(कैरिन वर्सपुर, आरएमआईटी विश्वविद्यालय द्वारा
मेलबर्न, 21 अगस्त (द कन्वरसेशन) वैज्ञानिक खोज सबसे परिष्कृत मानवीय गतिविधियों में से एक है। इसके लिए सबसे पहले, वैज्ञानिकों को मौजूदा ज्ञान को समझना होता है और एक महत्वपूर्ण अंतर की पहचान करनी होती है। इसके बाद, उन्हें एक शोध प्रश्न तैयार करना होता है और उत्तर की तलाश में एक प्रयोग डिजाइन और संचालित करना होता है। फिर, उन्हें प्रयोग के परिणामों का विश्लेषण और व्याख्या करनी होती है, जो एक और शोध प्रश्न उठा सकता है।
क्या इस पूरी प्रक्रिया को स्वचालित किया जा सकता है? पिछले हफ्ते, सकाना एआई लैब्स ने एक ‘एआई वैज्ञानिक’ के निर्माण की घोषणा की – एक कृत्रिम बुद्धिमत्ता प्रणाली जिसका दावा है कि वह पूरी तरह से स्वचालित तरीके से मशीन लर्निंग के क्षेत्र में वैज्ञानिक खोज कर सकती है।
चैटजीपीटी और अन्य एआई चैटबॉट्स जैसे जेनेरिक बड़े भाषा मॉडल (एलएलएम) का उपयोग करके, सिस्टम विचार-मंथन कर सकता है, एक आशाजनक विचार का चयन कर सकता है, नए एल्गोरिदम को कोड कर सकता है, परिणाम तैयार कर सकता है और प्रयोग और उसके निष्कर्षों को संदर्भों के साथ सारांशित करते हुए एक पेपर लिख सकता है। सकाना का दावा है कि एआई उपकरण केवल 15 अमेरिकी डॉलर प्रति पेपर की लागत पर एक वैज्ञानिक प्रयोग के पूरे जीवनचक्र को पूरा कर सकता है – जो एक वैज्ञानिक के दोपहर के भोजन की लागत से भी कम है।
ये कुछ बड़े दावे हैं. क्या वह सही हो पाएंगे? और अगर होते भी हैं, तो क्या एआई वैज्ञानिकों की एक सेना अमानवीय गति से शोध पत्रों का मंथन कर रही है, यह वास्तव में विज्ञान के लिए अच्छी खबर होगी?
एक कंप्यूटर ‘विज्ञान कैसे कर सकता है’
बहुत सारा विज्ञान खुले में किया जाता है, और लगभग सारा वैज्ञानिक ज्ञान कहीं न कहीं लिखा हुआ है (अन्यथा हमारे पास इसे ‘जानने’ का कोई तरीका नहीं होगा)। लाखों वैज्ञानिक पेपर एआरएक्सआईवी और पबमेड जैसे रिपॉजिटरी में मुफ्त में ऑनलाइन उपलब्ध हैं।
इस डेटा से प्रशिक्षित एलएलएम विज्ञान की भाषा और उसके पैटर्न को पकड़ते हैं। इसलिए शायद यह बिल्कुल भी आश्चर्य की बात नहीं है कि एक जेनेरिक एलएलएम कुछ ऐसा तैयार कर सकता है जो एक अच्छे वैज्ञानिक पेपर जैसा दिखता है – इसमें कई उदाहरण शामिल हैं जिन्हें यह कॉपी कर सकता है।
यह कम स्पष्ट है कि क्या एआई प्रणाली एक दिलचस्प वैज्ञानिक पेपर तैयार कर सकती है। महत्वपूर्ण बात यह है कि अच्छे विज्ञान के लिए नवीनता की आवश्यकता होती है।
लेकिन क्या यह दिलचस्प है?
