A new impact for an AI-mediated science
यह शोध पत्र तर्क देता है कि अनबंडल जर्नल्स और एआई-मध्यस्थ ज्ञान पहुंच के युग में वैज्ञानिक प्रभाव के लिए पारंपरिक उद्धरण-आधारित मीट्रिक अप्रचलित होता जा रहा है, जिससे एक नई प्रणाली की आवश्यकता है जो उन एआई जुड़ाव, ओपन-सोर्स लाइब्रेरी और डेटासेट के योगदान को पहचान सके और माप सके जिनमें औपचारिक प्रकाशनों का अभाव होता है।
मूल पेपर CC BY 4.0 (https://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
मुख्य विचार: लाइब्रेरी बदल रही है, लेकिन स्कोरबोर्ड नहीं
कल्पना कीजिए कि विज्ञान की दुनिया एक विशाल लाइब्रेरी है। पिछले 70 वर्षों से, हमने एक किताब की "सफलता" को इस आधार पर मापा है कि लाइब्रेरी की कितनी अन्य किताबों में यह नोट लिखा है, "मैंने इसे पढ़ा है।" यह साइटेशन सिस्टम (citation system) है। यदि किसी पेपर को बहुत अधिक साइट किया जाता है, तो उसे महत्वपूर्ण माना जाता है।
लेकिन लेखक, फैबियो फावरेटो (Fabio Favoretto), तर्क देते हैं कि लाइब्रेरी का बड़े पैमाने पर नवीनीकरण हो रहा है। हम एक ऐसी दुनिया से निकलकर एक ऐसी दुनिया में जा रहे हैं जहाँ इंसान किताबों को शुरू से अंत तक पढ़ते थे, और अब AI असिस्टेंट (स्मार्ट चैटबॉट्स की तरह) जानकारी खोजने का मुख्य तरीका बन गए हैं।
समस्या क्या है? पुराना स्कोरबोर्ड (साइटेशन गिनना) टूट गया है क्योंकि वह उस नई चीज़ को नहीं देख सकता जिसे AI वास्तव में उपयोग कर रहा है।
उपमा 1: अदृश्य इंजन (The Invisible Engine)
कल्पना कीजिए कि आप एक कार चला रहे हैं। कार की सफलता को मापने का पुराना तरीका यह था कि कितनी अन्य कारों ने उसे हॉर्न बजाकर संकेत दिया। लेकिन अब, कार एक नए, अदृश्य इंजन से चल रही है जो सॉफ्टवेयर कोड और डेटा से बना है।
- पुराना सिस्टम: यह गिनता है कि कितनी अन्य कारों ने कार (प्रकाशित पेपर) को हॉर्न बजाया (दिखाया)।
- नई वास्तविकता: कार वास्तव में एक अदृश्य इंजन (जैसे
pandasयाNumPyजैसे सॉफ्टवेयर लाइब्रेरी) पर चल रही है। ये इंजन इतने आवश्यक हैं कि इनके बिना कार चल ही नहीं सकती, लेकिन उन्हें कभी "हॉर्न" नहीं दिखाया जाता क्योंकि वे औपचारिक किताबें नहीं हैं।
पेपर दिखाता है कि वैज्ञानिकों द्वारा उपयोग किए जाने वाले सबसे महत्वपूर्ण उपकरणों में से एक-तिहाई के पास कोई औपचारिक पेपर ही नहीं है। वे केवल कोड हैं। पुराना साइटेशन सिस्टम उन्हें देखने में अंधा है। यह एक शेफ की सफलता को केवल उनके द्वारा लिखे गए व्यंजनों (recipes) से आंकने जैसा है, जबकि इस तथ्य को अनदेखा कर देता है कि उनका किचन एक विशिष्ट, अदृश्य ब्रांड के चूल्हे पर चल रहा है जिसके लिए उन्होंने कभी कोई मैनुअल नहीं लिखा।
उपमा 2: AI लाइब्रेरियन
एक AI असिस्टेंट को एक सुपर-फास्ट लाइब्रेरियन के रूप में सोचें जो आपके सवालों के जवाब देता है।
- पुराना तरीका: यदि आप पूछते, "जलवायु परिवर्तन के बारे में हम क्या जानते हैं?" तो लाइब्रेरियन आपको 1990 के दशक की सबसे प्रसिद्ध, उच्च-रेटेड किताबें थमा देगा क्योंकि वे वही थीं जिन्हें अन्य लाइब्रेरियनों ने सुझाया था।
- नया तरीका: AI लाइब्रेरियन देखता है कि अभी वास्तव में क्या उपयोगी है। वह आपको नए किताबें, अधिक व्यावहारिक गाइड और ओपन-एक्सेस सारांश थमाता है।
