Normative boundaries of AI in scientific work: Evidence from PhD researchers
3,785 अंतर्राष्ट्रीय पीएचडी शोधकर्ताओं के एक सर्वेक्षण के आधार पर, यह अध्ययन वैज्ञानिक कार्य में एआई (AI) के संबंध में चार विशिष्ट दृष्टिकोण संबंधी प्रोफाइल्स की पहचान करता है, जो यह प्रकट करता है कि शोधकर्ताओं के सहजता का स्तर स्वीकृति या अस्वीकृति के सरल बाइनरी के बजाय—साहित्यिक कार्यों के लिए एआई को स्वीकार करते हुए लेखन और प्रयोगात्मक डिजाइन जैसे मुख्य बौद्धिक योगदानों में इसके उपयोग का विरोध करते हुए—कार्य-विशिष्ट सीमाओं द्वारा परिभाषित 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
विज्ञान हमेशा से एक मानवीय प्रयास रहा है, एक ऐसी प्रक्रिया जहाँ शोधकर्ता प्रश्न पूछते हैं, साक्ष्य एकत्र करते हैं, और अपने स्वयं के मस्तिष्क और हाथों के माध्यम से नई समझ का निर्माण करते हैं। लेकिन प्रयोगशाला और पुस्तकालय में एक नया उपकरण आया है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। ये प्रणालियाँ अब किसी भी व्यक्ति की तुलना में कहीं अधिक तेज़ी से पाठ लिख सकती हैं, संख्याओं का विश्लेषण कर सकती हैं, और सूचनाओं के विशाल भंडार में खोज कर सकती हैं। यह बदलाव खोज के भविष्य के लिए एक मौलिक प्रश्न खड़ा करता है: यदि एक मशीन काम कर सकती है, तो सोच कौन रहा है? चिंता केवल इस बारे में नहीं है कि काम पूरा हो रहा है या नहीं, बल्कि इस बारे में है कि जब मनुष्य और मशीनें कार्यभार साझा करती हैं, तो अनुसंधान का स्वरूप कैसे बदल जाता है। यदि कोई कंप्यूटर एक शोध पत्र लिखता है या एक प्रयोग डिजाइन करता है, तो क्या मानव शोधकर्ता अभी भी उसका श्रेय पाने का हकदार है? क्या वह सीखने की प्रक्रिया जो एक छात्र को विशेषज्ञ में बदल देती है, अभी भी होती है यदि मशीन सारा भारी काम कर देती है? ये केवल सॉफ्टवेयर के बारे में तकनीकी प्रश्न नहीं हैं; ये उन नियमों और मूल्यों के बारे में प्रश्न हैं जो यह नियंत्रित करते हैं कि विज्ञान कैसे बनाया जाता है।
यह समझने के लिए कि अगली पीढ़ी के वैज्ञानिक इस नए परिदृश्य में कैसे आगे बढ़ रहे हैं, शोधकर्ताओं फ्रांसेस्को एंजेलिनी और जोहान लिरवॉल ने सीधे उन लोगों को देखा जो अनुसंधान के भविष्य को आकार देंगे: डॉक्टरेट छात्र। उन्होंने दुनिया भर के विज्ञान, प्रौद्योगिकी, इंजीनियरिंग, चिकित्सा और स्वास्थ्य क्षेत्रों के 3,785 पीएचडी छात्रों के एक विशाल सर्वेक्षण के डेटा का विश्लेषण किया। शोधकर्ताओं ने यह पूछने के बजाय कि क्या छात्र एआई का उपयोग करना पसंद करते हैं या नहीं, यह पूछा कि वे अपने दैनिक कार्य के पांच विशिष्ट हिस्सों के लिए इन उपकरणों का उपयोग करने में कितना सहज महसूस करते हैं। ये कार्य वैज्ञानिक साहित्य को ट्रैक करने और सारांशित करने से लेकर शोध लेख लिखने, डेटा एकत्र करने और विश्लेषण करने, और प्रयोगों को डिजाइन करने तक विस्तृत थे। छात्रों के प्रत्येक विशिष्ट कार्य के बारे में उनकी भावनाओं को देखकर, शोधकर्ता देख सके कि क्या उनके चिंतन में कोई पैटर्न था। उन्होंने पाया कि छात्र केवल "एआई प्रेमी" और "एआई विरोधी" के दो समूहों में नहीं बंटे थे। इसके बजाय, उनके दृष्टिकोण ने चार अलग-अलग समूह बनाए, जिससे यह स्पष्ट हुआ कि वे कहाँ मशीनों को मदद करने के लिए तैयार हैं और वे अपनी सीमा कहाँ खींचते हैं।
