एआई के प्रति जुनून उन शोध क्षेत्रों को ही कमजोर कर सकता है, जिनकी उसे जीवित रहने के लिए ज़रूरत है

मैं दस वर्षों से केवल कृत्रिम बुद्धिमत्ता पर लिखता आया हूँ। 2022 में दुनिया में ऐसे पत्रकार गिनती के थे जो केवल एआई पर लिखते थे; अब उनकी संख्या कई हज़ार या उससे भी अधिक हो गई है। अधिक संसाधन-संपन्न मीडिया संस्थानों में तो कृत्रिम बुद्धिमत्ता को ही कवर करने के लिए एक से अधिक पत्रकार नियुक्त हैं।

एक प्रजाति के रूप में, अब हमारा ध्यान, प्रयास, भय और आशाएँ उस सांस्कृतिक और तकनीकी परिघटना पर केंद्रित हैं जो सदी में एक बार सामने आती है। उपयोगी बड़े भाषा मॉडल और प्रभावी प्रसरण-आधारित छवि और वीडियो निर्माण के आने तक यह परिघटना ‘कौतूहल’ के दायरे में पड़ी रही थी। उस समय डीपफेक राजनीतिक फुटबॉल बने हुए थे, लेकिन दुनिया की अर्थव्यवस्थाओं पर कोई स्पष्ट खतरा नहीं मंडरा रहा था।

एआई का ‘रोज़मर्रा’ का तूफ़ान

ज़ाहिर है, अब यह सब अतीत की बात हो चुकी है। हर चीज़ खतरे में है, हर चीज़ में उथल-पुथल मची है और, कहा जा सकता है कि, 2026 वह साल रहा है जिसमें अगले साल के बारे में की गई भविष्यवाणियों को आधार देना सबसे मुश्किल रहा है*।

हर हफ़्ते, कभी-कभी हफ़्ते में कई बार, नए बंद-स्रोत और खुले-वेट मॉडल जारी किए जाते हैं। अब इनकी आवृत्ति इतनी बढ़ गई है कि उत्साही और शौकिया उपयोगकर्ताओं का समुदाय भी कुछ मॉडलों की समीक्षा नहीं कर पाता। इस मामले में उनका नज़रिया अब संदेहपूर्ण होता जा रहा है, और लगातार जारी होते मॉडलों की बाढ़ के बीच लोगों का ध्यान खींचने के लिए अपेक्षित स्तर भी लगातार ऊँचा उठ रहा है।

शोध और मॉडल जारी करने के क्षेत्र पर पेशेवर रूप से करीबी नज़र रखने वाले व्यक्ति के रूप में, मुझे कहना होगा कि एआई अनुसंधान एवं विकास के विभिन्न क्षेत्रों में सुधारों का समग्र रूप से बड़ा असर तो पड़ता है, लेकिन वह असर लंबे अंतराल पर दिखता है। ये सुधार आम तौर पर—और हमेशा से—छोटे-छोटे कदमों में सामने आते हैं, न कि Transformers जैसी क्रांतिकारी या विकासवादी दिशा तय करने वाली बड़ी उपलब्धियों के रूप में। आजकल हलचल की वजह एआई की नवीनतम क्षमताओं के बजाय अर्थव्यवस्था पर उसका प्रभाव होता है।

इसके अलावा, जैसा कि मैंने पहले भी देखा है, 2022 के बाद एआई शोध में आई भारी उछाल के साथ विचारों की गुणवत्ता हमेशा उनकी संख्या के अनुरूप नहीं रही है। इनमें से कई मौजूदा और अधिक नवीन कार्यों की ‘Frankenstein’-शैली की पुनरावृत्तियाँ, पुनर्संयोजन या पुनर्गठन हैं—ऐसी जोड़-तोड़ वाली संरचनाएँ, जिन्हें पुराने कार्यों की तुलना में दिखने में महत्वपूर्ण सुधार लाने के लिए बनाया गया है—लेकिन जाँच करने पर पता चलता है कि वे कमज़ोर पड़ने वाली पद्धतियों या बेहद ज़्यादा वीआरएएम लागत के कारण बाधित हैं।

