Mit unterschiedlichen Modellierungsabstraktionen könnte es möglich sein, ein System künstlicher Intelligenz (artificial intelligence, AI) zu entwickeln, das zu neuen Heilungsmethoden führt. Das System würde überraschende, effektive Therapien vorschlagen, da es Krankheiten auf eine Art verstehen könnte, die für Menschen nur schwer vorstellbar ist. Die Idee hört sich an wie Science Fiction: Jeder weiß, dass AI nicht besonders intelligent ist.
Um eine “Heilungsmaschine” dieser Art zu bauen, benötigen wir mindestens eine weitreichende Innovation: eine bessere Methode zur Modellierung gesamter Systeme, die neue konzeptionelle Werkzeugen sowohl für die Biologie als auch für die Computerwissenschaften zur Folge hätte.
In beiden Bereichen herrschte bislang der konventionelle, reduktionistische Ansatz vor, innerhalb dessen Probleme auf der Ebene ihrer grundlegendsten Komponenten modelliert wurden. Dies macht es zwar möglich, “Expertensysteme” zu bauen, die in engen Zusammenhängen denken oder Suchmaschinen zum Finden diskreter Fakten erschaffen können, aber damit sind wir einer AI, die so denkt wie wir – auf mehreren Ebenen von Zusammenhängen, einschließlich solcher zeitlicher Natur – kaum näher gekommen. AI kann keine Informationen über scheinbar unterschiedliche Prozesse wie chemische, physiologische und psychologische Ereignisse integrieren oder neuartige Ergebnisse prognostizieren. Wir dagegen können so etwas beim Abendessen tun.
Der Schlüssel liegt in der Neuheit. Um eine Heilungsmaschine zu bauen, müssen wir Computern beibringen, Konzepte so zusammenzufügen, dass unerwartete Synthesen entstehen können.
In der Biologie gab es einen ähnlichen, reduktionistischen Ansatz, der am besten durch das Human Genome Project verkörpert wird, das das molekulare “Rezept” des gesamten Körpers katalogisiert, um zu verstehen, wie die grundlegendsten Einheiten miteinander in Beziehung stehen. Aber die erwartete Revolution der Therapien blieb bisher aus.
Access every new PS commentary, our entire On Point suite of subscriber-exclusive content – including Longer Reads, Insider Interviews, Big Picture/Big Question, and Say More – and the full PS archive.
Subscribe Now
Weltweit betragen die Investitionen für biomedizinische Forschungen etwa 110 Milliarden Dollar pro Jahr. Allein HIV zieht viele Milliarden jährlich an. Aber trotz 25 Jahren intensiver Investitionen in strukturelle Biologie sind wir immer noch nicht in der Lage, von unserem Verständnis von Molekülen zu einem Verständnis ganzer Systeme zu gelangen. Ein Modell der Dynamik zwischen multiplen Prozessen – chemischer, physiologischer und psychologischer Art – würde zu neuen Einsichten in die Funktionsweise von Krankheiten führen.
Betrachten wir beispielsweise den Geruchssinn. Die Nasenhöhle ist insofern einmalig, als dass sie der einzige Ort ist, an dem Gehirnzellen (Neuronen) direkt der Umgebung ausgesetzt sind. Wenn wir den Geruchssinn lokal modellieren, können wir verfolgen, wie nasale Neuronen mit Geruchspartikeln interagieren und durch ein Netzwerk anderer Neuronen Signale ans Gehirn senden. Zur Beschreibung dieser Vorgänge verfügen wir in der strukturellen Biologie über gute Abstraktionen.
Aber diese Neuronen sind außerdem Teil eines adaptiven, regenerativen Systems. Sinnesneuronen sterben einen programmierten Tod; wir haben buchstäblich jeden Monat einen neuen Geruchssinn. Um diesen zu modellieren, müssen wir mehr als nur lokale Signalgebung berücksichtigen. Neuronen agieren als kooperative Gruppe: An der betreffenden Stelle erscheinen mehr, als für einen simplen Ersatz nötig wären. Um andere zu ersetzen, treten die überzähligen Neuronen mit den Zellen der Umgebung und solchen tief im Gehirn in einen Dialog, worauf sie sich selbst opfern. Um diesen freiwilligen Tod zu erklären, müssten wir über das Vokabular einer neuen Systemebene verfügen.
