Are AI knowledge and educational expectations homogeneous across clinical training stages and intended specialties?
फ्रांसीसी मेडिकल छात्रों के एक अध्ययन से पता चलता है कि पर्याप्त एआई (AI) ज्ञान नैदानिक प्रशिक्षण चरण या विशेषज्ञता की रुचि के साथ निष्क्रिय रूप से विकसित नहीं होता है, जो स्नातक चिकित्सा पाठ्यक्रमों में एकीकृत स्पष्ट एआई शिक्षा की आवश्यकता को रेखांकित करता 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
एक मेडिकल छात्र की यात्रा की कल्पना करें जो एक लंबे, घुमावदार वीडियो गेम लेवल की तरह है। आप शुरुआती ज़ोन (4वें वर्ष) से शुरू करते हैं, मिड-लेवल (5वें वर्ष) में ग्राइंड करते हैं, और फिर बॉस बैटल ज़ोन (6ठे वर्ष) तक पहुँचते हैं, इससे पहले कि आप अपना अंतिम कैरेक्टर क्लास (अपनी विशेषज्ञता) चुन सकें। लंबे समय तक, खिलाड़ियों ने यह माना कि केवल गेम को अधिक समय तक खेलने और दुनिया को अधिक देखने से, आपका कैरेक्टर स्वाभाविक रूप से गेम के छिपे हुए कोड: आर्टिफिशियल इंटेलिजेंस (AI) को समझने में बेहतर हो जाएगा।
लेकिन इस अध्ययन ने, जिसने 1,342 फ्रांसीसी मेडिकल छात्रों की जांच की, सुझाव दिया कि गेम इस तरह से काम नहीं करता है।
"लेवलिंग अप" का मिथक
शोधकर्ताओं ने छात्रों से AI को अपने शब्दों में परिभाषित करने के लिए कहा। उन्होंने पाया कि आप लेवल में कितने भी आगे क्यों न बढ़ गए हों, AI को समझाने की आपकी क्षमता में बहुत अधिक सुधार नहीं हुआ।
- 4वें वर्ष में, 37.6% छात्रों ने एक ठीक परिभाषा दी।
- 5वें वर्ष में, यह 37.4% था।
- 6ठे वर्ष में, यह 39.6% था।
वे संख्याएँ लगभग जुड़वा हैं। अध्ययन बताता है कि केवल अस्पताल में समय बिताने, डॉक्टरों को काम करते देखने और नैदानिक अनुभव प्राप्त करने से आपको यह जादू से नहीं सिखा दिया जाएगा कि AI क्या है। यह ऐसा ही है जैसे यह सोचना कि दस साल तक रेसिंग गेम खेलने से आप अपने आप इंजन बनाना सीख जाएंगे। अनुभव यहाँ ट्रांसफर नहीं होता। लेखक तर्क देते हैं कि यदि आप चाहते हैं कि छात्र AI को समझें, तो आप केवल उनके बड़े होने का इंतज़ार नहीं कर सकते जब तक कि वे इसे "पकड़" न लें; आपको इसे स्पष्ट रूप से पढ़ाना होगा।
"स्पेशियल्टी" ट्विस्ट
अब, उन खिलाड़ियों को देखें जो विशिष्ट कैरेक्टर क्लासेस की ओर देख रहे हैं, जैसे रेडियोलॉजी, डर्मेटोलॉजी या कार्डियोलॉजी—ऐसे क्षेत्र जो छवियों और डेटा पर बहुत अधिक निर्भर करते हैं (इन्हें गेम के "इमेज-हैवी" ज़ोन के रूप में सोचें)।
आप अनुमान लगा सकते हैं कि ये छात्र, जो दिन भर एक्स-रे और डेटा चार्ट देखते रहते हैं, AI के विशेषज्ञ होंगे। लेकिन अध्ययन इस बात को भी खारिज करता है। इमेज-हैवी क्षेत्रों में रुचि रखने वाले छात्रों के पास बाकी सभी के समान ही AI ज्ञान का स्तर था (37.7% बनाम 37.9%)।
हालाँकि, ये छात्र अलग महसूस कर रहे थे। वे ही थे जो खतरे की घंटी बजा रहे थे।
- उन्हें AI की बुनियादी बातें सीखने की अधिक आवश्यकता महसूस हुई।
- वे इस बात को लेकर थोड़े अधिक चिंतित थे कि AI उनके भविष्य के काम के साथ क्या कर सकता है।
- वे इंजीनियरों से बात करने और कोड वास्तव में कैसे काम करता है, इसे समझने के लिए "टेक टॉक" सीखना चाहते थे।
यह ऐसा है जैसे "इमेज ज़ोन" की ओर बढ़ने वाले खिलाड़ियों को एहसास हुआ, "हे, यह बॉस फाइट अलग होने वाली है, और मुझे एक बेहतर रणनीति की आवश्यकता है," भले ही वे अभी तक उस रणनीति को जानते भी नहीं थे।
फैसला
यह पेपर यह दावा नहीं करता है कि इसने समस्या को हल कर लिया है या कोई जादुई इलाज ढूंढ लिया है। इसके बजाय, यह गेम के ट्यूटोरियल को डिज़ाइन करने के एक नए तरीके का सुझाव देता है।
चूंकि अनुभव अकेले AI नहीं सिखाता है, इसलिए लेखक एक "हाइब्रिड" पाठ्यक्रम का प्रस्ताव करते हैं। एक अनिवार्य "न्यू प्लेयर" वर्कशॉप की कल्पना करें जिसमें सभी भाग लेते हैं ताकि AI की बुनियादी बातें, नैतिकता और एक नकली एल्गोरिदम को कैसे पहचाना जाए, यह सीखा जा सके। फिर, जो लोग इमेज-हैवी क्षेत्रों की ओर जा रहे हैं, उनके लिए वैकल्पिक "एडवांस्ड DLC" (डाउनलोड करने योग्य सामग्री) मॉड्यूल होंगे जो तकनीकी चीजों में गहराई से उतरेंगे।
अध्ययन ने छात्रों के एक बड़े समूह में इसे मापा और पाया कि जबकि उनके दृष्टिकोण काफी हद तक समान थे, उनकी आवश्यकताएं अलग थीं। निष्कर्ष स्पष्ट है: हम इस पर भरोसा नहीं कर सकते कि छात्र अस्पताल में बड़े होते हुए AI के बारे में खुद सीख लेंगे। हमें क्लासरूम को गेम के भीतर बनाना होगा, अन्यथा वे बॉस से एक छड़ी के साथ लड़ने की कोशिश करते रह जाएंगे जबकि बॉस के पास लेजर गन होगी।
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।