-: AI as scientists :-

केंद्र सरकार के प्रमुख प्रौद्योगिकी शिक्षा संस्थानों में से एक, आईआईटी दिल्ली ने जर्मनी के जेना विश्वविद्यालय के साथ मिलकर एक बड़ा शोध किया है, जो कृत्रिम बुद्धिमत्ता (एआई) और विज्ञान के बीच संबंधों पर प्रकाश डालता है। इस अध्ययन में, उन्होंने यह परीक्षण किया कि क्या कृत्रिम बुद्धिमत्ता विज्ञान के क्षेत्र में प्रवेश करने के लिए तैयार है और क्या यह वास्तव में एक वैज्ञानिक की तरह सोच सकती है।

तकनीकी प्रगति के कारण, कृत्रिम बुद्धिमत्ता आज वैज्ञानिक जगत को तेज़ी से बदल रही है। कहा जा रहा है कि यह नई खोजों का सूत्रपात करेगी। इसके अलावा, कृत्रिम बुद्धिमत्ता तकनीकों ने वैज्ञानिकों को लाखों शोध पत्रों को पढ़ने और समझने, प्रयोगों की रूपरेखा तैयार करने, जटिल आँकड़ों का विश्लेषण करने और प्रयोगशालाओं की व्यवस्था को समझने में मदद की है।

लेकिन इस क्रांति को पूरी तरह सफल बनाने के लिए, कृत्रिम बुद्धिमत्ता को एक वास्तविक वैज्ञानिक की तरह सोचना होगा। यानी, उसे न केवल आँकड़ों का विश्लेषण करना होगा, बल्कि दृश्य सूचना, मापन और सैद्धांतिक ढाँचों को व्यापक रूप से समझने की क्षमता भी होनी चाहिए।

इसकी क्षमताओं को मापने के लिए, वैज्ञानिकों ने ‘MaCBench’ नामक एक नया बेंचमार्क विकसित किया है। इस बेंचमार्क का उपयोग रसायन विज्ञान और पदार्थ विज्ञान के संदर्भ में उन्नत कृत्रिम बुद्धिमत्ता मॉडलों, जिन्हें ‘मल्टीमॉडल लैंग्वेज मॉडल’ कहा जाता है, का परीक्षण करने के लिए किया जाता है। इस शोध में जो मुख्य बात सामने आई, वह यह है कि कृत्रिम बुद्धिमत्ता कुछ बुनियादी कार्यों में तो अच्छा प्रदर्शन करती है, लेकिन वास्तविक वैज्ञानिक विश्लेषण और तर्क-वितर्क में यह पिछड़ जाती है।

शोधकर्ताओं ने वास्तविक वैज्ञानिक कार्य चरणों का अनुकरण करने के लिए ‘मैकबेंच’ डिज़ाइन किया। इस बेंचमार्क में तीन मुख्य भाग शामिल हैं: वैज्ञानिक लेखन से जानकारी निकालना, प्रयोगशाला कार्य को समझना और प्रयोगों के परिणामों का विश्लेषण करना। परीक्षणों के दौरान कृत्रिम बुद्धिमत्ता ने अपनी क्षमताओं का प्रदर्शन किया। उदाहरण के लिए, इसने प्रयोगशाला उपकरणों की पहचान करने, सरल जानकारी निकालने और अणुओं की हाथ से खींची गई छवियों के साथ सरलीकृत पाठ रूपों (SMILES स्ट्रिंग्स) का मिलान करने में लगभग पूर्ण सफलता प्राप्त की।

यह भी पढ़े- गुलाब के पौधे को फूलों से लबालब भरने के आसान और असरदार उपाय

हालाँकि, जब कृत्रिम बुद्धिमत्ता को जटिल समस्याओं का सामना करना पड़ा, तो उसकी क्षमताएँ लड़खड़ा गईं। उसे स्थानिक तर्क करने में कठिनाई हुई। उदाहरण के लिए, किसी अणु के विभिन्न भागों के बीच संबंधों का वर्णन करना या किसी पदार्थ की आंतरिक संरचना की पहचान करना उसकी सीमाओं से परे था। इसके अलावा, कृत्रिम बुद्धिमत्ता को एनएमआर स्पेक्ट्रोस्कोपी या मास स्पेक्ट्रोमेट्री जैसे जटिल प्रयोगों के परिणामों को समझने में भी बड़ी कठिनाई हुई। कुछ मामलों में इसने यादृच्छिक अनुमानों से थोड़ा ही बेहतर प्रदर्शन किया।

अध्ययन का एक और उल्लेखनीय पहलू उन कार्यों में इसका खराब प्रदर्शन था जिनमें बहु-स्तरीय तार्किक सोच की आवश्यकता थी। उदाहरण के लिए, यह एक्स-रे विवर्तन पैटर्न में विशिष्ट स्थानों की पहचान तो कर सकता था, लेकिन उन्हें क्रम में व्यवस्थित करने में विफल रहा। इस शोध से एक महत्वपूर्ण बात यह है कि आज के कृत्रिम बुद्धिमत्ता मॉडल वास्तविक वैज्ञानिक समझ विकसित करने की तुलना में अपने प्रशिक्षण डेटा में पैटर्न पहचानने पर अधिक निर्भर करते हैं। अर्थात्, वे सीखी गई जानकारी के आधार पर उत्तर प्रदान किए बिना वास्तविक वैज्ञानिक विश्लेषण नहीं करते हैं।

यह अध्ययन यह दिखाने के बजाय कि कृत्रिम बुद्धिमत्ता कहाँ विफल हो रही है, यह दर्शाता है कि इसमें कहाँ सुधार की आवश्यकता है। इस अध्ययन में पहचानी गई सीमाओं की स्पष्ट समझ भविष्य में अधिक प्रभावी, विश्वसनीय और बुद्धिमान कृत्रिम बुद्धिमत्ता-आधारित वैज्ञानिक सहायकों के विकास के लिए एक रोडमैप प्रदान करती है। अध्ययन सुझाव देता है कि इन नए कृत्रिम बुद्धिमत्ता मॉडलों को केवल अधिक आँकड़ों पर निर्भर रहने के बजाय, वास्तविक वैज्ञानिक तर्क और विभिन्न प्रकार की सूचनाओं को एकीकृत करने की क्षमता विकसित करनी चाहिए।

यह कृत्रिम बुद्धिमत्ता को एक जटिल तकनीक से वास्तविक रूप से सूचित सहयोग के एक उपकरण में बदलने की दिशा में एक महत्वपूर्ण कदम है। यह शोध विज्ञान और प्रौद्योगिकी के भविष्य के लिए आशा जगाता है, और एआई सभी वैज्ञानिकों और शोधकर्ताओं के लिए एक मूल्यवान उपकरण बन जाएगा।

जुड़िये हमारे व्हॉटशॉप अकाउंट से-  chat.whatsapp.com
जुड़िये हमारे फेसबुक पेज से –  facebook.com
जुड़िये हमारे ट्विटर अकाउंट से – x.com/Avantikatimes
जुड़िये हमारे यूट्यूब अकाउंट से – bulletinnews4810