Und dies ist noch nicht alles. Wenn die Neuronen ersetzt werden, verändern sie sich. Sind wir frisch verliebt (oder erfahren ein Trauma) und assoziieren damit einen Geruch, können wir eine erhöhte Sensibilität für diesen Geruch entwickeln. Unser physiokognitiver Apparat entwickelt sich.
Ein Weg zum Verständnis dessen, wie diese Kohärenz auf einer höheren Ebene entsteht, liegt darin, diese in einer zugänglicheren Form zu erforschen. Tatsächlich gibt es eine natürlich vorkommende Informationsstruktur, innerhalb derer die benötigten Verhaltensmuster leichter zu beobachten und zu erklären sind. Diese Struktur kann in Erzählungen gefunden werden.
Erzählungen sind bemerkenswert in ihrer Art, uns das Verständnis und das sinnstiftende Erfassen neuer Konzepte zu ermöglichen, auch wenn sie vielfältige Zusammenhänge und unerwartete Assoziationen beinhalten. Wir halten die sich daraus ergebenden erzählerischen Effekte für selbstverständlich: überraschende Endungen, spannende Situationen und den Drang, die Erzählung bis zum Ende zu lesen oder anzuschauen. Könnten Modelle in der Biologie oder AI diese Dynamiken umfassen, würden sie aufzeigen, wie aus einer sich entwickelnden Kohärenz unerwartete Elemente entstehen.
In der Tat könnte die Einbringung dieses Prinzips in beide Felder neue Diagnosemöglichkeiten und neue Formen individualisierter Behandlung ermöglichen, innerhalb derer jede Person eine maßgeschneiderte Therapie erhält. Eine Infektion wie die durch den Coronavirus wird momentan durch einen Impfstoff bekämpft, der diesen blockiert. Aber könnte es einen Weg geben, Körper so zu “tunen”, dass sie sämtliche Infektionen abwehren können? Beispielsweise gibt es einige Fälle natürlicher Immunität gegen HIV, aber wir wissen nicht, warum.
Die Herausforderung in der biomedizinischen und computerwissenschaftlichen Forschung liegt darin, die Dynamik zwischen unterschiedlichen Prozessen auf der Ebene ganzer Systeme zu modellieren. Sobald wir dies können, wird die Entwicklung von AI-Instrumenten wahrscheinlicher, die zu unerwarteten Durchbrüche beim Verständnis dessen führen können, wie der Körper Krankheiten unterstützt oder abwehrt.
To have unlimited access to our content including in-depth commentaries, book reviews, exclusive interviews, PS OnPoint and PS The Big Picture, please subscribe
The European Union’s cumbersome and narrowly defined regulations for public procurement and spending are not simply inadequate; they are dangerous. They weaken the bloc’s ability to protect itself from a broad range of Russian hybrid attacks while prolonging Russia’s aggression in Ukraine.
propose a European Defense Production Act to help fast-track processes for public procurement and spending.
The intricate legal issues and colorful characters in Donald Trump's criminal trials will undoubtedly keep the media and the viewing public enraptured for months to come. But when it comes to the 2024 election, all that really matters is how the defendant appears to a narrow sliver of undecided voters.
points out that optics, more than the law or the facts, will be what matters most for the election.
Iran’s mass ballistic missile and drone attack on Israel last week raised anew the specter of a widening Middle East war that draws in Iran and its proxies, as well as Western countries like the United States. The urgent need to defuse tensions – starting by ending Israel’s war in Gaza and pursuing a lasting political solution to the Israeli-Palestinian conflict – is obvious, but can it be done?
Log in/Register
Please log in or register to continue. Registration is free and requires only your email address.