सबसे बड़ा समूह, जो सर्वेक्षण किए गए सभी छात्रों के लगभग आधे हिस्से का प्रतिनिधित्व करता है, ने एक स्पष्ट पैटर्न दिखाया जिसे शोधकर्ताओं ने "श्रम विभाजन" (division of labor) कहा। ये छात्र मौजूदा वैज्ञानिक शोध पत्रों को खोजने और सारांशित करने जैसे कार्यों के लिए एआई का उपयोग करने में काफी सहज थे। उन्होंने इन गतिविधियों को सहायक कार्य के रूप में देखा, जहाँ एक मशीन कुशलतापूर्वक सूचनाओं को छाँट सकती है। हालाँकि, यही छात्र शोध के मुख्य बौद्धिक कार्यों के लिए एआई का उपयोग करने में बहुत कम सहज महसूस करते थे: जैसे स्वयं लेख लिखना, डेटा का विश्लेषण करना, या प्रयोगों को डिजाइन करना। इस समूह के लिए, सीमा स्पष्ट थी। वे मशीन को पृष्ठभूमि के काम को संभालने के लिए तैयार थे, लेकिन वे उन कार्यों को अपने हाथों में रखना चाहते थे जिनमें गहन सोच, रचनात्मकता और अंतिम जिम्मेदारी की आवश्यकता होती है। यह सुझाव देता है कि कई भविष्य के वैज्ञानिकों के लिए, एआई का मूल्य सूचना प्रबंधन में सहायता करने की इसकी क्षमता में है, न कि खोज के कार्य में मानव मस्तिष्क को बदलने की इसकी क्षमता में।
अध्ययन के अन्य समूहों के विचार अलग थे। लगभग एक-तिहाई छात्र लगभग किसी भी शोध कार्य के लिए एआई का उपयोग करने में असहज थे, एक रुख जिसे शोधकर्ताओं ने "यथास्थिति" (status quo) कहा। वे तकनीक के प्रति व्यापक रूप से असहज महसूस करते थे, हालांकि उनकी असहजता लेखन और डेटा विश्लेषण के मामले में सबसे अधिक थी। एक छोटा समूह, लगभग 16 प्रतिशत, इसके विपरीत था; वे हर चीज़ के लिए एआई का उपयोग करने में व्यापक रूप से सहज थे, इसे एक सामान्य-उद्देश्य वाले उपकरण के रूप में देखते थे जो अनुसंधान प्रक्रिया के किसी भी भाग में मदद कर सकता है। अंत में, एक छोटा लेकिन उल्लेखनीय समूह, 7 प्रतिशत, "अनिश्चित" था। इन छात्रों ने अक्सर अपने सहजता स्तरों के बारे में पूछे जाने पर "पता नहीं" चुना, जो यह दर्शाता है कि वे या तो तकनीक के बारे में अनिश्चित थे, या उन्होंने राय बनाने के लिए इसका पर्याप्त उपयोग नहीं किया था, या वे अभी भी नियम तय कर रहे थे। अनिश्चित होने के बावजूद, जब भी उन्होंने कोई भावना व्यक्त की, तो वह नकारात्मक होने की तुलना में सकारात्मक होने की अधिक संभावना थी।
अध्ययन ने यह भी देखा कि क्या अध्ययन का क्षेत्र, कार्यक्रम में उनका वर्ष, या वे कितनी बार एआई का उपयोग करते हैं जैसे कारक उनके दृष्टिकोण को बदलते हैं। परिणामों से पता चला कि चिकित्सा और स्वास्थ्य विज्ञान की तुलना में STEM (विज्ञान, प्रौद्योगिकी, इंजीनियरिंग, गणित) क्षेत्रों के छात्र थोड़े अधिक संदेही "यथास्थिति" समूह में होने की संभावना रखते थे। हालाँकि, समग्र पैटर्न इस बात पर निर्भर नहीं था कि छात्र अपने पहले वर्ष में हैं या अंतिम वर्ष में, या वे पूर्णकालिक अध्ययन कर रहे हैं या नहीं। यह