AI विज्ञान को बदल रहा है - कैसे? किसे चिंता करनी चाहिए? 

विभिन्न दृष्टिकोणों और कर्ताओं - सार्वजनिक वित्तपोषकों से लेकर निजी उच्च तकनीक संस्थानों तक - से विज्ञान पर कृत्रिम बुद्धिमत्ता (एआई) के प्रभाव पर एक आलोचनात्मक नज़र डालने पर, अधिक मानव-केंद्रित दृष्टिकोण बनाने में पारदर्शिता और सहयोग की कमी के लिए एक साझा चिंता का पता चलता है, जो वैश्विक सार्वजनिक वस्तु के रूप में विज्ञान के वादे को पूरा करेगा।

'अब सवाल यह नहीं है कि if एआई विज्ञान को बदल रहा है, लेकिन कैसे, "मैथ्यू डेनिस ने इस वर्ष के उद्घाटन समारोह में मंच खोला। डिजिटल विद पर्पस ग्लोबल समिट पंजीकरण शुल्क एआई के प्रभावों पर पैनल सत्र विज्ञान कैसे किया जाता है और कैसे व्यवस्थित किया जाता है।

चैटजीपीटी 4 के आरंभिक सार्वजनिक रिलीज के एक साल से भी कम समय में, एआई के विषय में रुचि, साथ ही पूरे विज्ञान उत्पादन चक्र में इसके अनुप्रयोग में, विस्फोट हुआ है। फ्रेंच नेशनल रिसर्च एजेंसी (एएनआर) के डिजिटल और गणितीय विभाग के प्रमुख यामीन ऐट-अमूर, लगभग सभी विषयों में इस रुचि को देखते हैं। और जबकि एजेंसी अनुसंधान प्रस्तावों का मूल्यांकन करने के लिए एआई उपकरणों का उपयोग नहीं कर रही है, वे अच्छी तरह से जानते हैं कि वे अपने वैज्ञानिक कार्यों में दूसरों पर समान एआई उपयोग प्रतिबंध नहीं लगा सकते हैं।

विज्ञान में एआई के इस्तेमाल से कई सवाल उठते हैं और कई बार संदेह भी होता है, लेकिन इसके वादों को लेकर काफी उत्साह भी है। अगर हम उचित ढांचे तैयार करें तो इसमें संभावनाएं हैं। स्वास्थ्य अनुसंधान सहयोगी I-DAIR के लिए एआई के सीईओ रिकार्डो बतिस्ता लेटे अतीत से सबक बताते हैं जब टूटी हुई प्रणालियों पर लागू विघटनकारी प्रौद्योगिकियों ने और अधिक टूटन पैदा की। एआई प्रौद्योगिकियां सार्वजनिक कल्याण में योगदान दे सकती हैं - अगर हम उन्हें शुरू से ही ऐसा करने के लिए विशेष रूप से डिजाइन करें।

हालाँकि, AI विकास की वर्तमान लहर लगभग पूरी तरह से निजी क्षेत्र द्वारा संचालित है, जिसके संसाधन किसी भी सार्वजनिक निवेश से कहीं ज़्यादा हैं। और अनुसंधान और विकास में सार्वजनिक और निजी विभाजन को पाटने के बिना एक अधिक जिम्मेदार, समावेशी AI को सह-डिज़ाइन करने के बारे में बात करना असंभव हो जाता है।

मेटावर्स इंस्टीट्यूट की सीईओ क्रिस्टीना यान झांग विज्ञान और प्रौद्योगिकी में सार्वजनिक-निजी सहयोग में बहुत विश्वास रखती हैं। वह इस बात से सहमत हैं कि मानव कल्याण को प्रौद्योगिकी विकास के मूल में रखा जाना चाहिए। वर्तमान वैज्ञानिक प्रणाली में, शोधकर्ताओं को वास्तविक प्रभाव के बजाय जर्नल उद्धरण जैसे मेट्रिक्स का अनुसरण करने के लिए मजबूर किया जाता है।

यामीन ऐट-अमूर कहते हैं कि यह सिर्फ़ इतना ही नहीं है। विज्ञान में एआई के इस्तेमाल के लिए एक और बड़ी चुनौती है। एआई उपकरण अक्सर ऐसे नतीजे और परिणाम दे सकते हैं जो इंसानों से बेहतर होते हैं। उदाहरण के लिए, प्रोटीन संरचना की भविष्यवाणी करने के लिए प्रशिक्षित एक एआई डीप-लर्निंग सिस्टम अल्फाफोल्ड पहले से ही मानव-संचालित तरीकों से बेहतर प्रदर्शन कर रहा है। लेकिन हम इसके नतीजों को मज़बूती से दोहरा नहीं सकते, सत्यापित नहीं कर सकते और समझा नहीं सकते। जब तक हम एआई "ब्लैक बॉक्स" में होने वाली प्रक्रियाओं को नहीं समझ सकते, तब तक विज्ञान में एआई का इस्तेमाल बड़ी तकनीकी और नैतिक समस्याएँ खड़ी करेगा।

पैनल सत्र में उपस्थित दर्शकों ने यह भावना साझा की कि विज्ञान में अब हम जो बड़े बदलाव देख रहे हैं, वे केवल शुरुआत हैं: "यह 19वीं सदी के मध्य का समय है, जब औद्योगिक क्रांति की शुरुआत हुई थी। क्या हम सामंती व्यवस्था को अपनाने की कोशिश कर रहे हैं, या हम उभरते दौर का विश्लेषण कर रहे हैं?"

रिकार्डो बतिस्ता लेटे भी इस बात से सहमत हैं। उन्होंने निष्कर्ष निकाला, "हम इस समय को याद करेंगे और खुद से पूछेंगे कि क्या हमने सही काम किया है। हमारे पास स्थिति को बदलने का अवसर था।"