वैज्ञानिक खोज सबसे परिष्कृत मानवीय गतिविधियों में से एक है।सबसे पहले, वैज्ञानिकों को मौजूदा ज्ञान को समझना होगा और एक महत्वपूर्ण अंतर की पहचान करनी होगी।इसके बाद, उन्हें एक शोध प्रश्न तैयार करना होगा और उत्तर की तलाश में एक प्रयोग डिजाइन और संचालित करना होगा।फिर, उन्हें प्रयोग के परिणामों का विश्लेषण और व्याख्या करनी चाहिए, जो एक और शोध प्रश्न उठा सकता है।

क्या इस परिसर की प्रक्रिया को स्वचालित किया जा सकता है?पिछले सप्ताह,सकाना एआई लैब्स ने घोषणा कीएक "एआई वैज्ञानिक" का निर्माण - एक कृत्रिम बुद्धिमत्ता प्रणाली जिसका वे दावा करते हैं कि इस क्षेत्र में वैज्ञानिक खोज कर सकते हैंयंत्र अधिगमपूरी तरह से स्वचालित तरीके से.

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 - एक वैज्ञानिक के दोपहर के भोजन की लागत से भी कम।

ये कुछ बड़े दावे हैं.क्या वे ढेर हो जाते हैं?और यदि वे ऐसा करते भी हैं, तो क्या एआई वैज्ञानिकों की एक सेना तैयार होगीशोध पत्रअमानवीय गति के साथ वास्तव में अच्छी खबर हो सकती हैविज्ञान?

एक कंप्यूटर 'विज्ञान कैसे कर सकता है'

बहुत सारा विज्ञान खुले में किया जाता है, और लगभग सभीवैज्ञानिक ज्ञानकहीं नीचे लिखा हुआ है (या हमारे पास इसे "जानने" का कोई तरीका नहीं होगा)।जैसे रिपॉजिटरी में लाखों वैज्ञानिक पेपर मुफ्त में ऑनलाइन उपलब्ध हैंarXivऔरPubMed.

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 (में अनुक्रमित) की समानता के लिए नए पेपर विचारों को "स्कोर" करता हैशब्दार्थ विद्वानभण्डार)।जो कुछ भी बहुत समान है उसे त्याग 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।यहाँ भी, जैसी साइटों पर ऑनलाइन सहकर्मी समीक्षा के बहुत सारे उदाहरण हैंopenreview.netयह मार्गदर्शन कर सकता है कि किसी पेपर की आलोचना कैसे की जाए।एलएलएम ने भी इन्हें ग्रहण कर लिया है।

AI, AI आउटपुट का खराब जज हो सकता है

सकाना एआई के आउटपुट पर प्रतिक्रिया मिश्रित है।कुछ लोगों ने इसे उत्पादक बताया है"अंतहीन वैज्ञानिक ढलान।"

यहां तक ​​कि सिस्टम की अपने आउटपुट की समीक्षा भी कागजात 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 मूल्यवान हैं या नहीं।

शोध की गुणवत्ता को आंकने की एलएलएम की क्षमता भी एक खुला प्रश्न है।मेरा अपना काम (जल्द ही प्रकाशित होगा)अनुसंधान संश्लेषण विधियाँ) दर्शाता है कि एलएलएम चिकित्सा अनुसंधान अध्ययनों में पूर्वाग्रह के जोखिम का आकलन करने में अच्छे 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।

यह आलेख से पुनः प्रकाशित किया गया हैबातचीतक्रिएटिव कॉमन्स लाइसेंस के तहत।को पढ़िएमूल लेख.