Onderzoekers van de Vrije Universiteit Brussel (VUB) en de Université de Namur (UNamur) hebben een belangrijke doorbraak gerealiseerd op het gebied van artificiële intelligentie (AI). Ze hebben aangetoond dat AI-systemen spontaan een eigen taal kunnen ontwikkelen om complexe informatie uit te wisselen. Deze innovatie biedt nieuwe mogelijkheden voor de analyse van wetenschappelijke gegevens en zou kunnen bijdragen aan de ontwikkeling van nieuwe onderzoeksmethoden (New Approach Methodologies, ofwel NAMs), die het mogelijk maken dierproeven te verminderen en te vervangen.
Wanneer artificiële intelligentie een eigen taal ontwikkelt
In tegenstelling tot klassieke AI-systemen, die gebruikmaken van menselijke talen, hebben Belgische onderzoekers een methode ontwikkeld waarmee artificiële ‘agents’ hun eigen communicatiesysteem kunnen creëren.
Deze agents kunnen informatie uitwisselen afkomstig van zeer uiteenlopende sensoren, die onder meer infraroodsignalen, afstanden of chemische eigenschappen kunnen meten.
In plaats van de agents een vooraf vastgelegde woordenschat op te leggen, gaven de wetenschappers hun de mogelijkheid om zelf woorden te bedenken en geleidelijk gemeenschappelijke concepten te ontwikkelen.
Tijdens hun interacties passen de agents hun woordenschat aan op basis van geslaagde en mislukte communicatie. Zo ontstaat spontaan een gedeelde taal, zonder menselijke tussenkomst, om de regels ervan vast te leggen.
Dankzij deze aanpak kunnen AI-systemen efficiënt communiceren, zelfs wanneer ze complexe, onnauwkeurige of gegevens afkomstig van verschillende sensoren verwerken.
Veelbelovende resultaten op 37 datasets
De onderzoekers hebben deze technologie getest op 37 uiteenlopende datasets, waaronder fysisch-chemische analyses van wijn, waarnemingen van exoplaneten door NASA en visuele gegevens.
In deze verschillende situaties slaagden de artificiële agents erin een gemeenschappelijke woordenschat te ontwikkelen om de geanalyseerde informatie weer te geven en uit te wisselen.
Een van de belangrijkste voordelen van deze methode is de transparantie ervan. In tegenstelling tot bepaalde AI-modellen waarvan de beslissingen moeilijk te interpreteren zijn, kunnen onderzoekers nagaan met welke gegevens de ontwikkelde concepten overeenkomen.
Het systeem kan zijn taal bovendien aanpassen wanneer de omstandigheden veranderen of wanneer de ontvangen informatie minder nauwkeurig wordt.
Dit vermogen om uiteenlopende gegevens te organiseren, te interpreteren en uit te wisselen, vormt een interessante vooruitgang voor tal van wetenschappelijke disciplines.
Nieuwe perspectieven voor proefdiervrije onderzoeksmethoden
Deze innovatie kan ook bijdragen aan de ontwikkeling van nieuwe onderzoeksmethoden die een steeds belangrijkere plaats innemen in het biomedisch en toxicologisch onderzoek.
NAMs omvatten onder meer menselijke celculturen, organoïden, organen-op-een-chip en computermodellen. Met deze technologieën kunnen biologische mechanismen, ziekten en de effecten van chemische stoffen worden bestudeerd aan de hand van innovatieve benaderingen, zonder gebruik te maken van dierproeven.
De ontwikkeling ervan brengt een grote uitdaging met zich mee: het analyseren en integreren van grote hoeveelheden gegevens uit zeer uiteenlopende bronnen.
Doordat artificiële systemen op basis van complexe informatie een gemeenschappelijke taal kunnen ontwikkelen, zou de technologie van de VUB en UNamur op termijn de communicatie tussen verschillende analysetools en wetenschappelijke modellen kunnen vergemakkelijken.
Dit vermogen kan interessant zijn om gegevens uit menselijke celculturen, moleculaire analyses en computersimulaties te combineren, met als doel een vollediger inzicht te krijgen in biologische mechanismen.
Naar een moderne wetenschap gebaseerd op proefdiervrije methoden
Voor GAIA tonen wetenschappelijke doorbraken zoals deze aan hoe belangrijk het is om te investeren in innovatieve technologieën. Ook de samenwerking tussen artificiële intelligentie, menselijke biologie en nieuwe onderzoeksmethoden versterken, is belangrijk.
Het verbeteren van de mogelijkheden om gegevens te analyseren en te integreren, is een belangrijke hefboom voor de ontwikkeling van onderzoeksmethoden die doeltreffender, relevanter voor de mens en diervriendelijker zijn.
Ook in België tonen universitaire onderzoeksprojecten aan hoe wetenschappelijke innovatie onderzoeksmethoden kan vernieuwen en nieuwe mogelijkheden kan creëren.
Het ondersteunen van de ontwikkeling van NAMs en de bijbehorende digitale technologieën is essentieel om de overgang naar een toekomstgerichte wetenschap zonder dierproeven te versnellen.
Bron:
Vrije Universiteit Brussel (14 oktober 2026). VUB and UNamur study shows how AI agents develop their own ‘artificial natural language’ to communicate about complex data.
Publication scientifique : Botoko Ekila et al. (2026), Emergent Communication in Continuous Worlds: Self-Organisation of Conceptually Grounded Vocabularies at Scale, Transactions of the Association for Computational Linguistics.