कृत्रिम बुद्धिमत्ता शोधकर्ताओं को यह निर्धारित करने में मदद कर सकती है कि कौन से शोध पत्र दोहराए जा सकते हैं, पुनरुत्पादन संकट को संबोधित करने का लक्ष्य

हाल के वर्षों में, विद्वानों और शोधकर्ताओं द्वारा जिसे प्रतिकृति/पुनरुत्पादन संकट कहा जाता है, उस पर अधिक से अधिक ध्यान दिया जा रहा है। कई अध्ययन सरल रूप से परिणामों को दोहराने में विफल रहते हैं जब अध्ययन की प्रतिकृति का प्रयास किया जाता है, और परिणामस्वरूप, वैज्ञानिक समुदाय चिंतित है कि निष्कर्षों को अक्सर अतिरंजित किया जाता है। यह समस्या मनोविज्ञान और कृत्रिम बुद्धिमत्ता जैसे विविध क्षेत्रों को प्रभावित करती है। कृत्रिम बुद्धिमत्ता क्षेत्र के संबंध में, कई गैर-पियर-समीक्षा वाले पत्र प्रकाशित होते हैं जो प्रभावशाली परिणामों का दावा करते हैं जिन्हें अन्य शोधकर्ता दोहरा नहीं सकते हैं। इस समस्या से निपटने और गैर-पुनरुत्पादन योग्य अध्ययनों की संख्या को कम करने के लिए, शोधकर्ताओं ने एक कृत्रिम बुद्धिमत्ता मॉडल डिज़ाइन किया है जिसका उद्देश्य यह निर्धारित करना है कि कौन से पत्र दोहराए जा सकते हैं।

फॉर्च्यून की रिपोर्ट के अनुसार, नॉर्थवेस्टर्न यूनिवर्सिटी के केलॉग स्कूल ऑफ मैनेजमेंट और इंस्टीट्यूट ऑफ कॉम्प्लेक्स सिस्टम के शोधकर्ताओं की एक टीम द्वारा प्रकाशित एक नई पत्र एक गहरे शिक्षण मॉडल प्रस्तुत करता है जो संभावित रूप से यह निर्धारित कर सकता है कि कौन से अध्ययन पुनरुत्पादन योग्य हैं और कौन से नहीं। यदि कृत्रिम बुद्धिमत्ता प्रणाली पुनरुत्पादन योग्य और गैर-पुनरुत्पादन योग्य अध्ययनों के बीच विश्वसनीय रूप से भेद कर सकती है, तो यह विश्वविद्यालयों, शोध संस्थानों, कंपनियों और अन्य संस्थाओं को हजारों शोध पत्रों को छानने में मदद कर सकती है ताकि यह निर्धारित किया जा सके कि कौन से पत्र सबसे अधिक उपयोगी और विश्वसनीय होने की संभावना है।

नॉर्थवेस्टर्न टीम द्वारा विकसित कृत्रिम बुद्धिमत्ता प्रणाली शोधकर्ताओं द्वारा आमतौर पर अध्ययनों की वैधता का निर्धारण करने के लिए उपयोग किए जाने वाले सांख्यिकीय/सांख्यिकीय साक्ष्य का उपयोग नहीं करती है। मॉडल वास्तव में प्राकृतिक भाषा प्रसंस्करण तकनीकों का उपयोग करता है ताकि यह पता लगाया जा सके कि किसी पत्र की विश्वसनीयता को मात्रा देने का प्रयास किया जा सके। प्रणाली लेखकों द्वारा उपयोग की जाने वाली भाषा में पैटर्न को निकालती है, यह पाती है कि कुछ शब्द पैटर्न अन्य लोगों की तुलना में अधिक विश्वसनीयता को इंगित करते हैं।

