OpenAI का AI झुंड 32 मिनट में लाखों मस्तिष्क कोशिकाएं पढ़ता है
OpenAI, शोध समूह PerturbAI और Scripps Research संस्थान की एक टीम ने एक प्रयोग किया है जो शायद किसी एक खोज से ज़्यादा इस बारे में बताता है कि विज्ञान कैसे होता है। 21 अक्टूबर को प्रकाशित OpenAI के एक विवरण के अनुसार, लाखों चूहे मस्तिष्क कोशिकाओं को कवर करने वाले जैविक डेटा पर हज़ारों AI एजेंट छोड़े गए। पूरे विश्लेषण में 32 मिनट लगे।
शोधकर्ताओं द्वारा दी गई तुलना दिलचस्प हिस्सा है। उनका अनुमान है कि अगर मानव वैज्ञानिक उन्हीं परिणामों को एक-एक करके देखते और हर निष्कर्ष को प्रकाशित साहित्य के साथ मिलाते, तो यह काम महीनों और संभवतः एक साल तक ले सकता था। एजेंट केवल किसी फ़ाइल का सार नहीं बना रहे थे। उनसे बड़ी मात्रा में प्रयोगात्मक आउटपुट पर तर्क करने और उसे पिछले काम से जोड़ने के लिए कहा गया था।
यह काम GPT-Rosalind पर आधारित था, जो सामान्य चैट के बजाय विशेष रूप से जीवन-विज्ञान अनुसंधान के लिए बनाया गया मॉडल है। यह ब्यौरा मायने रखता है। विज्ञान में AI के इर्द-गिर्द ज़्यादातर शोर सामान्य-उद्देश्य वाले सिस्टम से आया है जिनसे परीक्षा-शैली के सवालों के जवाब मांगे गए। जैविक डेटा के लिए ट्यून किया गया और फिर बड़ी संख्या में तैनात किया गया मॉडल अलग बात है, चैटबॉट से ज़्यादा शोध उपकरण के करीब।
गति को संभव बनाने वाली चीज़ आर्किटेक्चर है। एक मॉडल के कतार में काम करने के बजाय, कई एजेंट समानांतर में काम करते हैं, हर एक डेटा का एक हिस्सा लेता है, और उनके आउटपुट बाद में जोड़े जाते हैं। यही पैटर्न अब सॉफ़्टवेयर इंजीनियरिंग और ग्राहक सेवा में फैल रहा है, जहां एजेंटों के बेड़े ऐसे काम संभालते हैं जो अन्यथा क्रमिक रूप से होते। विशाल और अव्यवस्थित डेटासेट वाला जीव विज्ञान स्पष्ट अगला लक्ष्य है।
संदेहवादी हमेशा वाले सवाल उठाएंगे, और वे जायज़ हैं। इस पैमाने पर स्वचालन जल्दी से आत्मविश्वासी गलतियां पैदा कर सकता है, और किसी एजेंट के निष्कर्ष को सत्यापित करने में लगभग उतना ही खर्च हो सकता है जितना हाथ से उस तक पहुंचने में। यहां ईमानदार दावा थ्रूपुट का है, उस वैज्ञानिक के निर्णय को बदलने का नहीं जो जानता है कि कौन-सी विसंगतियों का पीछा करना उचित है। 32 मिनट विश्लेषण बनाने का समय है, उस पर भरोसा करने का नहीं।
फिर भी दिशा स्पष्ट है। शोध समूहों ने पिछले दो साल व्यक्तिगत कार्यों में सहायक के रूप में AI के साथ प्रयोग किए हैं: सार लिखना, परिकल्पना सुझाना, कोड की एक पंक्ति लिखना। पूरी विश्लेषणात्मक प्रक्रिया को एक समन्वित झुंड को सौंपना उससे आगे का कदम है, और यह वैज्ञानिक प्रक्रिया के उन हिस्सों पर दबाव डालता है जो कभी मशीन की गति के लिए बने ही नहीं थे, जैसे सहकर्मी-समीक्षा और प्रतिकृति।
वैश्विक पाठकों के लिए महत्व चूहे के मस्तिष्क से कम, एक खाके से ज़्यादा है। अगर हज़ारों एजेंट आधे घंटे में लाखों कोशिकाओं वाला डेटासेट चबा सकते हैं, तो यही तरीका नैदानिक रिकॉर्ड, सामग्री स्क्रीनिंग और जलवायु डेटा पर आज़माया जाएगा, जहां भी अड़चन कच्ची कंप्यूटिंग शक्ति के बजाय मानव ध्यान हो। परिणाम की स्वतंत्र प्रतिकृति और यह देखने पर नज़र रखें कि क्या शोधकर्ता प्रकाशित करते हैं कि एजेंटों के निष्कर्षों की जांच कैसे की गई।