ब्रिटीश विद्यापीठाच्या अहवालात असा इशारा देण्यात आला आहे की कृत्रिम बुद्धिमत्तेच्या कमी -गुणवत्तेच्या संशोधन कागदपत्रांच्या पूरमुळे समान वैज्ञानिक ज्ञान धोक्यात आले आहे.
एसएआय युनिव्हर्सिटीच्या संशोधन पथकास युनायटेड स्टेट्स नॅशनल हेल्थ डेटाबेस (एनएचएएनईएस) कडून तयार केलेल्या आकडेवारीच्या आधारे अनुचित अभ्यासाची रचना आणि चुकीच्या शोधांसह “प्रशिक्षण संशोधन लेख” लक्षात आले आहे.
ओपन मासिकांमध्ये नॉन -प्रॉफिट प्रकाशक असलेल्या पीएलओएस बायोलॉजीमध्ये प्रकाशित झालेल्या अभ्यासानुसार असे आढळले आहे की -2011 नंतरच्या बर्‍याच कागदपत्रांमध्ये “विश्लेषणासाठी वरवरचा आणि अत्यधिक दृष्टिकोन” वापरला गेला. आरोग्याच्या परिस्थिती आणि संभाव्य कारणांमधील दुव्यांसाठी एकाधिक घटकांच्या अधिक वास्तववादी स्पष्टीकरणांकडे दुर्लक्ष करताना हे एका चलवर लक्ष केंद्रित करतात, तसेच काही अरुंद डेटा संग्रहांसह जे औचित्य न घेता चेरी निवडले गेले होते.
“आम्ही वैज्ञानिक वाटणार्‍या परंतु छाननीत उभे नसलेल्या कागदपत्रांमध्ये वाढ झाली आहे – वैज्ञानिक सत्य म्हणून नाकारण्यासाठी राष्ट्रीय आरोग्य डेटा गटांचा वापर करून ही” वैज्ञानिक कल्पनाशक्ती “आहे.”
ते पुढे म्हणाले: “मोठ्या भाषेच्या मॉडेल्स व्यतिरिक्त अनुप्रयोग प्रोग्रामिंगच्या दर्शनी भागांद्वारे सहजपणे प्रवेश केला जाऊ शकतो अशा डेटा संकलनाचा वापर काही मासिके आणि सरदारांच्या लेखा परीक्षकांसाठी जबरदस्त आहे, ज्यामुळे सर्वात व्यवहार्य संशोधनाचे मूल्यांकन करण्याची त्यांची क्षमता कमी होते – आणि सर्वसाधारणपणे विज्ञानाची गुणवत्ता कमकुवत होते.”
अहवालात असे सूचित केले गेले आहे की एआयचे रेडी-मेड डेटा संग्रह, जसे की एनएचएएनईएस, डेटा-आधारित संशोधनासाठी नवीन संधी उघडू शकतात, परंतु आपण “पेपर फॅक्टरी” ज्याला कॉल करता त्याद्वारे संभाव्य डेटाचे शोषण करण्याचा धोका देखील निर्माण होतो जे शंकास्पद वैज्ञानिक कागदपत्रांना मागे टाकतात आणि बहुतेकदा सध्याच्या विश्वासाची पुष्टी मागितणार्‍या ग्राहकांना पैसे देतात.
एनएचएएनईएस डेटा समाविष्ट असलेल्या संभाव्य संभाव्य कागदपत्रे पुनर्प्राप्त करण्यासाठी आणि सांख्यिकीय दृष्टिकोन किंवा अभ्यासाच्या डिझाइनचे विश्लेषण करण्यासाठी दहा वर्षांपूर्वीच्या साहित्यात सरे युनि एक पद्धतशीर संशोधन कार्य करते.
कार्यसंघाने बर्‍याच वेगवेगळ्या मासिकांद्वारे प्रकाशित झालेल्या 341 अहवाल ओळखले आहेत. असे आढळले आहे की गेल्या तीन वर्षांत, एनएचएएनईएस डेटा ग्रुपचा वापर करून पूर्वानुमानकर्ते (स्वतंत्र व्हेरिएबल्स) आणि विविध आरोग्याच्या परिस्थिती दरम्यानच्या एका घटकांच्या दुव्यांचे विश्लेषण करणार्‍या प्रकाशनांच्या संख्येत वेगवान वाढ झाली आहे. २०१ and ते २०२१ दरम्यान दरवर्षी चार पानांची सरासरी प्रकाशित केली गेली, कारण ती २०२२ आणि २०२23 मध्ये अनुक्रमे, 33, and२ आणि १ 190 ० आणि २०२24 च्या पहिल्या दहा महिन्यांपर्यंत वाढली.
