Technologien, die Wellen schlagen werden

Für unsere jährliche Liste der 10 bahnbrechenden Technologien suchen wir nicht nach den wildesten Ideen – sondern nach jenen, die unser Leben am stärksten verändern werden.

Lesezeit: 2 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen

(Bild: Shutterstock)

Von
  • Wolfgang Stieler

Wird es jemals ein Mittel gegen Alzheimer geben? Finden wir endlich die passenden Materialien für große und günstige Stromspeicher? Wann können wir garantiert sicher im Internet kommunizieren? Wir wissen es nicht mit letzter Sicherheit. Aber wir sind überzeugt, dass die Forscher auf den folgenden Seiten auf dem besten Weg dahin sind, diese großen Fragen zu ­beantworten. Und zwar nicht mit einem Nein. Für unsere jährliche Liste der 10 bahnbrechenden Technologien suchen wir nicht nach den wildesten Ideen (wobei die eine oder andere durchaus in diese Kategorie gehört) – sondern nach jenen, die unser Leben am stärksten verändern werden. Wir fragen nicht: Was ist am coolsten? Sondern: Was ist am wahrscheinlichsten? Die Antwort ist nicht immer wünschenswert. Mittels intelligenter Videoüberwachung etwa wollen Polizisten Kriminelle schon vor der Tat ­erkennen. Die Technologie kann Opfer schützen, aber auch in einem Überwachungsstaat münden. Trotzdem gehört auch das hierher. Nur wer mögliche Folgen einkalkuliert, kann eine bessere Zukunft gestalten. Optimismus bedeutet ja nicht Realitätsverlust. Hier folgt ein Einblick in die erste Technologie auf unserer Liste – den kompletten Texte und die neun weiteren Technologien finden Sie im neuen TR-Heft (ab 12. September im Handel):

Wir brauchen dringend neue medizinische Wirkstoffe und Materialien. Sie zu finden, ist bisher jedoch ein enorm teurer und langwieriger Prozess. Nun soll künstliche Intelligenz helfen.

Von Regina Barzilays Büro hat man eine gute Übersicht: Nebenan liegt das Novartis-Institut für Biomedizinische Forschung. Die Wirkstoffentwicklung der Pharmafirma Amgen ist nur ein paar Blöcke weiter angesiedelt. Bis vor Kurzem hatte Barzilay, eine der weltweit führenden Forscherinnen auf dem Gebiet der künstlichen Intelligenz, nicht viel über all die Chemiker und Biologen in ihrer Nachbarschaft nachgedacht. Aber als KI und maschinelles Lernen immer beeindruckendere Leistungen zeigten, begann sie sich zu fragen: Könnte KI auch helfen, neue Medikamente zu finden? Genau daran arbeitet sie nun gemeinsam mit Amgen. Künftig könnte eine der wichtigsten KI-Anwendungen nicht das fahrerlose Auto, die intelligente Bildsuche oder die Sprachsteuerung sein, sondern die Fähigkeit, neue Ideen zu entwickeln und Innovationen anzuregen.

Schätzungen zufolge gibt es 10 hoch 60 potenzielle pharmazeutische Wirkstoffe – das sind mehr als die Anzahl der Atome im Sonnensystem. Neue Wirkstoffe durch bloßes Ausprobieren zu finden, würde nicht einmal Computern gelingen. Pharmazeuten gehen daher oft von bekannten Wirkstoffen aus und überlegen, wie sich strukturelle Veränderungen an diesem Molekül auf seine Eigenschaften auswirken könnten. Anschließend müssen sie unzählige Varianten dieses Moleküls synthetisieren und testen – und die meisten erweisen sich als Fehlschläge.

Trainiert man aber eine KI-Software mit genügend Bei­spielen bereits bekannter Moleküle und deren Eigenschaften, könnten diese Programme alle möglichen verwandten Moleküle untersuchen. Deep Learning könnte den Prozess also wesentlich beschleunigen. Aber nicht nur das. Das maschinelle Lernen könnte auch die Grenzen des menschlichen Vorstellungsvermögens sprengen. „Vielleicht wird die Software in eine andere Richtung gehen, in die ein Mensch nicht gehen würde“, sagt Angel Guzman-Perez, der aufseiten des Pharmakonzerns Amgen mit Barzilay zusammenarbeitet. „Maschinen denken anders.“ Auch einer der großen Pioniere des Deep Learning ist von dem Ansatz überzeugt: Geoffrey Hinton von der Universität Toronto, dessen Arbeiten weitgehend den Boom der heutigen KI ausgelöst haben. Denn tiefe neuronale Netze haben die Fähigkeit, „komplizierte Strukturen in hochdimensionalen Daten“ zu entdecken. Die glei­chen Netzwerke, die durch Millionen von Bildern navigieren können, um beispielsweise einen Hund mit Flecken zu finden, ­könnten ihm zufolge Millionen von Molekülen durchsuchen, um eines mit bestimmten gewünschten Eigenschaften zu ­identifizieren.

(wst)