ગણિતજ્ઞાઓના વિવાદે એઆઇ દ્વારા વિજ્ઞાનના વિશ્વાસ પર પ્રશ્નો ઉઠ્યા
બ્રિટિશ પબ્લિક બ્રોડકાસ્ટર BBC દ્વારા પ્રકાશિત અહેવાલ મુજબ, ગણિતજ્ઞાઓ વચ્ચે થયેલા વૈજ્ઞાનિક વિવાદને કારણે એઆઇ ટેક્નોલોજી વૈજ્ઞાનિક પ્રક્રીયા અને આ દરમ્યાન થતી શોધો વિશે વિશ્વાસને ધકેલી શકે છે તેવી ચિંતાઓ વધીને આવી રહી છે. અહેવાલમાં OpenAI દ્વારા કરવામાં આવેલ દાવા, માથામાં ઉઠેલા પ્રશ્નો અને લંડનમાં સ્થિત Basecamp Research જેવા પ્રોજેક્ટોનો ઉલ્લેખ છે જે એઆઇના વૈજ્ઞાનિક ઉપયોગ સાથે જોડાયેલા જોખમો અને અનિશ્ચિતતાઓને તેજ કરે છે.
OpenAIના દાવા અને વિવાદ
OpenAIએ જણાવ્યું હતું કે એની એજન્ટોએ પ્રસિદ્ધ Navier–Stokes સમીકરણ સંબંધિત ગણિતની એક મોટી અસલ સમસ્યાનું ઉકેલ 88 કલાકમાં કર્યું છે. આ દાવા પર પ્રાઇઝ ચલાવનાર સત્તા કહે છે કે તે “apparently been settled” લાગે છે પરંતુ સમીક્ષા માટે સમય લાગશે. આ જાહેરાતથી થોડા કલાકો પહેલાં Tristan Buckmaster (ન્યુ યોર્ક યુનિવર્સિટી) એ જાહેર ચિંતા વ્યક્ત કરી. તે અને Levent Alpöge (Anthropicમાં રોજગાર ધરાવતાં ગણિતજ્ઞ) દ્વારા બનાવેલી સ્વતંત્ર ટીમે OpenAIના કોડિંગ સાધન Codexમાં કેટલાક ડ્રાફ્ટ્સ રાખ્યા હતા.
Buckmasterએ જણાવ્યું કે તેમના સાથે કામ કરનારા સંશોધકને લાગી રહ્યું હતું કે તેમની પ્રગતિ વિશેની માહિતી OpenAI સુધી “reached” થઈ છે; તેમણે પ્રશ્ન ઉઠાવ્યો કે Codexમાં રહેલો સંશોધન OpenAIના કામમાં ફીડ થઇ શકે એવું થયું હશે કે નહીં, પરંતુ તેઓએ કહી દીધું કે તેઓ “not accusing anyone of anything”. OpenAIએ જવાબ આપ્યો કે કંપનીમાં કોઇ માનવ કે એઆઇ બીજા ટીમોના કામને પ્રકાશન પહેલાં જોઈ નથી શક્યું.
વિજ્ઞાનમાં વિશ્વસનીયતા અને ખામયોજિતતા
અહેવાલ સ્પષ્ટ કરે છે કે સચ્ચાઇ શું છે તે હજી પૂર્ણ રીતે જાણી શકાયું નથી, પરંતુ આ કિસ્સો એઆઇના ઉપયોગ દ્વારા વિજ્ઞાનમાં હોવાથી ઊઠતા વિશ્વાસ અને ખામયોજિતતામાં મોટી ચિંતાઓ ઊભી કરે છે. Basecamp Research અને જૈવિક ડેટા સંગ્રહ લંડનમાં એક પૂર્વ ઘડિયાળ ફેક્ટરીમાં ચાલતી સગવડમાં Dr Oliver Vince ની ફર્મ Basecamp Research દ્વારા બાર્કોડવાળા ગ્લાસ ટ્યુબ ધરાવતા ડઝનોથી બનેલા બોક્સ સ્ટોરિંગની વાત અહેવાલમાં છે.
