🚨ICH HABE GERADE ETWAS SCHOCKIERENDES GELESEN. Forscher haben gerade eine KI trainiert, die vorhersagen kann, welche wissenschaftlichen Ideen erfolgreich sein werden, bevor ein Experiment durchgeführt wird. Sie ist jetzt besser darin, Forschung zu beurteilen als GPT-5.2, Gemini 3 Pro und jedes andere Top-KI-Modell auf dem Markt. Und sie hat gelernt, indem sie 2,1 Millionen Forschungsarbeiten studiert hat, ohne dass ein einziger menschlicher Wissenschaftler ihr beigebracht hat, wie "gute Wissenschaft" aussieht. Hier ist, was sie getan haben. Ein Team chinesischer Forscher baute zwei KI-Systeme. Das erste, genannt Scientific Judge, wurde mit 700.000 passenden Paaren von hochzitierten vs. niedrigzitierten Arbeiten trainiert. Jedes Paar stammte aus demselben Bereich und demselben Zeitraum. Die einzige Aufgabe der KI: herausfinden, welche Arbeit mehr Einfluss haben würde. Es hat funktioniert. Die KI sagt jetzt mit 83,7% Genauigkeit voraus, welche Forschung erfolgreich sein wird. Das ist höher als bei GPT-5.2. Höher als bei Gemini 3 Pro. Höher als bei jedem existierenden Grenzmodell. Dann bauten sie das zweite System. Scientific Thinker beurteilt nicht nur Ideen. Es schlägt sie vor. Du gibst ihm eine Forschungsarbeit, und es generiert eine Folgeidee mit hohem potenziellen Einfluss. Im direkten Vergleich mit GPT-5.2 wurden die Ideen von Scientific Thinker 61% der Zeit als einflussreicher bewertet. Es generiert bessere Forschungsrichtungen als die intelligentesten KI-Modelle der Welt. Es wird noch seltsamer. Sie haben den Judge nur mit Informatikarbeiten trainiert. Dann testeten sie es in Biologie. Physik. Mathematik. Bereiche, die es noch nie gesehen hatte. Es hat immer noch funktioniert. 71% Genauigkeit bei Biologiearbeiten, auf die es nie trainiert wurde. Die KI hat nicht gelernt, was gute Informatik ausmacht. Sie hat gelernt, was gute Wissenschaft ausmacht, Punkt. Dann testeten die Forscher, ob sie die Zukunft sehen konnte. Sie trainierten es mit Arbeiten bis 2024 und fragten es dann, 2025er Arbeiten zu beurteilen. Es sagte mit 74% Genauigkeit voraus, welche an Bedeutung gewinnen würden. Die KI hat gelernt, Gewinner zu erkennen, bevor die wissenschaftliche Gemeinschaft es tat. Hier ist, worüber niemand spricht. Ein Modell mit 1,5 Milliarden Parametern, klein nach heutigen Standards, sprang nach dem Training von 7% auf 72% Genauigkeit. Das ist ein Sprung von 65 Punkten. Die Fähigkeit, wissenschaftliche Qualität zu beurteilen, ist kein emergentes Merkmal massiver Modelle. Sie kann kleinen, günstigen, schnellen KI-Systemen beigebracht werden, die jeder betreiben kann....