वैज्ञानिक उन चीजों के बारे में नहीं बताना चाहते जो पहले से ही ज्ञात हैं। बल्कि, वे नई चीज़ें सीखना चाहते हैं, ख़ासकर नई चीज़ें जो पहले से ज्ञात चीज़ों से काफ़ी अलग हैं। इसके लिए योगदान के दायरे और मूल्य के बारे में निर्णय की आवश्यकता होती है।
सकाना प्रणाली दो तरह से रोचकता को संबोधित करने का प्रयास करती है। सबसे पहले, यह मौजूदा शोध (सिमेंटिक स्कॉलर रिपॉजिटरी में अनुक्रमित) की समानता के लिए नए पेपर विचारों को ‘स्कोर’ करता है। जो कुछ भी बहुत समान है उसे हटा दिया जाता है
दूसरा, सकाना की प्रणाली एक ‘सहकर्मी समीक्षा’ कदम पेश करती है – उत्पन्न पेपर की गुणवत्ता और नवीनता का आकलन करने के लिए एक और एलएलएम का उपयोग करना। यहां भी, ओपनरिव्यूडॉटनेट जैसी साइटों पर ऑनलाइन सहकर्मी समीक्षा के बहुत सारे उदाहरण हैं जो मार्गदर्शन कर सकते हैं कि किसी पेपर की आलोचना कैसे की जाए। एलएलएम ने भी इन्हें ग्रहण कर लिया है।
एआई नतीजों पर निर्णय लेने में एआई एक खराब निर्णायक हो सकता है
सकाना एआई के नतीजों पर प्रतिक्रिया मिश्रित है। कुछ लोगों ने इसे ‘अंतहीन वैज्ञानिक ढलान’ उत्पन्न करने वाला बताया है।
यहां तक कि सिस्टम की अपने आउटपुट की समीक्षा भी पेपर को कमजोर मानती है। जैसे-जैसे तकनीक विकसित होगी, इसमें सुधार होने की संभावना है, लेकिन यह सवाल बना हुआ है कि स्वचालित वैज्ञानिक पेपर उपयोगी हैं या नहीं।
शोध की गुणवत्ता को आंकने की एलएलएम की क्षमता भी एक खुला प्रश्न है। मेरा अपना काम (जल्द ही रिसर्च सिंथेसिस मेथड्स में प्रकाशित होने वाला है) दिखाता है कि एलएलएम चिकित्सा अनुसंधान अध्ययनों में पूर्वाग्रह के जोखिम का आकलन करने में महान नहीं हैं, हालांकि समय के साथ इसमें भी सुधार हो सकता है।
सकाना की प्रणाली कम्प्यूटेशनल अनुसंधान में खोजों को स्वचालित करती है, जो कि अन्य प्रकार के विज्ञान की तुलना में बहुत आसान है जिसमें भौतिक प्रयोगों की आवश्यकता होती है। सकाना के प्रयोग कोड के साथ किए गए हैं, जो संरचित पाठ भी है जिसे उत्पन्न करने के लिए एलएलएम को प्रशिक्षित किया जा सकता है।
एआई उपकरण वैज्ञानिकों का समर्थन करने के लिए हैं, न कि उन्हें प्रतिस्थापित करने के लिए
एआई शोधकर्ता दशकों से विज्ञान का समर्थन करने के लिए सिस्टम विकसित कर रहे हैं। प्रकाशित शोध की विशाल मात्रा को देखते हुए, किसी विशिष्ट वैज्ञानिक प्रश्न के लिए प्रासंगिक प्रकाशन ढूंढना भी चुनौतीपूर्ण हो सकता है।
विशिष्ट खोज उपकरण वैज्ञानिकों को मौजूदा कार्य को खोजने और संश्लेषित करने में मदद करने के लिए एआई का उपयोग करते हैं। इनमें उपर्युक्त सिमेंटिक स्कॉलर के अलावा एलिसिट, रिसर्च रैबिट, स्काइट और कंसेंसस जैसी नई प्रणालियाँ भी शामिल हैं।
