auf einem GPU-Cluster, rendert das Image und protokolliert jeden Schritt zur Reproduzierbarkeit.
Claude Wissenschaft ist ein wesentliches Geschirr.
- Es verbindet sich mit über sechzig wissenschaftlichen Datenbanken.
- Schiffe mit vorgefertigten Fähigkeiten für Genomik, Chemie und Strukturbiologie.
- Verwaltet Jobs auf Ihrem Laptop oder gemieteten Cloud-GPUs.
- Jede Ausgabe enthält ihre vollständige Herkunft, den Code, die Umgebung und den Konversationsverlauf zur späteren Regeneration gebündelt.
Macht das das Modell schlauer?
Nein. Es macht es nützlich. Was weitaus wertvoller ist.
Eine Computerbiologin hätte die Hälfte davon selbst mit Claude-Code und GitHub über ein paar Wochen bauen können. Dies setzt jedoch voraus, dass jedes Labor über die Bandbreite verfügt, um sein eigenes Werkzeug von Grund auf neu zu verkabeln. Anthropic setzt darauf, dass Kuration die Duplikation schlägt. Aus rohen Fähigkeiten verlässliche Wissenschaft machen.
Pharma zuerst, alles andere später
Die Demo konzentrierte sich auf die Wirkstoffforschung.
Aus einer einzigen Satzaufforderung plante Claude eine Kampagne zur Stabilisierung eines Enzyms hinter Phenylketinurie. Es untersuchte 2.200 Moleküle auf 80 GPUs. Beschränkte sie auf vier Kandidaten. Produzierte ein Go / No-Go-Memo.
Dann wurde derselbe Prozess bei 100 seltenen Krankheiten gleichzeitig durchgeführt.
Warum dort aufhören, fragte der Moderator. Könnte 10.000 machen.
Beeindruckend? Ja.
Molekular begrenzt? Absolut.
Jedes Datenbank- und Partnermodell weist auf die pharmazeutische Wissenschaft hin. Gene, Proteine, kleine Strukturen. Wo das Geld ist. OpenAI und Google zielen auf dasselbe Ziel ab.
Aber der Rest der Wissenschaft ist weit offen.
Erdwissenschaften. Atmosphärische Daten. Ökologie. Sozialwissenschaft. Ein Großteil der Epidemiologie.
Nichts davon ist beim Start konfiguriert. Die Daten, auf die sich diese Felder stützen, Biodiversitätsaufzeichnungen von GBIF, Klima-Reanalyse, Volkszählungsdaten, Fernerkundung, fehlen in den ersten sechzig Datenbanken. Die “Trockenlaborarbeit”, Feldökologie und Populationsdynamik, bleibt eine unerschlossene Grenze.
Es ist jedoch leicht zu visualisieren.
Stellen Sie sich ein Geschirr wie dieses vor, das auf Zoonose zeigt. Es zieht Aufzeichnungen über das Vorkommen von Arten. Überlagert die Klima-Reanalyse. Passt zu einem Verteilungsmodell. Kennzeichnet Landkreise, in denen sich in der nächsten Saison wahrscheinlich ein durch Zecken übertragener Pathgen ausbreiten wird.
Entwirft den Überwachungsauftrag. Erzeugt die Figur.
Komprimiert wochenlange Versammlungen zu einem Nachmittag für ein Gesundheitsamt. Die Intelligenz existiert, um dies zu tun. Was fehlt, ist die Verkabelung. Anschluss. Mein $ 26-Experiment ist ein kleiner Proof of Concept.
Urteil über die Generation
Die Technologie ist schnell. Es wird alles beschleunigen.
Aber es verdeutlicht, wo menschliche Wissenschaftler wichtig sind.
Sobald die Erzeugung billig wird, wird * Urteilsvermögen * zum Engpass. Auditieren, validieren, korrigieren. Dies sind die geschwindigkeitsbegrenzenden Schritte für jede Arbeit, die sich durch einen Bildschirm bewegt.
Das ist sowieso nur gute Wissenschaft.
Claude Science wird mit einem “Reviewer” -Agenten ausgeliefert, der schlechte Zitate und nicht übereinstimmende Nummern kennzeichnet. Im Moment ist es dasselbe Modell, das seine eigene Ausgabe überprüft, kein unabhängiges Orakel. Aber die Richtung fühlt sich richtig an.
Die wirkliche Gefahr ist der Rückfall in die Mittelmäßigkeit.
Modelle, die auf vorhandener Literatur trainiert wurden, zeichnen sich dadurch aus, dass sie diese Literatur widerspiegeln. Sie reden mit sich selbst.
Aber das gleiche Werkzeug, das Konsens abbildet, kann auch Lücken abbilden. Beziehungen, die niemand getestet hat. Begriffe, die überall verwendet, aber nirgendwo definiert werden.
Ich habe 26 Dollar ausgegeben, um die Ränder dessen zu finden, was bereits geschrieben steht. Zu finden, was * noch * nicht vorgestellt wurde? Das ist das schwierigere Problem.
Es sieht auch so aus, als wäre es das einzige, das noch zu lösen ist.
