Fundamentele Modellen voor Wetenschappelijke Ontdekking: Van Paradigmaverscherping naar Paradigmaverschuiving

Foundation Models for Scientific Discovery: From Paradigm Enhancement to Paradigm Transition

October 17, 2025

Auteurs: Fan Liu, Jindong Han, Tengfei Lyu, Weijia Zhang, Zhe-Rui Yang, Lu Dai, Cancheng Liu, Hao Liu

cs.AI

Samenvatting

Foundation models (FM's), zoals GPT-4 en AlphaFold, zijn bezig het landschap van wetenschappelijk onderzoek te hervormen. Naast het versnellen van taken zoals hypothesegeneratie, experimenteel ontwerp en resultaatinterpretatie, roepen ze een meer fundamentele vraag op: Versterken FM's slechts bestaande wetenschappelijke methodologieën, of herdefiniëren ze de manier waarop wetenschap wordt bedreven? In dit artikel beargumenteren we dat FM's een overgang naar een nieuw wetenschappelijk paradigma katalyseren. We introduceren een driestappenraamwerk om deze evolutie te beschrijven: (1) Meta-Wetenschappelijke Integratie, waarbij FM's workflows binnen traditionele paradigma's verbeteren; (2) Hybride Mens-AI Co-Creatie, waarbij FM's actieve samenwerkingspartners worden bij probleemformulering, redenering en ontdekking; en (3) Autonome Wetenschappelijke Ontdekking, waarbij FM's functioneren als onafhankelijke agenten die in staat zijn om nieuwe wetenschappelijke kennis te genereren met minimale menselijke tussenkomst. Door deze lens bekijken we huidige toepassingen en opkomende mogelijkheden van FM's binnen bestaande wetenschappelijke paradigma's. We identificeren verder risico's en toekomstige richtingen voor wetenschappelijke ontdekkingen die door FM's worden mogelijk gemaakt. Dit position paper heeft als doel de wetenschappelijke gemeenschap te ondersteunen bij het begrijpen van de transformerende rol van FM's en om reflectie te bevorderen over de toekomst van wetenschappelijke ontdekking. Ons project is beschikbaar op https://github.com/usail-hkust/Awesome-Foundation-Models-for-Scientific-Discovery.

English

Foundation models (FMs), such as GPT-4 and AlphaFold, are reshaping the landscape of scientific research. Beyond accelerating tasks such as hypothesis generation, experimental design, and result interpretation, they prompt a more fundamental question: Are FMs merely enhancing existing scientific methodologies, or are they redefining the way science is conducted? In this paper, we argue that FMs are catalyzing a transition toward a new scientific paradigm. We introduce a three-stage framework to describe this evolution: (1) Meta-Scientific Integration, where FMs enhance workflows within traditional paradigms; (2) Hybrid Human-AI Co-Creation, where FMs become active collaborators in problem formulation, reasoning, and discovery; and (3) Autonomous Scientific Discovery, where FMs operate as independent agents capable of generating new scientific knowledge with minimal human intervention. Through this lens, we review current applications and emerging capabilities of FMs across existing scientific paradigms. We further identify risks and future directions for FM-enabled scientific discovery. This position paper aims to support the scientific community in understanding the transformative role of FMs and to foster reflection on the future of scientific discovery. Our project is available at https://github.com/usail-hkust/Awesome-Foundation-Models-for-Scientific-Discovery.