Basecampનો ઉદ્દેશ möglichst DNA એકઠું કરીને એઆઇ તૈયાર કરવી છે જે જૈવિક ભાષા સમજી શકે — તેમનો અલંકારિક ઓલંકાર એ છે કે જૈવિક ડેટા પર આધારિત LLMs જેવી પદ્ધતિઓ વિકસશે. એઆઇની મિસઇન્ફોર્મેશન અને વૈજ્ઞાનિક ખોટા દાવાઓ વિશે ચિંતાઓ અહેવાલ નોંધાવે છે કે Claude અને Gemini જેવા ચેટબોટ્સ ક્યારેક ‘hallucinate’ કરી ખોટી માહિતી આપી દે છે, અને હવે એજ પ્રકારની ભૂલો વૈજ્ઞાનિક સાહિત્યમાં પણ જોવા મળી રહી છે.
DeepMind અને વૈજ્ઞાનિક પ્રગતિ
AlphaFoldનું પ્રભાવ અને મર્યાદિત પરીક્ષાઓ એઆઇના સકારાત્મક પ્રભાવનું એક મુખ્ય ઉદાહરણ Google DeepMind છે. DeepMindના AlphaFold મોડલે 2020માં પ્રોટીનના પાતરની રચના વિશેનું એક મહત્વપૂર્ણ પ્રશ્ન ઉકેલવાનું કાર્ય કર્યું અને એક વર્ષમાં 200 million પ્રોટીન ફોલ્ડની આગાહી કરી, જેને ઉત્પાદન રીતે બાયોવિજ્ઞાનિકોને મોટી ગતિ આપી.
અહેવાલ પ્રમાણે તે કાર્ય વૈજ્ઞાનિકો માટે મહત્વપૂર્ણ માઈલસ્ટોન બની ગયેલું અને DeepMindના હેડ અને પ્રોજેક્ટના લીડ વૈજ્ઞાનિક બંનેને Nobel Prize for Chemistryથી સન્માનિત કરવામાં આવ્યું. Dr Pushmeet Kohli, જે DeepMindનું વૈજ્ઞાનિક કાર્ય સંભાળે છે, એ અહેવાલમાં કહ્યું કે AlphaFold ને “watershed moment” તરીકે જોવામાં આવી શકે છે.
જર્નલ્સ અને પ્રકાશકોની જવાબદારી
અહેવાલનું એક મહત્વપૂર્ણ મુદ્દો એ છે કે જર્નલ્સ અને પ્રકાશકો પર પડતી જવાબદારી વધી શકે છે. સાયન્સ જર્નલ્સ અને પ્રકાશકોએ સર્જાતી ભૂલો અને એઆઇ-સર્જિત ભ્રમિત દાવાઓ સામે પરિણામકારક રીતે ડાંભો ચલાવવાનો પ્રયાસ કરવાની જરૂર છે, નહીં તો વિજ્ઞાનમાં વિશ્વાસ ખળભળાઇ શકે છે. સાઈન્સ જર્નલ્સ તથા સંબંધિત વ્યકિતઓની ક્ષમતા અને સંસાધન એ સમસ્યાને સામનો કરવા માટે કાફી છે કે નહિ તે પ્રશ્ન પણ ઉઠી રહ્યો છે.
Dalmeet Singh Chawla, એક સાયન્સ જર્નલિસ્ટ, અહેવાલમાં બોલે છે કે “Generative AI has basically disrupted the whole scientific process” અને કહી રહ્યું છે કે પ્રકાશકોની integrity ટીમોએ તમારા પાડવા માટે સંસાધન અને પ્રયાસો ખરેખર વધારવા પડશે.
આ તમામ ઘટનાઓ અને ઉદાહરણો દર્શાવે છે કે એઆઇનું વૈજ્ઞાનિક ઉપયોગ સકારાત્મક ફાળો આપી શકશે અને આપ્યો છે, પરંતુ એક જ સમયે તેને લગતી ખામીઓ, નીચોકાઇને અણધાર્યા દાવા અને વિજ્ઞાનની વિશ્વસનીયતા પર પડતી અસરને ગંભીરતાથી દૂર કરવા માટે નવા નિયમો, ચેકબિંદુઓ અને વધુ માનવ નિરીક્ષણ જરૂરી છે.