आर्टिफिशियल इंटेलिजेंस हम इंसानों को शोध पत्रों की जांच करने में मदद कर सकता है

क्या आपने सुना है कि 3 मिनट के लिए साहित्य पढ़ने से लोग अधिक सहानुभूतिपूर्ण हो जाते हैं या एक भारी क्लिपबोर्ड धारण करने से प्रबंधक को नौकरी के उम्मीदवार को नियुक्त करने की अधिक संभावना होती है? लोकप्रिय प्रेस का ऐसे सामाजिक विज्ञान के निष्कर्षों से प्रेम संबंध रहा है। लेकिन वे शायद सच न हों। ऐसे परिणामों को दोहराने के प्रयासों ने 2015 में एक चौंकाने वाली खोज की ओर अग्रसर किया कि सहकर्मी-समीक्षित मनोविज्ञान पत्रिकाओं में 40% से कम कागजात सत्यापित किए जा सकते हैं। इसी तरह अर्थशास्त्र और कैंसर जीव विज्ञान सहित कुछ जैव चिकित्सा अनुसंधान में निराशाजनक निष्कर्ष सामने आए। तब से, शोधकर्ता कचरे से खजाने को छांटने के बेहतर तरीके खोजने की कोशिश कर रहे हैं। कुछ साल पहले, सामाजिक वैज्ञानिकों के एक समूह ने दिखाया था कि भविष्यवाणी बाजार - लोगों को कागज की वैधता पर दांव लगाने के लिए कह रहा है - मानक सहकर्मी समीक्षा से कहीं बेहतर काम करता है। लेकिन इसके लिए तीन से 100 तक एक पेपर की जांच करने वाले लोगों की संख्या बढ़ाने की आवश्यकता थी। यह एक स्केलेबल समाधान नहीं है।

अब, मशीन सीखने के कार्यक्रमों को समान रूप से अच्छे परिणाम मिल रहे हैं, और अमेरिकी रक्षा उन्नत अनुसंधान परियोजना एजेंसी (डीएआरपीए) द्वारा निवेश के लिए और अधिक आ रहे हैं। जैसे चैटजीपीटी को पाठ पर प्रशिक्षित किया जाता है, इन पेपर-मूल्यांकन प्रणालियों को सैकड़ों अध्ययनों को दोहराने के श्रमसाध्य प्रयासों से एकत्रित डेटा के साथ प्रशिक्षित किया जाता है। सिस्टम को तब उन अध्ययनों का उपयोग करके परीक्षण किया जाता है जिन्हें उन्होंने नहीं देखा है। शुरुआती नतीजे बताते हैं कि रोबोट 100 मानव विशेषज्ञों के रूप में शोर को छानने में उतना ही अच्छा है- और वैज्ञानिक पत्रिकाओं और समाचार पत्रों में मानव संपादकों की तुलना में स्पष्ट रूप से बेहतर है।

नॉर्थवेस्टर्न यूनिवर्सिटी के एक मनोवैज्ञानिक ब्रायन उज़ी कहते हैं, अधिक असंभव अध्ययन सबसे अधिक प्रेस का ध्यान आकर्षित करते हैं, जिन्होंने प्रोसीडिंग्स ऑफ द नेशनल एकेडमी ऑफ साइंसेज में प्रकाशित एक हालिया अध्ययन का नेतृत्व किया। कई ध्यान आकर्षित करने वाले अध्ययनों ने एक दृष्टिकोण का समर्थन किया, जिसे अब खारिज कर दिया गया है, कि लोगों को अनुमान के मुताबिक अप्रासंगिक उत्तेजनाओं से प्रभावित किया जा रहा था। उज्जी 2011 में प्रतिकृति समस्या का पता लगाता है, जब एक प्रमुख पत्रिका ने एक पेपर प्रकाशित किया था जिसमें दावा किया गया था कि सामान्य प्रयोगात्मक विषय भविष्य देख सकते हैं-अर्थात् उनके पास ईएसपी था।

