Onderzoekssmaak: kan een machine aanvoelen welke vragen de moeite waard zijn?
Stel je twee scheikundestudenten voor die dezelfde stof, dezelfde apparatuur en dezelfde kennis hebben. Toch kiest de een een experiment dat tien jaar later tot een doorbraak leidt, terwijl de ander een technisch perfect maar uiteindelijk oninteressant proefje uitvoert. Het verschil zit niet in intelligentie of vlijt, maar in wat onderzoekers onderling weleens "onderzoekssmaak" noemen: het aanvoelen van welke vragen de moeite waard zijn om te stellen, welke aanpak elegant genoeg is om door te zetten, en wanneer een resultaat écht interessant is en niet alleen maar correct.
De term duikt de laatste jaren steeds vaker op in een heel andere context: kunstmatige intelligentie. AI-taalmodellen kunnen inmiddels code schrijven, data analyseren en literatuur samenvatten, allemaal onderdelen van wetenschappelijk werk. Maar kunnen ze ook die moeilijker te vatten vaardigheid ontwikkelen: zelf beslissen welk experiment de moeite waard is, welke van tien mogelijke vervolgstappen de beste is? Als dat lukt, verandert dat niet alleen hoe wetenschap wordt bedreven, maar mogelijk ook hoe snel AI zichzelf kan verbeteren. Dat maakt onderzoekssmaak tot een klein begrip met grote implicaties.
Wat is het precies?
Onderzoekssmaak is geen meetbare vaardigheid zoals een IQ-score of een examencijfer. Het is een verzamelnaam voor een reeks intuïtieve keuzes die ervaren wetenschappers maken, vaak zonder dat ze precies kunnen uitleggen waarom. Denk aan een schaakgrootmeester die in een oogopslag ziet welke zetten de moeite van het doorrekenen waard zijn, zonder alle mogelijkheden één voor één te hoeven doorlopen.
In de wetenschap gaat het onder meer om drie dingen. Ten eerste: probleemkeuze. Van de duizend vragen die je zou kunnen onderzoeken, zijn er misschien tien die op dit moment, met de huidige kennis en middelen, daadwerkelijk tot vooruitgang kunnen leiden. Ten tweede: methodekeuze, oftewel weten welke aanpak niet alleen werkt, maar ook "schoon" en overtuigend genoeg is om anderen te overtuigen. Ten derde: het herkennen van een verrassend resultaat te midden van ruis, het besef dat een klein, onverwacht afwijkend datapuntje soms belangrijker is dan de hoofduitkomst van een experiment.
De Amerikaanse natuurkundige en informaticapionier Richard Hamming hield hierover in 1986 een beroemde lezing, "You and Your Research", waarin hij betoogde dat het verschil tussen goede en briljante wetenschappers vaak niet in kennis zit, maar in de moed en het inzicht om aan de écht belangrijke problemen te werken in plaats van aan de veilige, makkelijk oplosbare. Die observatie ligt ten grondslag aan hoe het begrip nu wordt gebruikt in AI-context.
Wat wil men ermee bereiken?
De directe aanleiding voor de hernieuwde belangstelling is de vraag of AI-systemen het onderzoeksproces zelf kunnen versnellen, inclusief AI-onderzoek. Op dit moment doen AI-modellen vooral het uitvoerende werk: code testen, datasets doorzoeken, literatuur samenvatten. Dat is nuttig, maar het is niet de bottleneck. De bottleneck is vaak de mens die beslist wélke van de honderd mogelijke experimenten de komende maand wordt uitgevoerd.
Als AI-systemen ook die keuzes goed zouden kunnen maken, zou dat onderzoek in potentie enorm versnellen: minder tijd verspild aan doodlopende paden, meer focus op veelbelovende richtingen. Voor gebieden als geneesmiddelenontwikkeling, materiaalkunde of klimaatwetenschap zou dat waardevol zijn.
Er zit ook een minder geruststellende kant aan. Als AI-systemen zelf goede onderzoekssmaak ontwikkelen voor AI-onderzoek, zouden ze kunnen bijdragen aan het steeds sneller verbeteren van AI zelf, een proces dat onderzoekers weleens "recursieve zelfverbetering" noemen. Verschillende AI-bedrijven noemen dit expliciet als een punt waarop extra voorzichtigheid geboden is: niet omdat het al gebeurt, maar omdat niemand precies weet hoe dichtbij het is.
Voorbeelden uit de praktijk
Een aantal concrete projecten laat zien hoe dit onderzoeksveld zich in de praktijk ontwikkelt.
METR en RE-Bench (vanaf 2024). De onderzoeksorganisatie METR (Model Evaluation and Threat Research, voorheen onderdeel van ARC Evaluations) ontwikkelde een benchmark om te meten hoe goed AI-agenten zijn in machine-learning-onderzoekstaken, zoals het optimaliseren van een trainingsalgoritme binnen een beperkte tijd. De AI-agenten worden vergeleken met ervaren menselijke onderzoekers die dezelfde opdracht krijgen.
