आर्टिफ़िशियल इंटेलिजेंस शोधकर्ताओं को यह निर्धारित करने में मदद कर सकता है कि कौन से शोध पत्र दोहराए जा सकते हैं, पुनरुत्पादन संकट को संबोधित करने का लक्ष्य रखता है

हाल के वर्षों में, विद्वानों और शोधकर्ताओं द्वारा दोहराव/पुनरुत्पादन संकट को जो कहा जाता है, उस पर अधिक ध्यान दिया जा रहा है। कई अध्ययनों में दोहराव के प्रयास में महत्वपूर्ण परिणाम नहीं मिलते हैं, और परिणामस्वरूप, वैज्ञानिक समुदाय चिंतित है कि निष्कर्ष अक्सर अतिरंजित होते हैं। यह समस्या मनोविज्ञान और कृत्रिम बुद्धिमत्ता जैसे विविध क्षेत्रों को प्रभावित करती है। जब कृत्रिम बुद्धिमत्ता क्षेत्र की बात आती है, तो कई गैर-同行 समीक्षा वाले पत्र प्रभावशाली परिणामों का दावा करते हैं जिन्हें अन्य शोधकर्ता दोहरा नहीं पाते हैं। इस समस्या को हल करने और गैर-दोहराने 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 सिस्टम्स के शोधकर्ताओं की एक टीम द्वारा प्रकाशित एक नए पत्र में एक गहरे शिक्षण मॉडल प्रस्तुत किया गया है जो संभावित रूप से यह निर्धारित कर सकता है कि कौन से अध्ययन दोहराने योग्य हैं और कौन से नहीं। यदि कृत्रिम बुद्धिमत्ता प्रणाली दोहराने योग्य और गैर-दोहराने योग्य अध्ययनों के बीच विश्वसनीय रूप से भेद कर सकती है, तो यह विश्वविद्यालयों, अनुसंधान संस्थानों, कंपनियों और अन्य संस्थाओं को शोध पत्रों के हजारों के माध्यम से 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 अध्ययनों की वैधता का निर्धारण करने के लिए उपयोग किए जाने वाले सांख्यिकीय/अनुभवजन्य साक्ष्य का उपयोग नहीं करती है। मॉडल वास्तव में प्राकृतिक भाषा प्रसंस्करण तकनीकों का उपयोग करता है ताकि एक पत्र की विश्वसनीयता को मात्रा निर्धारित की जा सके। प्रणाली लेखकों द्वारा उपयोग की जाने वाली भाषा में पैटर्न निकालती है, यह पाते हुए कि कुछ शब्द पैटर्न दूसरों की तुलना में अधिक विश्वसनीयता का संकेत देते हैं।

शोध टीम ने 1960 के दशक के मनोवैज्ञानिक शोध पर आधारित किया, जिसने पाया कि लोग अक्सर अपने विचारों में विश्वास के स्तर को उन शब्दों के माध्यम से संवाद करते हैं जिनका वे उपयोग करते हैं। इस विचार के साथ चलने वाले, शोधकर्ताओं ने सोचा कि पत्र लेखक अपने शोध परिणामों में विश्वास के स्तर को अनजाने में संकेत दे सकते हैं जब वे अपने पत्र लिखते हैं। शोधकर्ताओं ने दो दौर का प्रशिक्षण किया, विभिन्न डेटासेट का उपयोग किया। शुरू में, मॉडल को वैज्ञानिक पत्रों के लगभग दो मिलियन सारांशों पर प्रशिक्षित किया गया था, जबकि दूसरी बार मॉडल को पूर्ण पत्रों पर प्रशिक्षित किया गया था जो मनोविज्ञान पत्रों को दोहराने के लिए एक परियोजना से लिया गया था – 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 दोहराने योग्यता के बारे में एक अधिक विश्वसनीय भविष्यवाणी देता है niż आमतौर पर उपयोग की जाने वाली सांख्यिकीय तकनीकें जो यह निर्धारित करने के लिए उपयोग की जाती हैं कि 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 कितनी संभावना है, शोध टीम को यह नहीं पता है कि उनके मॉडल ने कौन से पैटर्न और विवरण सीखे हैं। यह तथ्य कि मशीन लर्निंग मॉडल अक्सर ब्लैक बॉक्स होते हैं, यह कृत्रिम बुद्धिमत्ता शोध में एक सामान्य समस्या है, लेकिन यह तथ्य अन्य वैज्ञानिकों को मॉडल का उपयोग करने से हिचकिचाहट करा सकता है।

उज्जी ने समझाया कि शोध टीम को उम्मीद है कि मॉडल का उपयोग कोरोनवायरस संकट को हल करने में मदद करने के लिए किया जा सकता है, वैज्ञानिकों को वायरस को बेहतर ढंग से समझने और यह निर्धारित करने में मदद करने के लिए कि कौन से अध्ययन परिणाम वादा दिखाते हैं। जैसा कि उज्जी ने फॉर्च्यून को बताया:

“हम इसे कोविड मुद्दे पर लागू करना शुरू करना चाहते हैं – एक मुद्दा जो अभी है जहां बहुत सी चीजें ढीली हो रही हैं, और हमें पिछले काम की एक मजबूत नींव पर बनाने की जरूरत है। यह स्पष्ट नहीं है कि कौन सा पिछला काम 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 कॉर्पोरेट आय के बारे में कॉल ट्रांसक्रिप्ट का विश्लेषण करने के लिए टीम द्वारा बनाई गई तकनीकें शामिल हैं। शोध टीम ने पहले से ही लगभग 30,000 कॉल ट्रांसक्रिप्ट का एक डेटाबेस बना लिया है जिसे वे सुराग 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 नवाचारी उपयोगों के लिए मार्ग प्रशस्त कर सकता है।