जिन विषयों पर अब कोई ध्यान नहीं देता

जब उन हज़ारों पत्रकारों ने एआई कवरेज की ओर रुख किया, तो जिन विषयों पर वे पहले लिखते थे, उन पर स्वाभाविक रूप से कम प्रत्यक्ष ध्यान दिया जाने लगा। एक तरह से इसका असर बहुत मायने नहीं रखता था, क्योंकि एआई का विषय और उसका इस्तेमाल संस्कृति तथा बुनियादी ढाँचे में इतने सर्वव्यापी हो गए कि, मसलन, ऊर्जा मामलों का संवाददाता अब किसी भी अन्य विषय से ज़्यादा एआई-संबंधी मुद्दों को कवर करने लगा। अर्थव्यवस्था, रोज़गार, राजनीति और नीति जैसे क्षेत्रों के संवाददाताओं के साथ भी ऐसा ही हुआ।

ऐसा लगने लगा कि इन सभी विषयों को अब एआई के नज़रिए से देखा जा सकता है। यह उस लगातार सिमटते क्षेत्र में एआई को समर्पित कवरेज की भारी वृद्धि की आंशिक वजह हो सकती है—हालाँकि इस क्षेत्र में हाल में थोड़ी वापसी भी हुई है।

इसलिए यह सवाल उठना स्वाभाविक है कि क्या ‘एआई के जुनून’ के कारण अब दूसरे विषयों को पर्याप्त कवरेज नहीं मिल रहा—ऐसे विषय, जिनकी कहानियाँ, रुझान और शाखाएँ आगे चलकर एआई के ‘स्वर्णिम विषय’ को ही प्रभावित कर सकती हैं?

लेकिन किया भी क्या जा सकता है? संसाधन सीमित हैं और अब तक एआई इस सदी की सबसे बड़ी कहानी है।

एआई की ओर विशाल पलायन

इस विषय पर मेरा उत्साह जगाने वाले एक नए शोधपत्र के अनुसार, एआई के साथ भी यही हो सकता है। कटौती और फिर से पोषण देने से भविष्य के मॉडलों की गुणवत्ता घटने का जोखिम तो है ही; साथ ही, वह व्यापक वैज्ञानिक पारिस्थितिकी तंत्र, जहाँ विचार उभरते हैं और विभिन्न क्षेत्रों के बीच उनका परस्पर आदान-प्रदान होता है, एआई शोध पर इतना अधिक केंद्रित होता जा रहा है कि वे ‘अचानक घटने वाले’ क्षण—जब पहली नज़र में असंबंधित विचारों के बीच अप्रत्याशित जुड़ाव पूरे क्षेत्रों को बदल सकता है—धीरे-धीरे और दुर्लभ हो सकते हैं।

संक्षेप में, नए शोधपत्र, जिसका शीर्षक कृत्रिम बुद्धिमत्ता में अधिक मज़बूत सफलताएँ उसकी अपनी थकावट को तेज़ करती हैं है, से संकेत मिलता है कि एआई के प्रति जुनून उन परिवेशगत परिस्थितियों को खत्म कर रहा है जिनमें नए विकास होते हैं—जिनमें एआई को सीधे प्रभावित करने वाले विकास भी शामिल हैं—और यह कि (लेखकों की बात का बहुत मोटे तौर पर भावानुवाद करें तो) रुचि के इस नए केंद्र में एक तरह की ‘अंतर्वाही प्रवृत्ति’ है, जिसका अच्छा अंजाम होने की संभावना कम दिखती है।

शोधपत्र में कहा गया है^†:

‘कोई प्रभुत्वशाली प्रतिमान न सिर्फ़ अपने प्रतिद्वंद्वियों को मिटा देता है, बल्कि उस विविधता को भी खत्म कर देता है जिससे उसके अपने उत्तराधिकारी का पुनर्संयोजन हुआ होता।

‘2017 के बाद ध्यान का संकुचित होना, क्षेत्र बदलने वाले आधे से अधिक लेखकों का एआई की ओर पलायन, नए विचारों की घटती जीवंतता और लगातार आने वाले चक्रों में सक्रिय विचारों की आबादी के अंतिम हिस्से में गिरावट का तेज़ होना—ये सभी मिलकर ऐसी व्यवस्था का चित्र पेश करते हैं, जिसकी सृजनात्मक क्षमता उसके अपने ही प्रभुत्वशाली प्रतिमानों की सफलता से क्षीण हो रही है।’