पबटेटर जैसे टेक्स्ट माइनिंग टूल विशिष्ट आनुवंशिक उत्परिवर्तन और बीमारियों और उनके स्थापित संबंधों जैसे फोकस के प्रमुख बिंदुओं की पहचान करने के लिए कागजात का गहराई से अध्ययन करते हैं। यह वैज्ञानिक जानकारी को संकलित और व्यवस्थित करने के लिए विशेष रूप से उपयोगी है।
मशीन लर्निंग का उपयोग रोबोट समीक्षक जैसे उपकरणों में चिकित्सा साक्ष्य के संश्लेषण और विश्लेषण का समर्थन करने के लिए भी किया गया है। स्कॉलरसी के कागजात में दावों की तुलना और विरोधाभास करने वाले सारांश साहित्य समीक्षा करने में मदद करते हैं।
इन सभी उपकरणों का उद्देश्य वैज्ञानिकों को अपना काम अधिक प्रभावी ढंग से करने में मदद करना है, न कि उन्हें प्रतिस्थापित करना।
एआई अनुसंधान मौजूदा समस्याओं को बढ़ा सकता है
जबकि सकाना एआई का कहना है कि उसे मानव वैज्ञानिकों की भूमिका कम होती नहीं दिख रही है, कंपनी के ‘पूरी तरह से एआई-संचालित वैज्ञानिक पारिस्थितिकी तंत्र’ के दृष्टिकोण का विज्ञान के लिए प्रमुख प्रभाव होगा।
एक चिंता यह है कि, यदि एआई-जनरेटेड पेपर वैज्ञानिक साहित्य में बाढ़ ले आए, तो भविष्य के एआई सिस्टम को एआई आउटपुट पर प्रशिक्षित किया जा सकता है और मॉडल पतन से गुजर सकता है। इसका मतलब यह है कि वे नवप्रवर्तन करने में अधिकाधिक अप्रभावी हो सकते हैं।
हालाँकि, विज्ञान के लिए निहितार्थ स्वयं एआई विज्ञान प्रणालियों पर पड़ने वाले प्रभावों से कहीं अधिक हैं।
विज्ञान में पहले से ही बुरे कलाकार मौजूद हैं, जिनमें नकली कागज बनाने वाली ‘पेपर मिलें’ भी शामिल हैं। यह समस्या तभी और बदतर हो जाएगी जब एक वैज्ञानिक पेपर 15 अमेरिकी डॉलर और एक अस्पष्ट प्रारंभिक संकेत के साथ तैयार किया जा सकता है।
स्वचालित रूप से उत्पन्न शोध के ढेर में त्रुटियों की जाँच करने की आवश्यकता वास्तविक वैज्ञानिकों की क्षमता को तेजी से प्रभावित कर सकती है। सहकर्मी समीक्षा प्रणाली यकीनन पहले से ही टूटी हुई है, और सिस्टम में संदिग्ध गुणवत्ता के अधिक शोध को डालने से यह ठीक नहीं होगा।
विज्ञान मूलतः विश्वास पर आधारित है। वैज्ञानिक इसमें वैज्ञानिक प्रक्रिया की अखंडता पर जोर देते हैं ताकि हम आश्वस्त हो सकें कि दुनिया (और अब, दुनिया की मशीनों) के बारे में हमारी समझ वैध है और इसमें सुधार हो रहा है।
एक वैज्ञानिक पारिस्थितिकी तंत्र जहां एआई सिस्टम प्रमुख खिलाड़ी हैं, इस प्रक्रिया के अर्थ और मूल्य के बारे में बुनियादी सवाल उठाता है, और एआई वैज्ञानिकों पर हमें किस स्तर का भरोसा होना चाहिए। क्या हम इसी प्रकार का वैज्ञानिक पारिस्थितिकी तंत्र चाहते हैं?
द कन्वरसेशन एकता एकता
यह खबर ‘भाषा’ न्यूज़ एजेंसी से ‘ऑटो-फीड’ द्वारा ली गई है. इसके कंटेंट के लिए दिप्रिंट जिम्मेदार नहीं है.