अंतर्राष्ट्रीय वैज्ञानिक कृत्रिम बुद्धिमत्ता अनुसंधान में अधिक पारदर्शिता का आह्वान कर रहे हैं

विभिन्न संस्थानों से आने वाले एक समूह के अंतर्राष्ट्रीय वैज्ञानिक, जिनमें प्रिंसेस मार्गरेट कैंसर सेंटर, टोरंटो विश्वविद्यालय, स्टैनफोर्ड विश्वविद्यालय, जॉन्स हॉपकिन्स, हार्वर्ड स्कूल ऑफ पब्लिक हेल्थ और मैसाचुसेट्स प्रौद्योगिकी संस्थान शामिल हैं, कृत्रिम बुद्धिमत्ता (एआई) अनुसंधान में अधिक पारदर्शिता का आह्वान कर रहे हैं। इस आह्वान के पीछे का मुख्य बल महत्वपूर्ण निष्कर्षों को मुक्त करना है जो कैंसर उपचार को तेज करने में मदद कर सकते हैं।

वैज्ञानिकों ने 14 अक्टूबर, 2020 को नेचर में प्रकाशित एक लेख में वैज्ञानिक पत्रिकाओं से गणितीय शोधकर्ताओं के बीच पारदर्शिता के लिए मानकों को बढ़ाने का आह्वान किया। समूह ने यह भी तर्क दिया कि उनके साथियों को प्रकाशनों में कोड, मॉडल और गणितीय वातावरण जारी करना चाहिए।

लेख का शीर्षक “कृत्रिम बुद्धिमत्ता में पारदर्शिता और पुनरुत्पादकता” था।

एआई अध्ययन विवरण जारी करना

डॉ बेंजामिन हाइबे-केन्स प्रिंसेस मार्गरेट कैंसर सेंटर में एक वरिष्ठ वैज्ञानिक हैं और प्रकाशन के पहले लेखक हैं।

“वैज्ञानिक प्रगति शोधकर्ताओं की क्षमता पर निर्भर करती है कि वे एक अध्ययन के परिणामों की जांच करें और मुख्य निष्कर्ष को दोहराने के लिए सीखने के लिए,” डॉ हाइबे-केन्स कहते हैं। “लेकिन गणितीय शोध में, यह अभी तक एक व्यापक मानदंड नहीं है कि एक एआई अध्ययन के विवरण पूरी तरह से सुलभ हों। यह हमारी प्रगति के लिए हानिकारक है।”

चिंताएं तब उत्पन्न हुईं जब 2020 में एक गूगल हेल्थ अध्ययन प्रकाशित हुआ, जिसमें मैककिनी एट अल द्वारा एक प्रमुख वैज्ञानिक पत्रिका में दावा किया गया था कि एक एआई प्रणाली स्तन कैंसर स्क्रीनिंग में मानव रेडियोलॉजिस्ट को मजबूती और गति में पार कर सकती है। अध्ययन ने विभिन्न शीर्ष प्रकाशनों में बहुत सारे मीडिया ध्यान आकर्षित किया।

मॉडल को पुनः उत्पन्न करने में असमर्थता

अध्ययन के बाद उत्पन्न हुई एक प्रमुख चिंता यह थी कि इसमें विधियों का वर्णन नहीं किया गया था, साथ ही कोड और मॉडल भी नहीं थे। पारदर्शिता की यह कमी का अर्थ था कि शोधकर्ता यह नहीं सीख सकते थे कि मॉडल कैसे काम करता है, जिसके परिणामस्वरूप मॉडल का उपयोग अन्य संस्थानों द्वारा नहीं किया जा सकता था।

“कागज़ पर और सिद्धांत रूप में, मैककिनी एट अल का अध्ययन सुंदर है,” डॉ हाइबे-केन्स कहते हैं। “लेकिन अगर हम इससे नहीं सीख सकते हैं तो इसका बहुत कम या कोई वैज्ञानिक मूल्य नहीं है।”

डॉ हाइबे-केन्स को टोरंटो विश्वविद्यालय में चिकित्सा जैवभौतिकी में संयुक्त रूप से एसोसिएट प्रोफेसर नियुक्त किया गया था। वह आर्टिफिशियल इंटेलिजेंस के लिए वेक्टर संस्थान में एक सहयोगी भी हैं।

“शोधकर्ता अपने निष्कर्षों को प्रकाशित करने के लिए अधिक प्रेरित होते हैं, न कि अपने अध्ययन को दोहराने योग्य बनाने के लिए समय और संसाधनों का उपयोग करते हैं,” डॉ हाइबे-केन्स जारी रखते हैं। “पत्रिकाएं एआई के ‘हYPE’ के लिए कमजोर हो सकती हैं और दोहराने योग्य बनाने के लिए आवश्यक सभी सामग्री शामिल नहीं करने वाले पत्रों के लिए मानकों को कम कर सकती हैं – अक्सर अपने स्वयं के दिशानिर्देशों के विपरीत।”

यह वातावरण एआई मॉडल को नैदानिक सेटिंग्स में पहुंचने में अधिक समय ले सकता है, और मॉडल शोधकर्ताओं द्वारा दोहराया या सीखा नहीं जा सकता है।

शोधकर्ताओं के समूह ने इस मुद्दे को हल करने और तरीकों को साझा करने के लिए विभिन्न ढांचे और मंच प्रस्तावित किए।

“हमारे कैंसर रोगियों के लिए एआई की उपयोगिता के लिए हमारे पास उच्च आशाएं हैं,” डॉ हाइबे-केन्स कहते हैं। “हमारी खोजों को साझा करना और उन पर निर्माण करना – यह वास्तविक वैज्ञानिक प्रभाव है।”