अनुसंधान ने उन तरीकों का पालन किया जो मानक थे, जिससे कम से कम कुछ लोगों को चिंता हुई कि उन तकनीकों में कुछ गड़बड़ है। कुछ आलोचकों ने सांख्यिकीय विधियों के त्रुटिपूर्ण उपयोग की पहचान की - डेटा हेरफेर का एक रूप जिसे पी-हैकिंग कहा जाता है। उज्जी ने कहा, लेकिन अधिकांश अप्रासंगिक कागजात में पी-हैकिंग समस्या नहीं थी। गहरी समस्या यह थी कि मानव व्यवहार से जुड़े क्षेत्रों में, यह स्पष्ट नहीं है कि क्या दावा असाधारण बनाता है। इससे इस मंत्र का पालन करना कठिन हो जाता है कि असाधारण दावों के लिए असाधारण साक्ष्य की आवश्यकता होती है। प्रति-उदाहरण के लिए, भौतिक विज्ञान पर विचार करें। क्वांटम यांत्रिकी या सामान्य सापेक्षता का उल्लंघन करने वाली कोई भी नई खोज लगभग हमेशा अतिरिक्त जांच के अधीन होती है, क्योंकि जब भौतिक विज्ञानी जल्दी से दावा करते हैं कि कण प्रकाश की गति से तेज़ी से आगे बढ़ सकते हैं। मानव व्यवहार एक ही सैद्धांतिक ढांचे में नहीं आता है।

2018 में, भविष्यवाणी बाजारों के प्रयोगों से पता चला कि जब शोधकर्ताओं ने 100 साथी सामाजिक वैज्ञानिकों से यह शर्त लगाने के लिए कहा कि क्या परिणामों की एक सरणी दोहराई जाएगी, तो उन्हें 75% सही समय मिला। उज्जी ने मशीन लर्निंग (एमएल) के साथ भी यही सफलता दर पाई, लेकिन मशीन ने बहुत तेजी से काम किया। भविष्यवाणी बाजार और एमएल सिस्टम दोनों सामान्य सहकर्मी समीक्षा से परे चले गए जो रेटिंग आत्मविश्वास के स्तर से प्रदान करते हैं। और दोनों प्रणालियाँ उन पेपरों के लिए 100% सही थीं जो विश्वास सीमा के शीर्ष 15% के भीतर गिरे थे।

वर्जीनिया विश्वविद्यालय के मनोवैज्ञानिक ब्रायन नोसेक ने कहा कि DARPA द्वारा वित्त पोषित एक बड़ा प्रयास कई अलग-अलग मूल्यांकन प्रणालियों का उत्पादन करेगा, जिनमें से कुछ लेखकों के ट्रैक रिकॉर्ड जैसे बाहरी कारकों पर ध्यान केंद्रित करेंगे और जहां एक पेपर का हवाला दिया गया था।

स्टॉकहोम स्कूल ऑफ इकोनॉमिक्स की एक शोधकर्ता अन्ना ड्रेबर ने कहा कि जब उन्होंने एक अध्ययन का नेतृत्व किया था, जो कुछ जीनों और वित्तीय जोखिम लेने के बीच एक संबंध दिखाता था, तो वह मदद कर सकती थी। इसे दोहराया नहीं जा सकता था, और वह परियोजना पर खर्च किए गए समय पर पछतावा करती है। अब वह अर्थशास्त्र में प्रकाशित कार्य की विश्वसनीयता में सुधार के लिए अग्रणी प्रयास कर रही हैं। यदि शोधकर्ता स्वयं किसी समस्या को नहीं पहचानते हैं, तो एमएल आगे की श्रृंखला में उपयोगी हो सकता है। यह संपादकों, पत्रकारों और नीति निर्माताओं को शोध का मूल्यांकन करने में मदद कर सकता है।

और हो सकता है, भविष्य में, इसका उपयोग चैटजीपीटी जैसे बड़े भाषा मॉडल द्वारा थूके जा रहे वैज्ञानिक पत्रों का मुकाबला करने के लिए किया जा सके। मशीनों को यह सिखाया जा सकता है कि अशुद्धियों का पता कैसे लगाया जाए और गलत जानकारी कैसे उत्पन्न की जाए। "यह श्रृंखला के बाद के हिस्सों में मैट्रिक्स की तरह है, अच्छी मशीनें थीं, और खराब मशीनें एक दूसरे के खिलाफ लड़ रही थीं," वर्जीनिया विश्वविद्यालय के नोसेक ने कहा।

सोर्स: livemint