Künstliche Intelligenzen konvergieren bei Nobelpreis-Prognosen für Medizin und Literatur

Die methodische Validität der Prognosen ist fragwürdig, da die Auswahl der neun Systeme nicht transparent begründet wird und die regionale Verteilung stark auf die USA zentriert ist. Die Behauptung, KI-Modelle könnten komplexe wissenschaftliche Verdienste objektiv bewerten, ist problematisch, da diese Systeme auf statistischen Mustern basieren. Die Übereinstimmung der Modelle spiegelt eher gemeinsame Trainingsdaten und dominante Narrative in der westlichen Wissenschaftslandschaft wider, als eine unabhängige, faktenbasierte Vorhersage.

Ein zentraler Kritikpunkt ist die fehlende Differenzierung zwischen etablierten Favoriten und tatsächlichen Innovationen. Die Nennung von GLP-1-Forschern als „offensichtlichster Preis“ seit der mRNA-Impfung zeigt, dass die KIs auf bereits stark medial diskutierte Themen zurückgreifen. Dies deutet auf eine Bestätigung bestehender Machtstrukturen in der Wissenschaftshierarchie hin, bei der westliche Institutionen bevorzugt werden. Die Frage, wer von dieser Sichtweise profitiert, verweist auf die Dominanz bestimmter akademischer Netzwerke und pharmazeutischer Interessen, die durch solche Vorhersagen indirekt legitimiert werden könnten.

Die Benennung der chinesischen Autorin Can Xue als Literaturnobelpreis-Favoritin durch fünf der acht KIs ist bemerkenswert, da sie bereits seit Jahren als Kandidatin gehandelt wird. Hier fehlt jedoch die kritische Einordnung, ob diese Nennung auf einer echten literarischen Neubewertung beruht oder lediglich auf…