VIRGINIA BEACH – Im vergangenen Jahr wurde der Nobelpreis für Medizin für eine Entdeckung verliehen, deren Entstehung 44 Jahre gedauert hatte und an der zwei unterschiedliche Forschungsteams beteiligt waren. Dieser Durchbruch verspricht neue Arten von Diagnose und Therapie, aber was wäre, wenn Computer solche Einsichten in Minuten statt in Jahrzehnten entwickeln könnten? Dass kürzlich ein neuer Coronavirus aufgetaucht ist und in Großbritannien und im Nahen Osten neun Menschen getötet hat, erinnert uns daran, dass neue Behandlungen manchmal sehr schnell benötigt werden.
Mit unterschiedlichen Modellierungsabstraktionen könnte es möglich sein, ein System künstlicher Intelligenz (artificial intelligence, AI) zu entwickeln, das zu neuen Heilungsmethoden führt. Das System würde überraschende, effektive Therapien vorschlagen, da es Krankheiten auf eine Art verstehen könnte, die für Menschen nur schwer vorstellbar ist. Die Idee hört sich an wie Science Fiction: Jeder weiß, dass AI nicht besonders intelligent ist.
Um eine “Heilungsmaschine” dieser Art zu bauen, benötigen wir mindestens eine weitreichende Innovation: eine bessere Methode zur Modellierung gesamter Systeme, die neue konzeptionelle Werkzeugen sowohl für die Biologie als auch für die Computerwissenschaften zur Folge hätte.
In beiden Bereichen herrschte bislang der konventionelle, reduktionistische Ansatz vor, innerhalb dessen Probleme auf der Ebene ihrer grundlegendsten Komponenten modelliert wurden. Dies macht es zwar möglich, “Expertensysteme” zu bauen, die in engen Zusammenhängen denken oder Suchmaschinen zum Finden diskreter Fakten erschaffen können, aber damit sind wir einer AI, die so denkt wie wir – auf mehreren Ebenen von Zusammenhängen, einschließlich solcher zeitlicher Natur – kaum näher gekommen. AI kann keine Informationen über scheinbar unterschiedliche Prozesse wie chemische, physiologische und psychologische Ereignisse integrieren oder neuartige Ergebnisse prognostizieren. Wir dagegen können so etwas beim Abendessen tun.
Der Schlüssel liegt in der Neuheit. Um eine Heilungsmaschine zu bauen, müssen wir Computern beibringen, Konzepte so zusammenzufügen, dass unerwartete Synthesen entstehen können.
In der Biologie gab es einen ähnlichen, reduktionistischen Ansatz, der am besten durch das Human Genome Project verkörpert wird, das das molekulare “Rezept” des gesamten Körpers katalogisiert, um zu verstehen, wie die grundlegendsten Einheiten miteinander in Beziehung stehen. Aber die erwartete Revolution der Therapien blieb bisher aus.
Subscribe to PS Digital
Access every new PS commentary, our entire On Point suite of subscriber-exclusive content – including Longer Reads, Insider Interviews, Big Picture/Big Question, and Say More – and the full PS archive.
Subscribe Now
Weltweit betragen die Investitionen für biomedizinische Forschungen etwa 110 Milliarden Dollar pro Jahr. Allein HIV zieht viele Milliarden jährlich an. Aber trotz 25 Jahren intensiver Investitionen in strukturelle Biologie sind wir immer noch nicht in der Lage, von unserem Verständnis von Molekülen zu einem Verständnis ganzer Systeme zu gelangen. Ein Modell der Dynamik zwischen multiplen Prozessen – chemischer, physiologischer und psychologischer Art – würde zu neuen Einsichten in die Funktionsweise von Krankheiten führen.
Betrachten wir beispielsweise den Geruchssinn. Die Nasenhöhle ist insofern einmalig, als dass sie der einzige Ort ist, an dem Gehirnzellen (Neuronen) direkt der Umgebung ausgesetzt sind. Wenn wir den Geruchssinn lokal modellieren, können wir verfolgen, wie nasale Neuronen mit Geruchspartikeln interagieren und durch ein Netzwerk anderer Neuronen Signale ans Gehirn senden. Zur Beschreibung dieser Vorgänge verfügen wir in der strukturellen Biologie über gute Abstraktionen.