सुझाव देता है कि छात्र एआई की भूमिका को कैसे देखते हैं, यह केवल इस बात का मामला नहीं है कि उनके पास इन उपकरणों तक कितनी देर से पहुंच है, बल्कि यह उनके काम की प्रकृति के प्रति उनके गहरे दृष्टिकोण का प्रतिबिंब है। तथ्य यह है कि "श्रम विभाजन" समूह सबसे बड़ा है, यह इंगित करता है कि उभरता हुआ सबसे सामान्य मानदंड एआई को पूरी तरह से खारिज करना नहीं है, न ही इसे बिना सोचे-समझे स्वीकार करना है, बल्कि सावधानीपूर्वक यह छाँटना है कि कौन से कार्य मशीन के हैं और कौन से मानव के रहने चाहिए।
इन निष्कर्षों के विज्ञान को सिखाने और मूल्यांकन करने के तरीके पर महत्वपूर्ण निहितार्थ हैं। शोधकर्ताओं का सुझाव है कि विज्ञान में एआई के बारे में हमारे सोचने के तरीके को केवल उन सरल नियमों से आगे बढ़ने की आवश्यकता है जो इसके उपयोग को या तो प्रतिबंधित करते हैं या अनुमति देते हैं। इसके बजाय, संस्थानों और पत्रिकाओं को एक अधिक सूक्ष्म दृष्टिकोण अपनाने की आवश्यकता हो सकती है जो संदर्भ खोजने के लिए एआई का उपयोग करने और निष्कर्ष लिखने के लिए इसका उपयोग करने के बीच के अंतर को पहचानता हो। यदि कोई छात्र सौ शोध पत्रों को सारांशित करने के लिए एआई का उपयोग करता है, तो वह किसी शोध प्रबंध (thesis) का मुख्य तर्क उत्पन्न करने के लिए इसका उपयोग करने से भिन्न प्रकार की सहायता है। अध्ययन का तात्पर्य है कि वैज्ञानिक प्रशिक्षण के भविष्य को इन सीमाओं को समझने में मदद करने पर ध्यान केंद्रित करने की आवश्यकता होगी। यह केवल उपकरण का उपयोग करना सीखने के बारे में नहीं है, बल्कि यह सीखने के बारे में है कि शोध प्रक्रिया के कौन से हिस्से उनकी अपनी विशेषज्ञता विकसित करने के लिए आवश्यक हैं। यदि कोई छात्र लिखने या डेटा विश्लेषण के लिए मशीन को काम सौंप देता है, तो वह उन महत्वपूर्ण सोच कौशल को विकसित करने का अवसर खो सकता है जो इन कार्यों को स्वयं करने से आते हैं।
अंततः, यह शोध एक संक्रमण काल को दर्शाता है। इन पीएचडी छात्रों के दृष्टिकोण स्थिर नहीं हैं; तकनीक में सुधार होने और वैज्ञानिक समुदाय नए मानदंड स्थापित करने के साथ इनके विकसित होने की संभावना है। आज, सबसे आम दृष्टिकोण एक चयनात्मक दृष्टिकोण है, जहाँ एआई का स्वागत सूचना के लिए एक सहायक के रूप में किया जाता है, लेकिन निर्णय के विकल्प के रूप में इसका विरोध किया जाता है। यह "श्रम विभाजन" विज्ञान के अभ्यास का मानक तरीका बन सकता है, जहाँ मशीनें सूचना की मात्रा को संभालती हैं और मनुष्य नए ज्ञान के संश्लेषण और सृजन पर ध्यान केंद्रित करते हैं। जैसे-जैसे ये छात्र स्नातक होंगे और कल के नेता, संपादक और समीक्षक बनेंगे, वे अब जो सीमाएँ खींच रहे हैं, वे आर्टिफिशियल इंटेलिजेंस के युग में वैध वैज्ञानिक कार्य को परिभाषित करने में मदद करेंगी। यह शोध यह दावा नहीं करता कि इसने बहस को सुलझा लिया है, बल्कि यह एक स्पष्ट तस्वीर प्रदान करता है कि वर्तमान में उन लोगों द्वारा रेखा कहाँ खींची जा रही है जो आने वाले वर्षों में इसे पार करने वाले हैं।
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।