2249 पेपर
यह शोध पत्र तर्क देता है कि मूर के नियम (Moore's Law) का अंत सीमित मानव-संचालित वास्तुशिल्प अनुसंधान से विशाल डिज़ाइन स्पेसों को व्यवस्थित रूप से खोजने में सक्षम स्वचालित "आइडिया फैक्ट्रियों" की ओर एक प्रतिमान बदलाव (paradigm shift) को आवश्यक बनाता है, यह भविष्यवाणी करते हुए कि ऐसी प्रणालियाँ दो वर्षों के भीतर विशुद्ध रूप से मानव-संचालित वास्तुकला को अप्रचलित कर देंगी।
2025 से 2026 तक के 30 अध्येशनों का यह व्यवस्थित समीक्षा यह निष्कर्ष निकालती है कि मनुष्य सामान्य रूप से टेक्स्ट, इमेज और वॉयस मोडैलिटीज में जनरेटिव एआई सामग्री को मानव-निर्मित सामग्री से अलग करने में अविश्वसनीय हैं, जो संयोग के स्तर पर या उसके करीब प्रदर्शन करते हैं और सामग्री विश्वास में मानव पहचान के महत्व के पुनर्मूल्यांकन को प्रेरित करते हैं।
यह शोध पत्र एक ऑनलाइन वीडियो अध्ययन प्रस्तुत करता है जो यह मूल्यांकन करता है कि विभिन्न सिग्नलिंग मोडैलिटीज़—विशेष रूप से अभिव्यंजक गति (expressive motion), प्रकाश, पाठ (text) और ऑडियो—साझा स्थानों में एक क्वाड्रुपेड रोबोट के नेविगेशन इरादों की भविष्यवाणी करते समय मानवीय सटीकता, आत्मविश्वास और विश्वास को कैसे प्रभावित करती हैं।
यह प्री-रजिस्टर्ड रैंडमाइज्ड कंट्रोल ट्रायल यह प्रदर्शित करता है कि जबकि जनरेटिव एआई रचनात्मक आउटपुट को एकसमान बना सकता है, केवल गुणवत्ता के बजाय मौलिकता के लिए प्रतिभागियों को प्रोत्साहित करना, एआई टूल्स के अधिक चयनात्मक और रणनीतिक उपयोग को बढ़ावा देकर सामूहिक विविधता को संरक्षित करता है।
ग्रामीण अमेरिकी हाई स्कूल के 31 शिक्षकों के इस गुणात्मक अध्ययन से पता चलता है कि जहाँ जेनेरेटिव एआई (Generative AI) शिक्षण को सुव्यवस्थित करने की क्षमता प्रदान करता है, वहीं इसका प्रभावी एकीकरण वर्तमान में बुनियादी ढांचे की कमियों, अपनाने के प्रति प्रतिरोध और एआई साक्षरता की कमी के कारण बाधित है, जो शैक्षिक असमानताओं को बढ़ने से रोकने के लिए समावेशी, ग्रामीण-विशिष्ट डिजाइन दृष्टिकोणों की तत्काल आवश्यकता को रेखांकित करता है।
1,000 से अधिक प्रतिभागियों के एक द्वि-अक्षीय अध्ययन से पता चलता है कि मनुष्य मानव-लिखित और एलएलएम-जनित समाचार लेखों के बीच विश्वसनीय रूप से अंतर नहीं कर सकते हैं, एक ऐसा निष्कर्ष जो विभिन्न मॉडलों और विशेषज्ञता स्तरों में बना रहता है लेकिन संज्ञानात्मक थकान से बाधित होता है, जिससे यह संकेत मिलता है कि उपयोगकर्ता-पक्ष पर पहचान करना अप्रभावी है और इसके लिए क्रिप्टोग्राफिक प्रोवेनेंस जैसे सिस्टम-स्तरीय उपायों की आवश्यकता है।
यह शोध पत्र समकालीन एआई प्रणालियों में एक "लोकतांत्रिक सत्तामीमांसा अंतराल" (डेमोक्रेटिक ऑन्टोलॉजिकल डेफिसिट) की पहचान और अनुभवजन्य रूप से पुष्टि करता है, जो प्रतिनिधित्व इंजीनियरिंग के माध्यम से यह प्रदर्शित करता है कि उनकी आंतरिक संरचनाएं लोकतांत्रिक एजेंसी के लिए आवश्यक सामुदायिक भूमिकाओं और नागरिक संबंधों के ऊपर व्यक्तिगत स्वतंत्रता को प्राथमिकता देती हैं, जिससे एक महत्वपूर्ण मिसअलाइनमेंट का खुलासा होता है जिसे मौजूदा तकनीकी उपकरणों का उपयोग करके संबोधित किया जा सकता है।
यह शोध पत्र नॉन-पैरामीट्रिक गौसियन कोपुला (NPGC) को प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल और स्थिर सिंथेटिक डेटा जनरेशन विधि है जो अनुभवजन्य मार्जिनल वितरणों को संरक्षित करती है और विभेदक गोपनीयता (डिफरेंशियल प्राइवेसी) को समाहित करती है ताकि डीप लर्निंग दृष्टिकोणों में सामान्य वितरण संबंधी विचलन (डिस्ट्रीब्यूशनल ड्रिफ्ट) के बिना विश्वसनीय, गोपनीयता-संरक्षित शैक्षिक डेटा माइनिंग को सक्षम किया जा सके।
यह शोध पत्र प्रीट्रेनिंग कॉर्पोरा (pretraining corpora), टोकनाइज़र और जनरेटिव आउटपुट के बहु-चरणीय विश्लेषण के माध्यम से यह जांच करता है और प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स ब्रिटिश अंग्रेजी की तुलना में अमेरिकी अंग्रेजी के पक्ष में एक व्यवस्थित संरचनात्मक पूर्वाग्रह प्रदर्शित करते हैं, जिससे वैश्विक एआई परिनियोजन में भाषाई समरूपीकरण और ज्ञानमीमांसीय अन्याय (epistemic injustice) को सुदृढ़ता मिलती है।
577 प्रतिभागियों वाले एक पूर्व-पंजीकृत प्रयोग में, शोधकर्ताओं ने पाया कि जबकि उच्च एआई त्रुटि दरें आम तौर पर उपयोगकर्ता के भरोसे को कम करती हैं, कार्य की विशिष्ट कठिनाई (आसान बनाम कठिन) ने इस प्रतिक्रिया को महत्वपूर्ण रूप से प्रभावित नहीं किया, जो यह सुझाव देता है कि उपयोगकर्ता जेनेरेटिव एआई की विशेषता वाले "जग्ड" (jagged) त्रुटि पैटर्न के प्रति स्वाभाविक रूप से प्रतिकूल नहीं हैं।