Alle sind begeistert von "AI for Science." im Jahr 2025! Am Ende des Jahres möchte ich meine Unruhe und meinen Optimismus teilen, insbesondere in Bezug auf KI und Biologie. Nachdem ich ein weiteres Jahr tief in biologischen Grundmodellen, KI im Gesundheitswesen und der Arzneimittelentdeckung verbracht habe, sind hier 3 Lektionen, die ich 2025 gelernt habe. 1. Biologie ist nicht "nur eine weitere Modalität." Das größte Missverständnis, das ich immer noch sehe: "Biologie ist Text + Bilder + Grafiken. Einfach Transformer skalieren." Nein. Biologie ist kausal, hierarchisch, stochastisch und unvollständig auf Weisen, die Sprache und Vision nicht sind. Tokens entsprechen nicht sauber der Realität. Labels sind spärlich, voreingenommen und oft falsch. Die Grundwahrheit ist bedingt, kontextabhängig und manchmal unknowable. Wir haben echte Fortschritte gemacht – Einzelzell-, Bildgebungs-, Genomik- und EHR-Modelle werden endlich gemeinsam modelliert – aber die harte Wahrheit ist diese: Die meisten biologischen Signale sind keine überwachten Probleme, die auf bessere Verlustfunktionen warten. Sie sind interventionsgetriebene Probleme. Sie verlangen Störungen, kontrafaktische Überlegungen und Mechanismen, die über bloße Vorhersagen hinausgehen. Skalierung hilft offensichtlich. Aber ohne kausale Struktur gibt die Skalierung hauptsächlich schärfere Korrelationen. 2025 hat meinen Glauben verstärkt, dass biologische Grundmodelle um Störung, Unsicherheit und Handlungsfähigkeit herum aufgebaut werden müssen, nicht nur um Repräsentationslernen. 2. Benchmarks halten die Biologie mehr zurück als die Rechenleistung. Seien wir ehrlich: Benchmarking in KI und Biologie ist immer noch kaputt. Jeder berichtet von SOTA. Jeder wählt einen anderen Datensatz-Slice. Jeder stimmt auf eine andere Metrik ab. Jeder vermeidet prospektive Validierung....