Machine Learning zorgt voor een revolutie in wetenschappelijke ontdekkingen in de genetica en daarbuiten

Wetenschappers gebruiken steeds vaker machine learning om ziekten te voorspellen, medicijnen te ontwerpen en verborgen patronen te vinden in grote datasets. Dit luidt een nieuw tijdperk van wetenschappelijke ontdekkingen in. De opkomst van deze algoritmen is een verhaal van convergentie, dat de manier waarop wetenschap wordt bedreven transformeert. Door de geschiedenis heen was wetenschappelijke ontdekking afhankelijk van menselijke inspanning. Data was kostbaar en wetenschappers ontwierpen zorgvuldig algoritmen. De hoeveelheid data is echter in alle vakgebieden geëxplodeerd, waardoor het menselijk vermogen om deze handmatig te analyseren wordt overschreden. Machine learning is naar voren gekomen als een oplossing voor dit probleem. Deze algoritmen zijn uitgegroeid tot krachtige wetenschappelijke hulpmiddelen. Dit maakt doorbraken mogelijk in verschillende disciplines, waaronder genetica en aanverwante vakgebieden. In de biologie heeft machine learning een aanzienlijke impact gehad op het eiwitvouwingsprobleem. AlphaFold2 van DeepMind voorspelt driedimensionale vormen met laboratoriumnauwkeurigheid. Dit versnelt de ontdekking van geneesmiddelen en helpt onderzoekers te begrijpen hoe mutaties de functie verstoren. Machine learning is nu routine in verschillende vakgebieden. Het doorzoekt enorme datasets op zoek naar inzichten die mensen niet zelfstandig kunnen extraheren. Het is echter niet bedoeld om wetenschappers te vervangen, maar om hun mogelijkheden te vergroten. Hoewel machine learning modellen uitblinken in het vinden van patronen, kunnen ze vaak niet uitleggen waarom die patronen bestaan. De verbeeldingskracht, intuïtie en creativiteit om diverse ideeën met elkaar te verbinden blijven unieke menselijke sterke punten. Naarmate wetenschap algoritmisch toegankelijker wordt, zal de focus verschuiven naar wat we ons kunnen voorstellen.