पहले के शोध में यह देखा गया है कि एआई शोध को एकरूपता की ओर ले जा रहा हो सकता है, लेकिन नए अध्ययन के लेखक यह भी मानते हैं कि एआई का बढ़ता प्रभुत्व उसे आगे बढ़ते रहने के लिए ज़रूरी नए विचारों से वंचित कर सकता है। वे एआई शोध की तुलना जैविक विज्ञानों से करते हैं, जहाँ क्रायो-ईएम और AlphaFold जैसी सफलताओं ने नवाचार और गिरावट के ऐसे ही चक्र शुरू किए हैं।

अपने सिद्धांतों के समर्थन में अनुभवजन्य साक्ष्य जुटाने के लिए, लेखकों ने 1990 से 2025 के बीच प्रकाशित कंप्यूटर विज्ञान के 7.18 मिलियन शोधपत्रों का OpenAlex डेटा विश्लेषित किया। उन्होंने शोध-विषयों और उद्धरणों में आए बदलावों, 3.7 मिलियन शोधकर्ताओं के क्षेत्रों के बीच आवागमन और 73,089 समीक्षाओं पर नज़र रखी, ताकि यह समझा जा सके कि एआई के बढ़ते प्रभुत्व ने वैज्ञानिक विविधता को कैसे प्रभावित किया है।

आँकड़ों से सामने आए सबसे दिलचस्प निष्कर्षों में से एक शोधकर्ताओं का हालिया रुझान है—वे अपने पहले से पढ़े जा रहे विषयों को छोड़कर एआई की ओर जा रहे हैं:

‘क्षेत्र बदलने वाले शोधकर्ता अपने करियर के मध्य चरण में होते हैं और उन्होंने कुछ हद तक प्रतिष्ठा हासिल कर ली होती है। वे उस काम को छोड़ देते हैं जिसने उन्हें यह मुकाम दिलाया, ताकि क्षेत्र के खिंचाव का अनुसरण कर सकें—भले ही इसके लिए उन्हें क्षेत्र बदलने की कीमत चुकानी पड़े।’

अध्ययन में पाया गया कि कंप्यूटर विज्ञान के क्षेत्रों के बीच दर्ज 918,862 बदलावों में से आधे से अधिक एआई की ओर हुए। दूसरी ओर, खासकर सिस्टम और सैद्धांतिक शोध के क्षेत्रों से लगातार लोग जा रहे थे।

नए शोधपत्र के अनुसार, 1990 से 2025 के बीच एआई, सिस्टम और सिद्धांत पर केंद्रित कंप्यूटर विज्ञान के शोधपत्रों के अनुपात में बदलाव। हर वर्ग एक वर्ष दर्शाता है; नीला रंग अधिक अनुपात और लाल रंग कम अनुपात दिखाता है। 2017 के बाद एआई का अनुपात तेज़ी से बढ़ा, जबकि अन्य क्षेत्रों में गिरावट आई। स्रोत

इस बदलाव की ओर सबसे अधिक आकर्षित होने वाले शोधकर्ता अनुभवी शिक्षाविद थे, जिनका करियर पहले से स्थापित था। इस बीच, कंप्यूटर विज्ञान के सभी शोधपत्रों में एआई का अनुपात 2017 के 40% से बढ़कर 2025 में 55% से अधिक हो गया।

Arxiv ब्लॉग के अनुसार, 2024-26 की 2 साल की अवधि में कंप्यूटर विज्ञान से जुड़े सबमिशन में वृद्धि। स्रोत

तीन संकेत

शोधपत्र में ऐसे तीन ‘एक-दूसरे से मिलते संकेतों’ की पहचान की गई है, जिनके बारे में लेखकों का तर्क है कि 2017 से उन्होंने कंप्यूटर विज्ञान की पहचान तय की है।

पहला संकेत 2017 के बाद शोध के केंद्रबिंदुओं का तेज़ी से सिमटना है—इसी वर्ष ट्रांसफ़ॉर्मर आर्किटेक्चर पेश किया गया था। कंप्यूटर विज्ञान के 7.18 मिलियन शोधपत्रों में से प्रत्येक के दस सबसे प्रमुख कीवर्ड निकालकर, लेखकों ने पता लगाया कि शोध किस हद तक उन्हीं विषयों पर केंद्रित होता जा रहा था:

