Iedereen is enthousiast over "AI voor Wetenschap." in 2025! Aan het einde van het jaar, laat me alsjeblieft mijn onbehagen en optimisme delen, specifiek over AI & biologie. Na weer een jaar diep in biologische fundamentmodellen, gezondheidszorg AI en medicijnontdekking, zijn hier 3 lessen die ik in 2025 heb geleerd. 1. Biologie is niet "slechts een andere modaliteit." De grootste misvatting die ik nog steeds zie: "Biologie is tekst + afbeeldingen + grafieken. Schaal gewoon transformers." Nee. Biologie is causaal, hiërarchisch, stochastisch en onvolledig op manieren die taal en visie niet zijn. Tokens komen niet schoon overeen met de realiteit. Labels zijn schaars, bevooroordeeld en vaak verkeerd. De grondwaarheid is voorwaardelijk, contextafhankelijk en soms onbekend. We hebben echte vooruitgang geboekt—single-cell, imaging, genomica, EHR's worden eindelijk gezamenlijk gemodelleerd—maar de harde waarheid is dit: De meeste biologische signalen zijn geen gesuperviseerde problemen die wachten op betere verliesfuncties. Het zijn interventie-gedreven problemen. Ze vereisen verstoringen, tegenfeitelijkheden en mechanismen, meer dan alleen voorspelling. Schaalvergroting helpt uiteraard. Maar zonder causale structuur geeft schaling meestal alleen scherpere correlaties. 2025 heeft mijn overtuiging versterkt dat biologische fundamentmodellen moeten worden gebouwd rond verstoring, onzekerheid en uitvoerbaarheid, niet alleen rond representatie leren. 2. Benchmarks houden biologie meer tegen dan compute. Laten we eerlijk zijn: Benchmarking in AI & biologie is nog steeds gebroken. Iedereen rapporteert SOTA. Iedereen kiest een andere dataset-slice. Iedereen stemt af op een andere metriek. Iedereen vermijdt prospectieve validatie....