AI | क्या AI सहकर्मी समीक्षा की कठोरता को कम कर देगा?

विद्वानों ने लिखित आउटपुट और विश्लेषणात्मक उपक्रमों को गति देने के साधन के रूप में कम्प्यूटेशनल सहायता को धीरे-धीरे अपनाया है। फिर भी जैसे-जैसे ये स्वचालित प्रणालियाँ दक्षता में वृद्धि करती हैं, वैसे-वैसे बौद्धिक चर्चाओं को सूक्ष्मता से संचालित करने की उनकी क्षमता भी बढ़ती जाती है। स्टैनफोर्ड विश्वविद्यालय के शोधकर्ताओं के एक समूह ने अकादमिक जगत के चयनित क्षेत्रों में भाषा मॉडल के प्रभावों की व्यापकता की जांच करते हुए एक प्रारंभिक मात्रात्मक गहन अध्ययन किया।

टीम ने प्रमुख मशीन लर्निंग सम्मेलनों में प्रस्तुत आलोचनाओं और एक प्रतिष्ठित विज्ञान आवधिक श्रृंखला में जारी किए गए शोधपत्रों की छानबीन की, जो नवंबर 2022 में चैटजीपीटी की शुरुआत से पहले और बाद में दोनों ही समय पहले किए गए थे। किसी दिए गए पाठ में एआई उपकरण द्वारा महत्वपूर्ण संशोधन या निर्माण की संभावना का आकलन करने के लिए नई सांख्यिकीय तकनीक विकसित करके, उन्होंने एलएलएम का समीक्षा सामग्री में लाभ उठाने के निर्विवाद सबूत पाए, हालांकि डोमेन के बीच डिग्री में भिन्नता थी।

सबसे उल्लेखनीय बात यह है कि उनके अनुमानों से पता चलता है कि पिछले साल ICLR, NeurIPS, CoRL और EMNLP की समीक्षाओं में 6.5-16.9% वाक्यों में बुनियादी प्रूफरीडिंग से परे AI द्वारा सार्थक परिवर्तन का अनुभव हो सकता है। दूसरी ओर, उन्होंने नेचर प्रकाशनों में प्रकाशित आकलन में कोई सांख्यिकीय रूप से महत्वपूर्ण विचलन नहीं पाया। ये खोजें इस उम्मीद के साथ मेल खाती हैं कि मशीन लर्निंग विशेषज्ञ अपने ज्ञान और सक्षम उपकरणों तक पहुँच के कारण शुरुआती तकनीक अपनाने वाले हो सकते हैं।

पूरक विश्लेषण इस बात पर प्रकाश डालते हैं कि एलएलएम आवेदन कैसे और कब उभर कर आता है। कटऑफ तिथियों के निकट या लेखकों के साथ चर्चा में शामिल होने के इच्छुक रेफरी से प्रस्तुत समीक्षाएँ उच्च अनुमानित एआई निहितार्थ के साथ सहसंबंधित हैं। विद्वानों के संदर्भों की कमी या किसी पेपर के मूल्यांकन में पदार्थ में कम भिन्नता प्रदर्शित करने वाली आलोचनाएँ भी प्रवर्धित एआई संकेतों के साथ समन्वयित होती हैं।

जबकि जांच कार्य-कारण संबंधों को प्रदर्शित नहीं कर सकती है, ये पैटर्न इस बारे में प्रश्न उठाते हैं कि क्या आसानी और समय का दबाव कुछ रेफरी के निर्णयों को प्रभावित कर सकता है और संभावित रूप से समीक्षा प्रक्रिया को प्रभावित कर सकता है। अधिक व्यापक रूप से, व्यापक पैमाने पर पहचानी गई सामग्री का समरूपीकरण जहां एआई मौजूद है, प्रतिनिधि ज्ञान और विविधता के बारे में विस्तारित चिंताओं को जन्म देता है जिसने लंबे समय से सहकर्मी मूल्यांकन को बढ़ावा दिया है।

रचनाकारों ने इस बात पर जोर दिया कि ये एक नई पद्धति से प्रारंभिक खोजें हैं, और अंतःविषय प्रयास को और अधिक जरूरी बना दिया गया है। फिर भी, उनके उच्च-स्तरीय अनुमान और भाषाई सुराग, विद्वानों की बातचीत और सूचना निर्माण पर एआई के फैलते लेकिन नाजुक प्रभाव की व्यवस्थित रूप से जांच करने के लिए एक मूल्यवान प्रारंभिक बिंदु प्रदान करते हैं। केवल इन जैसे पारदर्शी मेट्रिक्स के माध्यम से ही हम यह सुनिश्चित कर सकते हैं कि ये मजबूत उपकरण मानव निर्णय लेने और आदान-प्रदान को अनुचित तरीके से निर्देशित करने के बजाय बढ़ाएँ।

संदर्भ

1. https://doi.org/10.48550/arXiv.2403.07183

संबंधित लेख देखने के लिए टैग पर क्लिक करें:

AI | सहकर्मी समीक्षा | अनुसंधान | समाज