Large language model-assisted discovery of cohorts from scientific literature
यह शोध पत्र एक प्रश्न-संचालित ढांचे को प्रस्तुत करता है जो वैज्ञानिक साहित्य से कोहोर्ट (cohort) नामों के निष्कर्षण को स्वचालित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो पारंपरिक कोहोर्ट कैटलॉग द्वारा अक्सर छोड़े जाने वाले यूथ एग्रेशन जेनेटिक्स (youth aggression genetics) के प्रासंगिक कोहोर्ट्स की पहचान करने की अपनी क्षमता को प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक विज्ञान के विशाल परिदृश्य में, शोधकर्ता अक्सर एक ऐसी समस्या का सामना करते हैं जो नए डेटा को खोजने की नहीं, बल्कि सही पुराने डेटा को खोजने की है। कल्पना कीजिए कि एक वैज्ञानिक यह समझना चाहता है कि कुछ बच्चे आक्रामक व्यवहार क्यों प्रदर्शित करते हैं। एक स्पष्ट उत्तर प्राप्त करने के लिए, वे कुछ सौ लोगों के एक एकल समूह पर निर्भर नहीं रह सकते; उन्हें कई अलग-अलग अध्ययनों से हजारों व्यक्तियों के डेटा को संयोजित करने की आवश्यकता है। इस प्रक्रिया को, जिसे मल्टी-स्टडी एनालिसिस (बहु-अध्ययन विश्लेषण) कहा जाता है, के लिए विशिष्ट समूहों को खोजने की आवश्यकता होती है, जिन्हें 'कोहॉर्ट्स' (cohorts) कहा जाता है, जिनमें सही विशेषताएं हों: सही आयु, सही चिकित्सा इतिहास और माप के सही प्रकार, जैसे कि जेनेटिक कोड या मस्तिष्क स्कैन। दशकों तक, इन समूहों को खोजना एक धीमी, मैन्युअल खोज रही है। वैज्ञानिकों को अपनी स्मृति पर भरोसा करना पड़ता था, सहयोगियों से सिफारिशें मांगनी पड़ती थीं, या डेटासेट की विशेष सूचियों को खोजना पड़ता था जो शायद हर संभावित शोध प्रश्न को कवर न करती हों। ये सूचियाँ मददगार तो हैं, लेकिन वे अक्सर उस प्रकार के डेटा द्वारा व्यवस्थित होती हैं जो उनके पास होता है, न कि उन विशिष्ट प्रश्नों द्वारा जो वैज्ञानिक पूछना चाहते हैं, जिससे कई उपयोगी समूह सामने ही छिपे रह जाते हैं।
जर्मनी के शोधकर्ताओं की एक टीम ने इस पहेली को सुलझाने का एक नया तरीका विकसित किया है, जिससे इन डेटा समूहों की खोज को एक व्यवस्थित, स्वचालित प्रक्रिया में बदल दिया गया है। हजारों वैज्ञानिक पत्रों को एक-एक करके पढ़ने के लिए मानव के इंतजार करने के बजाय, उन्होंने एक डिजिटल वर्कफ़्लो बनाया है जो एक बड़े भाषा मॉडल (large language model) का उपयोग करता है—जो कि एक प्रकार का आर्टिफिशियल इंटेलिजेंस (AI) है जिसे विशाल मात्रा में टेक्स्ट पर प्रशिक्षित किया गया है—ताकि वह एक अथक अनुसंधान सहायक के रूप में कार्य कर सके। यह प्रणाली एक सरल प्रश्न से शुरू होती है, जैसे कि "किन अध्ययनों में आक्रामक बच्चों का जेनेटिक डेटा है?" कंप्यूटर फिर इस प्रश्न को सैकड़ों विशिष्ट खोज शब्दों (search terms) में अनुवादित करता है और वैज्ञानिक साहित्य को खंगालता है, हजारों लेखों के शीर्षक और सारांश निकालता है। आर्टिफिशियल इंटेलिजेंस इन सारांशों को पढ़ता है, और टेक्स्ट में उल्लेखित विशिष्ट समूहों के नामों की तलाश करता है। यह इन नामों को निकालता है, डुप्लिकेट्स को साफ करता है, और उन्हें मानव विशेषज्ञों द्वारा समीक्षा के लिए एक सूची में व्यवस्थित करता है।
शोधकर्ताओं ने इस प्रणाली का परीक्षण युवा आक्रामकता से संबंधित जेनेटिक अध्ययनों को खोजने की विशिष्ट चुनौती पर किया। उन्होंने सिस्टम को बच्चों, किशोरों, आक्रामकता और जेनेटिक्स को कवर करने वाले खोज शब्दों का एक सेट दिया। कंप्यूटर ने पांच हजार से अधिक अलग-अलग खोज प्रश्न उत्पन्न किए और पांच हजार से अधिक अद्वितीय वैज्ञानिक रिकॉर्ड प्राप्त किए। टेक्स्ट के इस विशाल ढेर से, आर्टिफिशियल इंटेलिजेंस ने लगभग दो सौ संभावित समूहों की पहचान की। इसके बाद मानव विशेषज्ञों ने सख्त नियमों के विरुद्ध इन उम्मीदवारों की सावधानीपूर्वक जांच की—यह सुनिश्चित करते हुए कि समूह पर्याप्त बड़े थे, अठारह वर्ष से कम उम्र के बच्चों को शामिल करते थे, और उनके पास आवश्यक जेनेटिक डेटा था—अंततः योग्य कोहॉर्ट्स की सूची में केवल तैंतालीस समूह ही बचे। इन तैंतालीस समूहों में लगभग नौ लाख प्रतिभागियों का संयुक्त कुल प्रतिनिधित्व था, जो डेटा का एक ऐसा पैमाना है जिसे हाथ से एकत्र करना अविश्वसनीय रूप से कठिन और समय लेने वाला होता।