पेपर ने पाया कि AI हमें विज्ञान का एक अधिक युवा, अधिक विविध और अधिक व्यावहारिक संस्करण दिखा रहा है जो पुराने साइटेशन सिस्टम से अलग है।
- अंतराल (The Gap): जलवायु विज्ञान में, AI द्वारा दिखाए जाने वाले शीर्ष 50 पेपर, मनुष्यों द्वारा साइट किए गए शीर्ष 50 पेपरों की तुलना में औसतन 16 वर्ष छोटे (युवा) हैं।
- समानता (The Equity): AI आपको मुफ्त, ओपन-एक्सेस पेपर्स (जैसे एक सार्वजनिक पार्क) दिखाने की बहुत अधिक संभावना रखता है, बजाय उन महंगे, बंद जर्नल के (जैसे एक निजी क्लब)।
प्रस्तावित समाधान: "AI इम्पैक्ट इंडेक्स" (The "AI Impact Index")
लेखक सफलता को मापने का एक नया तरीका प्रस्तावित करते हैं जिसे AI इम्पैक्ट इंडेक्स कहा जाता है। यह गिनने के बजाय कि एक पेपर को कितनी बार साइट किया गया है, यह नया इंडेक्स गिनता है कि कितनी बार एक AI सिस्टम किसी काम को "स्पर्श" (touch) करता है।
पेपर परिभाषित करता है कि AI विज्ञान को तीन तरीकों से कैसे "स्पर्श" करता है:
- रिट्रीवल (Retrieval): जब आप कोई प्रश्न पूछते हैं तो AI उस पेपर को ढूंढ लेता है (जैसे एक लाइब्रेरियन द्वारा शेल्फ से किताब निकालना)।
- जेनरेशन (Generation): AI एक ऐसा उत्तर लिखता है जो पेपर के बहुत समान लगता है (जैसे एक छात्र द्वारा किसी किताब का अपने शब्दों में सारांश बनाना)।
- मेमोराइजेशन (Memorization): AI सीधे पूछे जाने पर पेपर से विशिष्ट तथ्यों को याद कर सकता है (जैसे एक ट्रिविया चैंपियन किसी विशिष्ट तारीख को याद रखता है)।
महत्वपूर्ण अंतर: लेखक बहुत सावधानी से कहते हैं कि यह नया इंडेक्स यह सिद्ध नहीं करता कि पेपर "सत्य" है या "सर्वश्रेष्ठ" है। यह केवल यह सिद्ध करता है कि AI ने उस तक पहुंच बनाई है। यह एक्सेस (पहुंच) का माप है, न कि अनिवार्य रूप से गुणवत्ता का।
यह क्यों मायने रखता है (इसका महत्व क्या है?)
पेपर का तर्क है कि यदि हम अपने स्कोरिंग सिस्टम को अपडेट नहीं करते हैं, तो हम गलत चीजों को पुरस्कृत करेंगे।
- जोखिम: हम उन लोगों को पुरस्कार देते रह सकते हैं जो शानदार पेपर लिखते हैं जिन्हें अब कोई वास्तव में पढ़ता नहीं है, जबकि उन लोगों को अनदेखा कर देते हैं जिन्होंने वे अदृश्य सॉफ्टवेयर टूल्स और डेटासेट बनाए हैं जिन पर AI (और आधुनिक विज्ञान का बाकी हिस्सा) वास्तव में निर्भर करता है।
- लक्ष्य: हमें एक नई "ट्रस्ट टेक्नोलॉजी" की आवश्यकता है। जिस तरह जर्नल्स पहले अनुमोदन की मुहर हुआ करते थे, हमें एक ऐसे सिस्टम की आवश्यकता है जो उस सॉफ्टवेयर, डेटा और टूल्स को देख सके और श्रेय दे सके जिनका उपयोग AI अपना काम करने के लिए करता है।
संक्षेप में (Summary in a Nutshell)
विज्ञान किताबों की दुनिया से AI असिस्टेंट्स की दुनिया में बदल रहा है। सफलता को मापने का पुराना तरीका (साइटेशन गिनना) एक वीडियो गेम की लोकप्रियता को उसके निर्देश मैनुअल की बिक्री गिनकर मापने जैसा है। यह इस तथ्य को छोड़ देता है कि गेम स्वयं (कोड, डेटा, टूल्स) ही वह चीज़ है जिसके साथ हर कोई वास्तव में खेल रहा है।
यह पेपर सुझाव देता है कि हमें यह गिनना शुरू करना चाहिए कि AI कितनी बार विज्ञान के साथ "खेलता" है, ताकि हम अंततः उन अदृश्य उपकरणों को श्रेय दे सकें जो आधुनिक विज्ञान को चलाने में मदद करते 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।