Stelt u zich eens voor: een bibliotheek waar elk nieuw boek op de vorige lijkt, geschreven in dezelfde stijl en over dezelfde onderwerpen. Hoewel de planken sneller volstromen dan ooit, ontdekt u eigenlijk niets nieuws meer. Dit is precies de valstrop waar de moderne wetenschap momenteel inloopt door het massale gebruik van kunstmatige intelligentie.
Ik zie het overal om me heen: onderzoekers die GPT-modellen gebruiken om sneller te publiceren en vaker geciteerd te worden. Het gaat razendsnel, maar een recente studie van de Universiteit van Cambridge laat een verontrustend neveneffect zien. We bouwen geen wolkenkrabbers van kennis meer, maar een eindeloze eenheidsworst van data.
De opkomst van de wetenschappelijke ‘monocultuur’
In mijn gesprekken met academici merk ik dat de druk om te publiceren in Nederland enorm is. AI lijkt de perfecte oplossing, maar het werkt als een filter dat alles wat ‘anders’ is eruit zeeft. De onderzoekers waarschuwen voor een drievoudige convergentie die onze innovatie verstikt:
- Thematische eenheid: Bijna elk vakgebied stelt nu vragen door een AI-bril, waardoor unieke invalshoeken verdwijnen.
- Methodologische luiheid: We gebruiken massaal dezelfde algoritmes, waardoor we alleen nog zoeken naar antwoorden die deze tools kúnnen geven.
- Taalkundige eenheidsworst: Wetenschappelijke teksten gaan steeds meer op elkaar lijken, vol met dezelfde veilige clichés en structuren.
Het is te vergelijken met landbouw: als een boer maar één gewas plant (een monocultuur), is de hele oogst kwetsbaar voor één enkele ziekte. Wetenschap heeft diversiteit nodig om te overleven, maar AI dwingt ons allemaal in hetzelfde smalle gangetje.
De illusie van begrip
Er is een nuance die velen over het hoofd zien. Universiteiten van Yale tot Princeton spreken over de “illusion of understanding”. Omdat AI zo overtuigend teksten en hypotheses formuleert, denken we dat we het begrijpen. Maar in werkelijkheid hebben we vaak alleen de output van een statistisch model geconsumeerd, zonder de diepe, intellectuele worsteling die tot echte doorbraken leidt.
De cijfers liegen niet: hoewel de productiviteit stijgt, wordt het spectrum aan onderzochte thema’s steeds smaller. We graven dieper, maar in een steeds kleiner tuintje.
Zo behoeden we onszelf voor een kennis-impasse
Het is niet de bedoeling dat we AI verbannen en terugkeren naar de typemachine. Maar we moeten de regels van het spel veranderen. Hier zijn drie manieren waarop we de menselijke nieuwsgierigheid kunnen beschermen:
- Waardeer originaliteit boven snelheid: Financieringsinstanties moeten projecten belonen die géén standaard AI-modellen gebruiken.
- Mix de methoden: Combineer data-analyse met ouderwets veldwerk en kwalitatieve interviews voor een completer beeld.
- Stel de ‘waarom’-vraag: Gebruik AI voor de uitvoering, maar laat de creatieve vonk en de twijfel altijd bij de mens.
De grootste ontdekkingen in de geschiedenis kwamen nooit voort uit datgene wat het meest efficiënt was, maar uit de moed om het onverwachte te verkennen. Als AI het enige filter wordt waardoor we naar de wereld kijken, verliezen we het vermogen om onszelf te verrassen.
Merkt u in uw eigen werk ook dat we steeds vaker voor de ‘makkelijke’ weg van algoritmes kiezen? Of gelooft u dat AI juist snippers van genialiteit blootlegt die we anders nooit hadden gevonden?
