KI generiert Theorien aus 13.700 Artikeln – neue Methode schlägt Modelle
In einem wegweisenden Beitrag zur automatisierten Wissenschaftsforschung zeigen Forscher, dass Künstliche Intelligenz nicht nur Experimente entwerfen, sondern auch komplette wissenschaftliche Theorien aus großen Literaturbeständen ableiten kann. Der Fokus liegt dabei auf der Synthese von qualitativen und quantitativen Gesetzen, die in der Fachliteratur verankert sind.
Die Studie nutzt ein umfangreiches Korpus von 13.700 Fachartikeln, aus denen 2.900 Theorien generiert werden. Dabei wird die Leistung von Modellen, die ausschließlich auf parametricem Wissen (LLM‑Speicher) basieren, mit einer neuen, literaturgestützten Methode verglichen. Zusätzlich werden zwei Zielsetzungen untersucht: eine auf Genauigkeit ausgerichtete und eine auf Neuheit ausgerichtete Generierung.
Die Ergebnisse sind überzeugend: Die literaturbasierte Methode liefert Theorien, die deutlich besser mit vorhandenen Beweisen übereinstimmen und zukünftige Ergebnisse aus 4.600 neu veröffentlichten Papieren vorhersagen können. Im Vergleich dazu zeigen parametric‑basierte Modelle Schwächen in beiden Bereichen.
Diese Erkenntnisse markieren einen bedeutenden Fortschritt für die KI‑gestützte Forschung. Durch die Kombination von umfangreicher Literaturanalyse und fortschrittlichen Sprachmodellen eröffnet sich ein neues Feld, in dem maschinell generierte Theorien nicht nur plausibel, sondern auch praktisch überprüfbar sind.