Wetenschappers genereren jaarlijks meer dan 10 miljoen onderzoekspapers, maar toch zijn niet alle bevindingen robuust. De uitdaging is om snel betrouwbare onderzoeken te identificeren, voordat verspilde moeite of gebrekkige beleidsbeslissingen het resultaat zijn. Jarenlang zijn peer review en replicatie de standaard geweest, maar beide zijn traag en kostbaar.
Het door DARPA gefinancierde SCORE-project
In 2017 lanceerde het Defense Advanced Research Projects Agency (DARPA) het project Systematizing Confidence in Open Research and Evidence (SCORE). Onder leiding van Adam Russell was het doel om AI-systemen te ontwikkelen die in staat zijn de langetermijnvaliditeit van een onderzoek te voorspellen vóór replicatie. Het project had tot doel een ‘credit score’ voor wetenschappelijk onderzoek te creëren, waardoor besluitvormers in één oogopslag de betrouwbaarheid konden beoordelen.
Hoe het werkt
De AI-systemen analyseren nieuwe wetenschappelijke literatuur met behulp van niet-openbaar gemaakte statistieken. De onderliggende methodologie blijft onduidelijk, hoewel het waarschijnlijk om datamining, statistische modellering en mogelijk citatienetwerkanalyse gaat. Het uitgangspunt is dat patronen in onderzoeksontwerp, methodologie en vroege validatie kwetsbaarheden aan het licht kunnen brengen.
Waarom dit belangrijk is
De gevolgen zijn aanzienlijk. Betrouwbare wetenschap ondersteunt beleid, geneeskunde en technologie. Snellere evaluatie vermindert de verspilling van middelen door gebrekkige onderzoeken. Er zijn echter risico’s. Een te grote afhankelijkheid van AI kan verkennend onderzoek onderdrukken of bestaande vooroordelen binnen de wetenschappelijke gemeenschap versterken. De echte uitdaging is het garanderen van transparantie en het voorkomen van algoritmische poortwachters.
“Het doel is niet om risico’s te elimineren, maar om sneller weloverwogen beslissingen te nemen.” – Adam Russell, Universiteit van Zuid-Californië
Het SCORE-project benadrukt een bredere trend: de integratie van machinaal leren in wetenschappelijke validatie. Hoewel replicatie essentieel blijft, zullen AI-gestuurde tools waarschijnlijk steeds invloedrijker worden bij het bepalen welk onderzoek terrein wint en welk onderzoek in de vergetelheid raakt.