शोध टीम ने 1960 के दशक के मनोवैज्ञानिक अनुसंधान का उपयोग किया, जिसमें पाया गया कि लोग अक्सर अपने विचारों में जो विश्वास रखते हैं उसके स्तर को संप्रेषित करते हैं जो वे उपयोग करते हैं। इस विचार के साथ चलने, शोधकर्ताओं ने सोचा कि पत्र लेखक अपने शोध निष्कर्षों में अपने विश्वास को अनजाने में संकेत दे सकते हैं जब वे अपने पत्र लिखते हैं। शोधकर्ताओं ने दो दौर के प्रशिक्षण का संचालन किया, विभिन्न डेटासेट का उपयोग किया। शुरू में, मॉडल को वैज्ञानिक पत्रों के लगभग दो मिलियन सारांश पर प्रशिक्षित किया गया था, जबकि दूसरी बार मॉडल को पूर्ण पत्रों पर प्रशिक्षित किया गया था ताकि मनोविज्ञान के पत्रों को पुनरुत्पादन करने के लिए एक परियोजना से लिया जा सके – मनोविज्ञान: पुनरुत्पादन परियोजना।

परीक्षण के बाद, शोधकर्ताओं ने मॉडल को मनोविज्ञान और अर्थशास्त्र जैसे विभिन्न क्षेत्रों से सैकड़ों अन्य पत्रों के संग्रह पर तैनात किया। शोधकर्ताओं ने पाया कि उनका मॉडल एक पत्र की पुनरुत्पादन योग्यता के बारे में एक अधिक विश्वसनीय भविष्यवाणी देता है niż आमतौर पर यह निर्धारित करने के लिए उपयोग की जाने वाली सांख्यिकीय तकनीकें कि क्या एक पत्र के परिणाम दोहराए जा सकते हैं या नहीं।

शोधकर्ता और केलॉग स्कूल ऑफ मैनेजमेंट के प्रोफेसर ब्रायन उज्जी ने फॉर्च्यून को बताया कि जबकि वह आशावादी हैं कि कृत्रिम बुद्धिमत्ता मॉडल का उपयोग शोधकर्ताओं को यह निर्धारित करने में मदद करने के लिए किया जा सकता है कि परिणामों को दोहराने की संभावना कितनी है, शोध टीम को यह यकीन नहीं है कि उनके मॉडल ने कौन से पैटर्न और विवरण सीखे हैं। यह तथ्य कि मशीन लर्निंग मॉडल अक्सर ब्लैक बॉक्स होते हैं, यह एक सामान्य समस्या है कृत्रिम बुद्धिमत्ता अनुसंधान में, लेकिन यह तथ्य अन्य वैज्ञानिकों को मॉडल का उपयोग करने से संकोच करा सकता है।

उज्जी ने बताया कि शोध टीम को उम्मीद है कि मॉडल का उपयोग कोरोनावायरस संकट से निपटने के लिए किया जा सकता है, वैज्ञानिकों को वायरस को तेजी से समझने में मदद करने और यह निर्धारित करने में मदद करने के लिए कि कौन से अध्ययन परिणाम वादा दिखा रहे हैं। जैसा कि उज्जी ने फॉर्च्यून को बताया:

“हम इसे कोविड मुद्दे पर लागू करना शुरू करना चाहते हैं – एक मुद्दा जहां बहुत सी चीजें ढीली हो रही हैं, और हमें पूर्व कार्य की एक मजबूत नींव पर बनाने की आवश्यकता है। यह स्पष्ट नहीं है कि कौन सा पूर्व कार्य दोहराया जाएगा या नहीं और हमें दोहराव के लिए समय नहीं है।”

उज्जी और अन्य शोधकर्ता मॉडल को बेहतर बनाने की उम्मीद करते हैं कि वे आगे की प्राकृतिक भाषा प्रसंस्करण तकनीकों का उपयोग करेंगे, जिनमें टीम द्वारा निगमित आय अर्जित करने वाले कॉल ट्रांसक्रिप्ट का विश्लेषण करने के लिए तकनीकें शामिल हैं। शोध टीम ने पहले से ही लगभग 30,000 कॉल ट्रांसक्रिप्ट का एक डेटाबेस बनाया है जिसे वे संकेतों के लिए विश्लेषण करेंगे। यदि टीम एक सफल मॉडल बना सकती है, तो वे विश्लेषकों और निवेशकों को उपकरण का उपयोग करने के लिए मना सकते हैं, जो मॉडल और इसकी तकनीकों के लिए अन्य अभिनव उपयोगों के लिए मार्ग प्रशस्त कर सकता है।