एआई | विज्ञान में एआई के भ्रम और भ्रांतियां

कृत्रिम बुद्धिमत्ता वैज्ञानिक शोध के संचालन के तरीके को बदल रही है। साहित्य समीक्षा में सहायता करने से लेकर सिंथेटिक डेटा तैयार करने तक, खोज को गति देने की उम्मीद में संपूर्ण शोध प्रक्रिया में AI उपकरणों को शामिल किया जा रहा है। हालाँकि, नेचर में प्रकाशित एक नए परिप्रेक्ष्य पत्र में चेतावनी दी गई है कि AI पर अत्यधिक निर्भरता ज्ञान संबंधी जोखिमों के साथ आती है जो AI द्वारा वादा की गई उत्पादकता और वस्तुनिष्ठता बढ़ाने के लक्ष्यों को कमजोर कर सकती है।

इस शोधपत्र के लेखक, लिसा मेसरी और एमजे क्रॉकेट, संज्ञानात्मक विज्ञान, ज्ञानमीमांसा, नृविज्ञान और विज्ञान एवं प्रौद्योगिकी अध्ययनों में विशेषज्ञता का उपयोग करते हुए विश्लेषण करते हैं कि एआई ज्ञान उत्पादन की सामाजिक प्रकृति के साथ कैसे जुड़ता है। वे चार मुख्य "विज़न" की पहचान करते हैं जो वर्तमान में वैज्ञानिकों के पास एआई को शामिल करने के लिए हैं: ओरेकल (साहित्य की खोज और सारांश बनाने के लिए), सरोगेट (डेटा उत्पन्न करने के लिए), क्वांट (बड़े डेटासेट का विश्लेषण करने के लिए), और आर्बिटर (सहकर्मी समीक्षा को सुव्यवस्थित करने के लिए)।

जबकि इन दृष्टिकोणों का उद्देश्य शोधकर्ताओं के सीमित समय और ध्यान जैसी सीमाओं को दूर करना है, मेसरी और क्रॉकेट का तर्क है कि वे "वैज्ञानिक मोनोकल्चर" को बढ़ावा देकर उलटा पड़ सकते हैं। मोनोकल्चर तब उत्पन्न होते हैं जब शोध करने के लिए एक ही दृष्टिकोण, जैसे कि मुख्य रूप से एआई उपकरणों पर निर्भर रहना, विविध विकल्पों पर हावी हो जाता है। जिस तरह कृषि मोनोकल्चर कीटों और बीमारियों के प्रति संवेदनशील होते हैं, उसी तरह वैज्ञानिक मोनोकल्चर जांच के दायरे को सीमित करने और त्रुटियों को पेश करने का जोखिम उठाते हैं।

विशेष रूप से, लेखक “जानने की एकरूपता” के बारे में चेतावनी देते हैं जो एआई का उपयोग करके सबसे अच्छे तरीके से संबोधित किए जाने वाले प्रश्नों को प्राथमिकता देते हैं, अन्य वैध दृष्टिकोणों को हाशिए पर रखते हैं। “जानने वालों की एकरूपता” इस विचार को बढ़ावा देकर भी उभरती है कि एआई उपकरण सभी दृष्टिकोणों का प्रतिनिधित्व करके सच्ची निष्पक्षता प्राप्त कर सकते हैं, जबकि वास्तव में वे अपने डिजाइनरों के दृष्टिकोणों को एम्बेड करते हैं।

लेकिन सबसे गहरे जोखिम "समझ के भ्रम" से आ सकते हैं - मेटाकॉग्निटिव त्रुटियाँ जहाँ वैज्ञानिक एआई के कारण जो समझते हैं उसका अधिक अनुमान लगाते हैं। "व्याख्यात्मक गहराई का भ्रम" तब होता है जब पूर्वानुमान मॉडल को पूरी तरह से घटनाओं को पकड़ने के लिए गलत समझा जाता है। "अन्वेषणात्मक चौड़ाई का भ्रम" शोधकर्ताओं को यह सोचने के लिए भ्रमित करता है कि सभी परिकल्पनाओं पर विचार किया जाता है, न कि केवल उन पर जिन्हें एआई परीक्षण कर सकता है। और "निष्पक्षता का भ्रम" हमें एआई के अंतर्निहित दृष्टिकोण से अंधा कर देता है।

ऐसे जोखिमों के खिलाफ़ लचीलापन बनाने के लिए, मेसरी और क्रॉकेट शोध विधियों ("संज्ञानात्मक विविधता") और प्रतिभागियों ("जनसांख्यिकीय विविधता") दोनों के संदर्भ में विविधता विकसित करने पर जोर देते हैं। जबकि एआई दक्षता लाभ का वादा करता है जो उत्पादकता बढ़ाता है, किसी भी एक दृष्टिकोण पर अत्यधिक निर्भरता विज्ञान द्वारा संबोधित समस्याओं और शामिल दृष्टिकोणों को कृत्रिम रूप से सीमित करने की धमकी देती है। लेखकों का तर्क है कि हमें नए उपकरणों का प्रबंधन जिम्मेदारी से करना चाहिए ताकि यह सुनिश्चित हो सके कि त्वरित आउटपुट वास्तविक समझ को कमजोर न करे।

भविष्य को देखते हुए, वे विशिष्ट AI दृष्टिकोणों का अलग-अलग मूल्यांकन करने और इस बात पर विचार करने का आह्वान करते हैं कि विशेषज्ञता का स्तर परिणामों में विश्वास को कैसे प्रभावित करता है। अंतःविषय टीमें आवश्यक जांच को बढ़ावा दे सकती हैं। अकादमिक AI के विकास में निजी उद्योग की बढ़ती भूमिका पारदर्शिता संबंधी चिंताओं को भी जन्म देती है। कुल मिलाकर, यह उत्तेजक विश्लेषण उच्च गुणवत्ता वाले विज्ञान बनाम अधिकतम आउटपुट को प्रोत्साहित करने और तकनीकी उत्पादकता के साथ मानवता की अपरिहार्य संज्ञानात्मक विविधता को संतुलित करने के बारे में कठिन प्रश्न पूछने के लिए प्रेरित करता है। गहन परिवर्तन के युग में, इस तरह के संतुलन को बनाए रखना विज्ञान की भ्रम नहीं, बल्कि प्रकाश डालने की क्षमता को बनाए रखने की कुंजी हो सकती है।

​

संदर्भ

1. मेसरी, एल., क्रॉकेट, एमजे कृत्रिम बुद्धिमत्ता और वैज्ञानिक अनुसंधान में समझ का भ्रम। प्रकृति 627 , 49–58 (2024)। https://doi.org/10.1038/s41586-024-07146-0

संबंधित लेख देखने के लिए टैग पर क्लिक करें:

एआई | अनुसंधान | समाज