ग्राफ़ दिखाते हैं कि 2017 के बाद से कंप्यूटर विज्ञान का शोध लगातार अधिक केंद्रित होता गया है। बायाँ: शोधकर्ता विषयों के अधिक सीमित दायरे पर ध्यान दे रहे हैं। दायाँ: उद्धरणों का बढ़ता अनुपात कम संख्या में चुने हुए शोधपत्रों को मिल रहा है। ट्रांसफ़ॉर्मर के आने के आसपास दोनों रुझानों में तेज़ी आई।

दशकों तक यह संकेंद्रण अपेक्षाकृत स्थिर बना रहा—इंटरनेट, स्मार्टफ़ोन और डीप लर्निंग के उदय के दौरान भी। लेकिन 2017 से 2025 के बीच, शोध के केंद्रबिंदुओं के लिए गिनी गुणांक^†† (ऊपर की छवि देखें) 0.26 से बढ़कर 0.33 हो गया, यानी इसमें 27% की वृद्धि हुई। उद्धरण भी अधिक केंद्रित हो गए और उनका गिनी गुणांक बढ़कर 0.60 से 0.69 के शिखर पर पहुँच गया।

Tsinghua University, University of Chicago और Santa Fe Institute से जुड़े शोधकर्ताओं का कहना है:

‘ट्रांसफ़ॉर्मर ने क्षेत्र को उसके पूर्ववर्ती की तुलना में कहीं बड़े पैमाने पर बदल दिया। यह पैटर्न महज़ एक कृत्रिम प्रभाव नहीं है: [keyword count] में बदलाव के बावजूद यह बना रहता है।’

वे आगे कहते हैं:

‘2017 से 2025 के बीच कंप्यूटर विज्ञान के शोध-प्रकाशनों में एआई का अनुपात 40% से बढ़कर 55% से अधिक हो गया, जबकि सिस्टम शोध अपने लंबे स्वर्णिम दौर से पीछे हट रहा है और सिद्धांत का क्षेत्र इससे भी अधिक सिकुड़ रहा है।’

इसलिए निष्कर्ष बताते हैं कि कंप्यूटर विज्ञान का विस्तार होने के बावजूद, शोधकर्ता लगातार उन्हीं विचारों पर काम कर रहे थे और पहले से अधिक सीमित संख्या में शोधों का हवाला दे रहे थे।

दूसरा ‘संकेत’ उन शोधकर्ताओं की बढ़ती संख्या से जुड़ा है जो एआई में काम करने के लिए अपनी विशेषज्ञता का क्षेत्र छोड़ रहे हैं। 3.7 मिलियन शोधकर्ताओं पर नज़र रखते हुए, लेखकों ने कंप्यूटर विज्ञान के क्षेत्रों के बीच लगभग 919,000 बदलावों की पहचान की। इनमें से 53.81% बदलाव एआई की ओर हुए—यह ऐसा शोध क्षेत्र है जहाँ हर साल शोधकर्ताओं की संख्या बढ़ी, जबकि सिस्टम और सिद्धांत के क्षेत्रों में लगातार गिरावट आई:

शोधकर्ताओं का AI की ओर पलायन। बाईं ओर का ग्राफ़ दिखाता है कि AI कंप्यूटर विज्ञान के अन्य क्षेत्रों से शोधकर्ताओं के बढ़ते हिस्से को आकर्षित कर रहा है, जबकि सिस्टम और सिद्धांत के क्षेत्र पिछड़ रहे हैं। दाईं ओर के दोनों ग्राफ़ बताते हैं कि इस बदलाव की सबसे अधिक संभावना किन लोगों में है: वे शोधकर्ता जिन्हें शोध-पत्र प्रकाशित करने के अपने करियर में लगभग 32 वर्ष हो चुके हैं और जिनका प्रकाशन रिकॉर्ड अपने लगभग 82% साथियों से बेहतर है। किसी शोधकर्ता को क्षेत्र बदलने वाला तब माना जाता है, जब वह अपने अधिकांश शोध-पत्र किसी दूसरे क्षेत्र में प्रकाशित करने लगे।