Sakana AI's "The AI Scientist" (2024). Het Japanse AI-bedrijf Sakana AI presenteerde een systeem dat, naar eigen zeggen, het complete onderzoeksproces in machine learning kan doorlopen: een idee bedenken, experimenten opzetten, resultaten analyseren en er zelfs een wetenschappelijk artikel over schrijven. Critici wezen erop dat de kwaliteit van de gegenereerde papers wisselend was en dat het systeem soms voor de hand liggende of weinig originele ideeën koos, precies het punt waarop onderzoekssmaak tekortschiet.
Google DeepMind's "AI co-scientist" (2025). DeepMind presenteerde een systeem van meerdere samenwerkende AI-modellen, gebaseerd op hun Gemini-taalmodel, dat onderzoekers helpt bij het genereren en beoordelen van wetenschappelijke hypothesen. Het systeem werd onder meer getest op vragen rond antibioticaresistentie, waarbij het volgens DeepMind al bestaande, door mensen onafhankelijk bevestigde hypothesen wist te reproduceren.
Anthropic en "Machines of Loving Grace" (2024). Anthropic-oprichter en -directeur Dario Amodei schreef een uitgebreid essay waarin hij schetst hoe AI biologie en geneeskunde in de komende tien jaar zou kunnen versnellen, mits AI-systemen leren om net als goede menselijke onderzoekers de meest kansrijke experimenten te selecteren in plaats van willekeurig te zoeken.
Deze voorbeelden laten ook zien waar de grens ligt: de systemen zijn goed in het uitvoeren en combineren van bestaande kennis, maar de vraag of ze echt nieuwe, verrassende onderzoeksrichtingen kunnen herkennen, blijft voorlopig grotendeels onbeantwoord.
Hoe ver is de techniek?
Op dit moment is er geen consensus over hoe goed AI-systemen daadwerkelijk zijn in onderzoekssmaak, mede omdat het zo moeilijk te meten is. Benchmarks zoals RE-Bench laten zien dat AI-agenten op sommige afgebakende engineeringtaken de prestaties van menselijke experts kunnen benaderen of, binnen een beperkt tijdsbudget, zelfs overtreffen. Maar dat zijn taken met een duidelijk, meetbaar doel, iets heel anders dan het kiezen van een geheel nieuwe onderzoeksrichting waarvan niemand weet of die iets oplevert.
Bij open-eindige taken, zoals zelfstandig een origineel en waardevol onderzoeksidee bedenken, presteren AI-systemen wisselend. Ze zijn goed in het combineren en variëren van bestaande ideeën, maar minder goed in het herkennen van welke variatie er werkelijk toe doet. Onderzoekers noemen dit weleens het verschil tussen "interpoleren" binnen bekende kennis en "extrapoleren" naar iets nieuws.
Een belangrijk obstakel is bovendien dat onderzoekssmaak bij mensen deels ontstaat door jarenlange blootstelling aan mislukte experimenten, gefaalde hypotheses en de reacties van vakgenoten, een langzaam proces van vallen en opstaan dat moeilijk te vervangen is door trainingsdata alleen. Ook is er geen goede, algemeen aanvaarde manier om te meten of een AI-systeem echt "smaak" heeft ontwikkeld, in tegenstelling tot het slim herkennen van patronen in de vraagstelling zelf.
Wie werken eraan?
Het onderwerp wordt vooral onderzocht door de grote AI-laboratoria en gespecialiseerde onderzoeksorganisaties. Anthropic (Verenigde Staten) besteedt er in publieke essays en in het eigen veiligheidsbeleid expliciet aandacht aan, mede omdat het bedrijf het versnellen van AI-onderzoek door AI zelf beschouwt als een belangrijk aandachtspunt voor veilige ontwikkeling. Google DeepMind (Verenigd Koninkrijk/Verenigde Staten) werkt met het AI co-scientist-project aan toepassingen in de biomedische wetenschap. OpenAI (Verenigde Staten) noemt het automatiseren van AI-onderzoek eveneens als een kernthema in het eigen ontwikkelingsbeleid. METR (Verenigde Staten) is een onafhankelijke non-profit die zich specifiek richt op het meten van dit soort onderzoeksvaardigheden bij AI-modellen, en werkt daarbij samen met meerdere AI-bedrijven. Sakana AI (Japan) experimenteert met volledig geautomatiseerde onderzoekssystemen. Daarnaast houden academische onderzoekers, onder wie wiskundigen die zich bezighouden met de vraag of AI ooit "wiskundige smaak" kan ontwikkelen, zich bezig met de fundamentelere vraag wat onderzoekssmaak eigenlijk is en of het uberhaupt goed te definiëren valt.