टीम यह भी जानना चाहती थी कि क्या उनकी नई विधि उन चीजों को ढूंढ पा रही है जो पुरानी, स्थापित सूचियों ने छोड़ दी थीं। उन्होंने अपने तैंतालीस योग्य समूहों की सूची की तुलना चार प्रमुख, प्रसिद्ध डेटाबेस से की जिनका उपयोग वैज्ञानिक आमतौर पर करते हैं। जब समान प्रश्न के साथ स्थापित डेटाबेस को खोजा गया, तो उन्होंने सैंतालीस समूहों को पाया। हालांकि, स्थापित डेटाबेस उन सत्रह समूहों को पूरी तरह से मिस कर गए जिन्हें नए, साहित्य-आधारित सिस्टम ने खोजा था। इस अंतर ने दिखाया कि पारंपरिक सूचियाँ उपलब्ध डेटा का पूर्ण मानचित्र नहीं हैं। नई विधि ने पुरानी सूचियों को प्रतिस्थापित नहीं किया; इसके बजाय, इसने एक शक्तिशाली पूरक के रूप में कार्य किया, उन मूल्यवान संसाधनों को उजागर किया जो वैज्ञानिक पत्रों में प्रलेखित थे लेकिन अभी तक केंद्रीय कैटलॉग में इंडेक्स नहीं किए गए थे।
यह सुनिश्चित करने के लिए कि आर्टिफिशियल इंटेलिजेंस अपना काम सही ढंग से कर रहा है, शोधकर्ताओं ने अपने कार्य की तुलना मानव विशेषज्ञों से की। उन्होंने दो मानव समीक्षकों को उन्हीं वैज्ञानिक पत्रों के एक यादृच्छिक नमूने (random sample) की जांच करने के लिए कहा ताकि यह देखा जा सके कि क्या उनमें सही समूह मौजूद हैं। समीक्षक हमेशा एक-दूसरे से सहमत नहीं होते थे, जो जटिल टेक्स्ट की व्याख्या करते समय सामान्य है, लेकिन आर्टिफिशियल इंटेलिजेंस का प्रदर्शन मानव सहमति की सीमा के भीतर था। यह गलत अलार्म (false alarms) से बचने में अत्यधिक सटीक था, जिसका अर्थ है कि इसने शायद ही कभी दावा किया कि किसी पेपर में एक समूह है जब वास्तव में नहीं था। हालांकि इसने कुछ समूहों को मिस किया जो मनुष्यों ने खोजे थे, लेकिन एक अंश में भी समय की बचत करने की इसकी क्षमता ने इसे एक व्यावहारिक और विश्वसनीय उपकरण बना दिया। पूरी प्रक्रिया, खोज से लेकर नाम निकालने तक, उस सैकड़ों घंटों के मानव श्रम की तुलना में बहुत कम कंप्यूटिंग संसाधनों में पूरी हुई जिसे इसने प्रतिस्थापित किया।
अध्ययन यह निष्कर्ष निकालता है कि यह दृष्टिकोण किसी भी विशिष्ट शोध प्रश्न के लिए डेटा समूहों की सूची बनाने का एक व्यावहारिक, लचीला तरीका प्रदान करता है। वैज्ञानिक रिकॉर्ड की व्यवस्थित खोज में शोधकर्ता की जिज्ञासा को अनुवादित करके, यह विधि प्रकाशित पत्रों की विशाल, खंडित दुनिया को मानव डेटा के एक उपयोगी इन्वेंट्री में बदल देती है। इसे काम करने के लिए समूहों की पूर्व-मौजूदा सूची की आवश्यकता नहीं है; यह उन्हें वैज्ञानिकों द्वारा अपने काम के बारे में पहले से बताए गए वृत्तांतों को पढ़कर खोजती है। यह क्षमता विशेष रूप से उन विशिष्ट शोध क्षेत्रों के लिए मूल्यवान है जहाँ कोई केंद्रीय डेटाबेस मौजूद नहीं है, या उन प्रश्नों के लिए जो विभिन्न प्रकार के डेटा को जोड़ते हैं। शोधकर्ताओं ने अपने उपकरणों और तैंतालीस युवा आक्रामकता कोहॉर्ट्स की परिणामी सूची को जनता के लिए उपलब्ध करा दिया है, और दूसरों को अपने स्वयं के क्षेत्रों के लिए डेटा खोजने हेतु इस पद्धति का उपयोग करने के लिए आमंत्रित किया है। यह कार्य प्रदर्शित करता है कि जबकि डेटा की क्यूरेटेड सूचियाँ आवश्यक हैं, वैज्ञानिक साहित्य स्वयं सूचना का एक पूरक खजाना है जिसे अब बुद्धिमान, स्वचालित उपकरणों की मदद से एक्सेस किया जा सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।