क्षेत्र बदलने वाले लोग आम तौर पर करियर के मध्य चरण में पहुँचे स्थापित अकादमिक थे, न कि नए आए शोधकर्ता या अनुभवी दिग्गज। AI की ओर जाने की संभावना अकादमिक करियर के 31.8 वर्ष पर और प्रकाशन उपलब्धियों के मामले में 82वें पर्सेंटाइल पर मौजूद शोधकर्ताओं में सबसे अधिक थी।

लेख में दर्ज तीन रुझानों में तीसरा है सहकर्मी समीक्षा पर बढ़ता दबाव—वह प्रक्रिया जिसमें अन्य शोधकर्ता प्रकाशन से पहले किसी वैज्ञानिक शोध-पत्र की गुणवत्ता और विश्वसनीयता का आकलन करते हैं।

2017 से 2025 के बीच 45 सम्मेलनों और अन्य मंचों पर जमा किए गए 26,731 शोध-पत्रों की 73,089 समीक्षाओं का विश्लेषण करके लेखकों ने पाया कि शोध-पत्रों का मूल्यांकन करने की अपनी क्षमता पर समीक्षकों का भरोसा पाँच में से 3.9 से घटकर 2.9 रह गया:

2017 से 2025 के बीच वैज्ञानिक सहकर्मी समीक्षा में हुए बदलावों के ग्राफ़। बायाँ ग्राफ़ दिखाता है कि जमा किए गए शोध-पत्रों का आकलन करने की अपनी क्षमता पर समीक्षकों का भरोसा घटा और अंक पाँच में से 3.9 से गिरकर 2.9 रह गए। दायाँ ग्राफ़ समीक्षा में की गई शत्रुतापूर्ण टिप्पणियों को दर्शाता है। 2021 में NeurIPS सम्मेलन के अधिक पारदर्शी OpenReview मंच पर जाने के बाद ऐसी टिप्पणियों में थोड़ी गिरावट आई, लेकिन फिर वे दोबारा बढ़ने लगीं। दोनों रेखाएँ तीन-वर्षीय चल औसत दर्शाती हैं।

लेखकों का सुझाव है कि यह गिरावट AI के तेज़ी से विस्तार का नतीजा हो सकती है, जिससे शोध-पत्रों के लिए उपयुक्त योग्यता वाले समीक्षक ढूँढ़ना कठिन हो गया है:

‘समीक्षकों के समूह AI के आकर्षण से खिंचे चले आए नए लोगों से भर गए हैं। समीक्षकों को अब ऐसे AI तरीकों से जुड़े शोध-पत्र लगातार मिल रहे हैं, जो उनकी मुख्य विशेषज्ञता से बाहर हैं। प्रस्तुत शोध-पत्रों का सचमुच विशेषज्ञ समीक्षकों से मिलान करना अब व्यवस्था की संरचना के कारण कठिन हो गया है।

‘इस व्यवस्था में स्वीकृति मिलना अब लगातार सिक्का उछालने जैसा होता जा रहा है।’

सोने की दौड़ के बाद

लेख में यह भी कहा गया है कि AI की सबसे बड़ी सफलताएँ अंततः उसके अपने क्षय को तेज़ कर सकती हैं, क्योंकि हर बड़ी प्रगति के बाद नए विचारों की बाढ़ आती है—लेकिन नवाचार की यह शुरुआती हलचल फिर नीरस दोहराव में सिमट जाती है, क्योंकि शोध का ध्यान उन सफलताओं के इर्द-गिर्द लगातार अधिक केंद्रित होता जाता है।^†:

‘आधुनिक AI के लगातार आने वाले चक्र पहले ही संतृप्त हो जाते हैं और उनका क्षय अधिक तीव्र होता है। यह चक्र सिकुड़ रहा है।

‘कंप्यूटर विज्ञान के विकास के 36 वर्षों में, AlexNet, Transformer और LLMs जैसी तीन बड़ी तकनीकी प्रगतियों के दौरान, हम बार-बार यही चक्र देखते हैं[pattern]।