Aber diese Neuronen sind außerdem Teil eines adaptiven, regenerativen Systems. Sinnesneuronen sterben einen programmierten Tod; wir haben buchstäblich jeden Monat einen neuen Geruchssinn. Um diesen zu modellieren, müssen wir mehr als nur lokale Signalgebung berücksichtigen. Neuronen agieren als kooperative Gruppe: An der betreffenden Stelle erscheinen mehr, als für einen simplen Ersatz nötig wären. Um andere zu ersetzen, treten die überzähligen Neuronen mit den Zellen der Umgebung und solchen tief im Gehirn in einen Dialog, worauf sie sich selbst opfern. Um diesen freiwilligen Tod zu erklären, müssten wir über das Vokabular einer neuen Systemebene verfügen.
Und dies ist noch nicht alles. Wenn die Neuronen ersetzt werden, verändern sie sich. Sind wir frisch verliebt (oder erfahren ein Trauma) und assoziieren damit einen Geruch, können wir eine erhöhte Sensibilität für diesen Geruch entwickeln. Unser physiokognitiver Apparat entwickelt sich.
Dieser Prozess interessiert Forscher enorm, da er einer von nur zwei Zusammenhängen ist, in denen neuronale Regeneration stattfindet. Würden wir ihn verstehen, könnte er zu Behandlungsmethoden für viele schwere Krankheiten führen, sowohl neurologischer (wie Parkinson oder Alzheimer) als auch degenerativer Art (einschließlich derer, die wie Krebs mit dem Alterungsprozess verbunden sind).
Ein Weg zum Verständnis dessen, wie diese Kohärenz auf einer höheren Ebene entsteht, liegt darin, diese in einer zugänglicheren Form zu erforschen. Tatsächlich gibt es eine natürlich vorkommende Informationsstruktur, innerhalb derer die benötigten Verhaltensmuster leichter zu beobachten und zu erklären sind. Diese Struktur kann in Erzählungen gefunden werden.
Erzählungen sind bemerkenswert in ihrer Art, uns das Verständnis und das sinnstiftende Erfassen neuer Konzepte zu ermöglichen, auch wenn sie vielfältige Zusammenhänge und unerwartete Assoziationen beinhalten. Wir halten die sich daraus ergebenden erzählerischen Effekte für selbstverständlich: überraschende Endungen, spannende Situationen und den Drang, die Erzählung bis zum Ende zu lesen oder anzuschauen. Könnten Modelle in der Biologie oder AI diese Dynamiken umfassen, würden sie aufzeigen, wie aus einer sich entwickelnden Kohärenz unerwartete Elemente entstehen.
In der Tat könnte die Einbringung dieses Prinzips in beide Felder neue Diagnosemöglichkeiten und neue Formen individualisierter Behandlung ermöglichen, innerhalb derer jede Person eine maßgeschneiderte Therapie erhält. Eine Infektion wie die durch den Coronavirus wird momentan durch einen Impfstoff bekämpft, der diesen blockiert. Aber könnte es einen Weg geben, Körper so zu “tunen”, dass sie sämtliche Infektionen abwehren können? Beispielsweise gibt es einige Fälle natürlicher Immunität gegen HIV, aber wir wissen nicht, warum.
Die Herausforderung in der biomedizinischen und computerwissenschaftlichen Forschung liegt darin, die Dynamik zwischen unterschiedlichen Prozessen auf der Ebene ganzer Systeme zu modellieren. Sobald wir dies können, wird die Entwicklung von AI-Instrumenten wahrscheinlicher, die zu unerwarteten Durchbrüche beim Verständnis dessen führen können, wie der Körper Krankheiten unterstützt oder abwehrt.
Aus dem Englischen von Harald Eckhoff