Warum ein verifizierter Beweis noch kein Wissen ist
Verification Is Not Knowledge: Science needs more than answers
Jessica Hullman argumentiert, dass die Debatte über KI in der Wissenschaft am falschen Punkt hängt: Es geht nicht um menschliche Einsicht gegen korrekte Ergebnisse, sondern darum, was passiert, wenn etwas schiefgeht. Ein KI-gefundener Krebs Wirkstoff, der die Studie durch Ausnutzung ihrer Schwächen bestanden hat, oder ein Paper, dessen Autoren die eigenen Behauptungen nicht erklären können, lassen niemanden übrig, den man bei einem Scheitern fragen kann. Hullman führt das auf das Ideal der Wertfreiheit zurück, das seit dem Kalten Krieg die Vorstellung prägt, wissenschaftlicher Wert liege allein in der Korrektheit.
Die Wertfreiheit verzerrt, wie wir nach Wahrheit suchen, und bringt uns dazu, verifizierte Ergebnisse mit Wissen zu verwechseln.
- throw0101c
Als Kepler seine Modelle veröffentlichte:
* https://en.wikipedia.org/wiki/Kepler%27s_laws_of_planetary_m...
Die Leute verstanden nicht, wie oder warum sie funktionierten, aber sie wechselten trotzdem vom ptolemäischen (tychonischen usw.†) System zu ihnen, weil die Mathematik einfacher war. Erst später (Newton, Einstein) verstanden wir das „Warum“ und „Wie“.
† https://tofspot.blogspot.com/2013/08/the-great-ptolemaic-sma...
- niemandhier
Wir alle kennen Terry Tao, aber kennst du Peter Scholze?
Fields-Medaillenträger und wie Tao als einer der wichtigsten Mathematiker unserer Zeit gelistet.
Scholze ist dafür bekannt,
„genau den richtigen und saubersten Weg zu finden, all die bisher geleistete Arbeit einzubinden und eine elegante Formulierung dafür zu finden – und dann, weil er wirklich den richtigen Rahmen gefunden hat, weit über die bekannten Ergebnisse hinauszugehen“
In gewisser Weise ist dieser Mann das Gegenstück zu einer KI: Er erzeugt Verständnis statt nur Beweise.
Vielleicht ist er die richtige Vorlage für die Mathematiker der Zukunft.
https://www.quantamagazine.org/peter-scholze-and-the-future-...
- wqtz
Ahhh, Erkenntnistheorie... Kümmert sich überhaupt noch irgendein akademischer Forscher um diese Dinge?
Wenn man in der Wissenschaft ist, hat man wahrscheinlich kürzlich einen großen Wandel bemerkt. Forschung in industriellem Maßstab durch KI.
Stipendien wurden „schon immer“ an Professoren basierend auf Quantität mal Qualität vergeben. Jetzt produzieren einige Professoren mit derselben Gruppe von Co-Autoren 1–3 Paper pro Monat. Das ganze Stipendiegeld geht an sie. Die Geldgeber zählen einfach nur die Anzahl der veröffentlichten Paper.
Die industrielle Revolution hat die Wissenschaft erreicht, und einige Akademiker streiten eifrig für den handwerklichen Wert der Forschung, während andere Fabriken für Forschung aufbauen.
- A_D_E_P_T
Die Perspektive des Artikels erinnert mich an den Matheunterricht, als ich ein Kind war. Die Lehrerin wollte nicht nur die richtige Antwort, sie wollte sehen, wie ich dorthin gekommen bin. In einem absoluten Sinne ist die richtige Antwort die richtige Antwort, mit oder ohne mein Verständnis, aber so wurde die Klasse nicht benotet. Wir nähern uns einem Punkt, an dem KI für die Wissenschaft das ist, was mein alter Taschenrechner für die Grundschulmathematik war – sie ist in der Lage, schneller und genauer zu Antworten zu springen, als wir es können.
Doch die Sache ist die: Verifikation ist Wissen selbst. Und wenn wir an einen Punkt kommen, an dem die wichtigen Fragen Antworten haben, können wir sicherlich die Verifizierer dazu bringen, uns diese auf eine Weise zu erklären, die wir verstehen können.
- My_Name
Sicherlich ist der Weg nach vorne, die durch rohe Gewalt mit KI erzielten Ergebnisse zu nehmen, zum Beispiel dass bestimmte Vermutungen wahr oder falsch sind, und dieses Wissen dann zu nutzen, um das menschliche Verständnis zu erweitern.
Zu wissen, dass etwas wahr oder falsch ist, wird zumindest Menschen davon abhalten, Zeit damit zu verschwenden, es zu beweisen oder zu widerlegen, und es ihnen ermöglichen, einen eleganteren Beweis zu finden oder die Implikationen des wahren/falschen Ergebnisses zu untersuchen.