‘गौरतलब है कि यह पैटर्न केवल कंप्यूटर विज्ञान तक सीमित नहीं है। जीवविज्ञान में भी हम बड़ी गैर-कम्प्यूटेशनल (जैसे, cryo-EM) और कम्प्यूटेशनल (जैसे, AlphaFold) प्रगतियों के बाद क्षय का यही चक्र देखते हैं।’  

स्व-एन्कोडर, जनरेटिव प्रतिकूल नेटवर्क (GANs) और स्व-एन्कोडर पर आधारित डीपफेक जैसे तरीकों के साथ यह ‘क्षय’ निश्चित रूप से देखने को मिला। इन सभी का उनकी क्षमता स्पष्ट रूप से चुक जाने के बाद भी शोधकर्ताओं ने वर्षों तक बेरहमी से दोहन किया, जब तक कि नए ढाँचे और तरीके सामने नहीं आए और इन पर से दबाव कम नहीं हुआ।

किसी भी स्थिति में, इन चक्रों का पता लगाने के लिए लेखकों ने वैज्ञानिक शोध-सारांशों में विशिष्ट संज्ञाओं और वाक्यांशों को खोजा और बदलते शोध-विचारों के संकेतक के रूप में उनके पहली बार सामने आने, गायब होने और कभी-कभार फिर लौटने पर नज़र रखी।

2012 में AlexNet और 2017 में Transformer—दोनों ने नए विचारों की लहर पैदा की, जो अंततः मंद पड़ गई। हर नई प्रगति के साथ AI की बढ़त और बड़ी हुई, जबकि कंप्यूटर विज्ञान के अन्य क्षेत्र पिछड़ते गए और अंततः 2012 से पहले की तुलना में धीमी दर से नए विचार पैदा करने लगे:

AI में नए शोध-विचारों के अनुपात (नीला), गैर-AI कंप्यूटर विज्ञान के अनुपात (लाल) और दोनों के संयुक्त अनुपात (बैंगनी धराशायी रेखा) की तुलना। 2012 में AlexNet और 2017 में Transformer के बाद नए विचारों में तेज़ उछाल आया, फिर उनकी संख्या घटने लगी। दूसरी बड़ी सफलता के बाद AI की बढ़त और बढ़ गई। रेखाएँ तीन-वर्षीय चल औसत दर्शाती हैं।

यह पैटर्न उन विचारों पर भी लागू होता है जो चलन से बाहर हो जाते हैं। नई सफल खोजें पुराने तरीकों को पीछे छोड़ देती हैं—कभी-कभी उनके सामने आने के वर्षों बाद। फिर भी, ये सफल खोजें खुद इसी चक्र में फँस जाती हैं: हर खोज पर शोध का ध्यान तेज़ी से बढ़ता है, जो अंततः कम हो जाता है। इससे क्षेत्र अपनी गति फिर से पाने के लिए एक और खोज की प्रतीक्षा करता रह जाता है—जैसा कि Gaussian Splatting के मामले में हुआ, 31 साल के अंतराल के बाद:

2012 से 2025 तक AlexNet (लाल) और Transformer (नीली) के मूल शोध-पत्रों के उद्धरणों की तुलना। दोनों शोध-पत्रों के उद्धरणों का अनुपात बढ़ता रहा, फिर तेज़ी से घट गया। इससे पता चलता है कि बड़ी सफल खोजों पर ध्यान अंततः कम हो जाता है। रेखाएँ तीन-वर्षीय चल औसत दर्शाती हैं।

लेखकों का तर्क है कि AI की सफलता शोधकर्ताओं और विचारों को कुछ ही प्रमुख तरीकों के इर्द-गिर्द केंद्रित कर देती है, जबकि वे आसपास के क्षेत्र लगातार पिछड़ते जाते हैं जो इन तरीकों के उत्तराधिकारी विकसित करने में मदद कर सकते हैं। लेखकों का यह दावा नहीं है कि इससे भविष्य की सफल खोजें निश्चित रूप से रुक जाएँगी, लेकिन वे यह आशंका ज़रूर जताते हैं कि AI धीरे-धीरे उस विविधता को कम कर रहा है जिस पर उसकी अगली बड़ी छलाँग निर्भर हो सकती है।