प्रकाशित केलेल्या संशोधन मालमत्तेत बदल हा देखील साजरा केला जातो. २०१ to ते २०२० पर्यंत २ पैकी दोन हस्तलिखितांचा चीनमधील लेखकाशी मोठा संबंध होता. 2021 ते 2024 दरम्यान, हे 316 हस्तलिखितांपैकी 292 पर्यंत वाढले.
अहवालात असे म्हटले आहे की एकाच इंटरकनेक्शन संशोधनात या उडीचा अर्थ असा आहे की वैज्ञानिक साहित्याच्या विस्तृत गटात घातलेल्या दिशाभूल करणार्‍या निकालांच्या जोखमीमध्ये समान वाढ आहे.
उदाहरणार्थ, असे म्हटले आहे की काही सुप्रसिद्ध आरोग्याच्या समस्यांचे विश्लेषण कामगारांचे एक अभ्यास म्हणून केले जाते, औदासिन्य, हृदय व रक्तवाहिन्यासंबंधी रोग, संज्ञानात्मक कार्य म्हणून ओळखले जाते-आणि सर्वांना बहु-घटक म्हणून ओळखले जाते ज्यांचे पुनरावलोकन केले गेले आहे अशा काही कागदपत्रांमधील सरलीकृत आणि महत्वाच्या पद्धतींचा वापर करून तपासले जाते.
याचा सामना करण्यासाठी, कार्यसंघ अनेक सूचनांची व्याख्या करतो, ज्यात वैज्ञानिक मासिकांमधील संपादक आणि लेखा परीक्षकांनी जटिल आणि एकाधिक घटक म्हणून ओळखल्या जाणार्‍या ज्ञात परिस्थितीच्या एका घटकाचे विश्लेषण “रेड मार्क” म्हणून केले पाहिजे जे समस्याप्रधान असू शकते.
अहवालात असे म्हटले आहे की डेटा सेवा प्रदात्यांनी डेटाबेस रोखण्यासाठी एपीआय की आणि अनुप्रयोग क्रमांकासह पावले उचलली पाहिजेत, हा दृष्टिकोन जो आधीपासूनच यूके बँक बायोबँकद्वारे वापरला गेला आहे. प्रवेशासाठी अट म्हणून ऑडिटेबल खाते क्रमांक समाविष्ट करण्यासाठी हा डेटा दर्शविण्यासाठी प्रकाशने केली पाहिजेत.
आणखी एक सूचना अशी आहे की सब -डेटा संग्रहांचा वापर न्याय्य नसल्यास, संपूर्ण डेटा सेट विश्लेषण अनिवार्य केले पाहिजे.
“आम्ही डेटामध्ये प्रवेश रोखण्याचा प्रयत्न करीत नाही किंवा त्यांच्या संशोधनात कृत्रिम बुद्धिमत्ता वापरणार्‍या लोकांना थांबविण्याचा प्रयत्न करीत नाही-आम्ही काही योग्य परीक्षा मागिततो,” सारी विद्यापीठाचे पदवीधर संशोधक आणि अभ्यास लेखक टॉल्सी सोटक यांनी सांगितले. “यात डेटा कसा वापरायचा याविषयी मोकळेपणा, योग्य अनुभव ऑडिटर्सचा सहभाग असल्याचे सुनिश्चित करणे आणि जेव्हा अभ्यास केवळ कोडेच्या एका तुकड्यावर पाहतो तेव्हा चिन्ह.”
ही समस्या प्रथमच दिसून आली नाही. गेल्या वर्षी, अमेरिकन पब्लिशिंग हाऊस, वाली, हिंदू कंपनीने देखरेखीखाली 19 वैज्ञानिक जर्नलला अटक केली, जी एआय पेपर मिल्सने अहवाल प्रकाशित केली होती.
हे कृत्रिम बुद्धिमत्तेद्वारे तयार केलेल्या सामग्रीच्या विस्तृत समस्येचा एक भाग आहे जे इंटरनेटद्वारे आणि वेबवरील शोधांमध्ये दिसून येते जे वास्तविकतेत फरक करणे कठीण आहे. याला “कृत्रिम बुद्धिमत्ता” असे म्हणतात आणि यात बनावट चित्रे आणि सेलिब्रिटी आणि जागतिक नेत्यांचा संपूर्ण व्हिडिओ समाविष्ट आहे, परंतु बनावट ऐतिहासिक फोटो आणि ऐतिहासिक वर्णांची छायाचित्रे जी संशोधनाच्या निकालांमध्ये दिसून येतात जसे की ते वास्तविक आहेत.
खरोखर, कृत्रिम बुद्धिमत्ता ही देणगी आहे जी देणे कायम आहे. ®