शोध में उन विचारों की संख्या भी दर्ज की गई जो अब भी सक्रिय उपयोग में थे। AI विकास की लगातार आती लहरों के दौरान, यह संख्या अनुमान से लगातार और नीचे गिरती गई। Transformer के बाद यह कमी AlexNet के बाद की तुलना में अधिक थी:

AI की लगातार आती बड़ी सफलताओं के दौरान सक्रिय शोध-विचारों की संख्या दर्शाने वाला चार्ट। ठोस रेखाएँ मॉडल के अनुसार वृद्धि दिखाती हैं, जबकि धराशायी हिस्से बताते हैं कि वास्तविक संख्या अनुमानित स्तर से नीचे गिर गई। Transformer के बाद यह कमी AlexNet के बाद की तुलना में अधिक है; LLM के दौर में भी शुरुआती गिरावट दिखाई देती है।

संक्षेप में, लेखकों का निष्कर्ष है कि AI से जुड़ी चुनौतियों की लगातार संकरी होती जा रही एक श्रृंखला पर प्रयास और लोगों के केंद्रित होने से उन निकटवर्ती क्षेत्रों के विकास को नुकसान पहुँचने का खतरा है, जहाँ से पहले स्वाभाविक रूप से AI क्षेत्र और अन्य विविध क्षेत्रों के लिए विचार आते थे।

अर्थशास्त्र में 2025 के नोबेल पुरस्कार दिए जाने के संबंध में John Hassler की टिप्पणी का हवाला देते हुए, वे निष्कर्ष निकालते हैं:

‘नोबेल समिति ने चेतावनी दी थी कि ठहराव से बचने के लिए रचनात्मक विनाश की प्रक्रियाओं को बनाए रखना ज़रूरी है। हमारे नतीजे ऐसी ही एक प्रक्रिया—बौद्धिक विविधता—की पहचान करते हैं और दिखाते हैं कि मौजूदा संस्थाएँ इसे कमज़ोर कर रही हैं।

‘ध्यान के बँटवारे को तय करने वाली संस्थाएँ—जिनमें समीक्षा प्रणालियाँ, शोध-पत्र जमा करने के शुल्क और नियम, पुरस्कार-संरचनाएँ, नियुक्ति और पदोन्नति की प्रक्रियाएँ तथा सेवानिवृत्ति की परंपराएँ 12 शामिल हैं—ये सभी तय करती हैं कि अगले प्रतिमान के उभरने की गुंजाइश होगी या नहीं।

‘इन संस्थाओं को अच्छी तरह बनाने का मतलब है, इस आवेग का विरोध करना कि जो प्रतिमान अभी जीत रहा है, उसी पर और ज़ोर लगाया जाए; खोजबीन के बजाय एकाग्रता पर लागत डालना; और मूल्यांकन का अधिकार उन लोगों से हटाकर, जो बहुत अधिक प्रकाशित करते हैं, उन लोगों को देना जो नए विचार सामने लाते हैं।

‘रचनात्मक विनाश विकास को तभी बनाए रखता है, जब वह पुनर्संयोजन के लिए कुछ पीछे छोड़ता है। सिंगुलैरिटी का कोई उत्तराधिकारी नहीं होता।’

* इसके लिए कोई शब्द होना चाहिए: ‘forecast-resistant’? खैर, यह कोई एक शब्द नहीं, बल्कि एक पद है; और ऐसा भी लगता है मानो यह 2026 के बजाय 2026 से 2027 को देखने के नज़रिये की बात कर रहा हो। ‘Unfuturable’? वर्तनी-जाँच में इसके नीचे लाल रेखा आ गई, तो चलिए, इसी पर तय करते हैं।

^† लेखकों के पाठ के भीतर दिए गए संदर्भों को हाइपरलिंक में बदलने का मेरा काम।

^†† जिनी गुणांक बताता है कि किसी चीज़ का वितरण कितना असमान है। इसका पैमाना 0 (पूर्ण समानता) से 1 (अधिकतम संकेंद्रण) तक होता है। यहाँ, अधिक अंक का अर्थ है कि शोधकर्ता कम विषयों पर ध्यान केंद्रित कर रहे हैं।

पहली बार प्रकाशित: बुधवार, 21 अक्टूबर 2026