पीयर रिव्यू वैज्ञानिक अनुसंधान का एक महत्वपूर्ण हिस्सा है। यह निष्कर्षों की सत्यता और सटीकता सुनिश्चित करने में महत्वपूर्ण भूमिका निभाता है, इससे पहले कि उन्हें प्रकाशित किया जाए। हालांकि, पीयर रिव्यू प्रक्रिया इंसानों द्वारा की जाती है, और इंसान अनिवार्य रूप से गलतियाँ करते हैं। लेकिन उभरती हुई तकनीकें इसे ठीक करने की कुंजी हो सकती हैं।
BeInCrypto ने YesNoError के सह-संस्थापक Matt Schlicht और Mira Network के CEO Magnus Bratt से बात की, यह समझने के लिए कि कैसे आर्टिफिशियल इंटेलिजेंस (AI) और डिसेंट्रलाइज्ड साइंस (DeSci) मिलकर पीयर-रिव्यूड वैज्ञानिक प्रक्रियाओं को बदल रहे हैं।
गलत निगरानी की कीमत
यहां तक कि सबसे बुद्धिमान इंसान भी गलतियाँ करते हैं। जब बात विज्ञान की आती है, तो ये गलतियाँ बहुत बड़े परिणाम ला सकती हैं। इतिहास – हालिया और पुराना दोनों – ने बार-बार यह साबित किया है।
1998 में, NASA ने मंगल ग्रह के वातावरण का अध्ययन करने के लिए Mars Climate Orbiter लॉन्च किया। इस परियोजना में $125 मिलियन का निवेश और वहां पहुंचने के लिए लगभग 10 महीने की यात्रा शामिल थी।
इसके आगमन पर, ऑर्बिटर जल गया और टूट गया, और NASA ने जल्द ही मिशन को असफल घोषित कर दिया। सबसे ज्यादा चुभने वाली बात यह थी कि मिशन की विफलता को एक साधारण नेविगेशन त्रुटि से जोड़ा गया था।
नेविगेशन टीम, Jet Propulsion Laboratory (JPL) द्वारा नेतृत्व की गई, ने अपनी गणनाओं में मेट्रिक यूनिट्स का उपयोग किया। इस बीच, Lockheed Martin Astronautics, जो अंतरिक्ष यान का डिज़ाइनर और निर्माता था, ने महत्वपूर्ण त्वरण डेटा अंग्रेजी यूनिट्स में प्रदान किया।
Lockheed Martin की अंग्रेजी यूनिट्स को मेट्रिक में बदलने में विफलता ने उस महत्वपूर्ण त्रुटि को समझाया जिसने अंतरिक्ष यान को मंगल के बहुत करीब पहुंचने और आगमन पर जलने का कारण बना दिया।
“पारंपरिक पीयर रिव्यू स्वाभाविक रूप से मानव त्रुटि और व्यक्तिपरकता से सीमित है। समीक्षक महत्वपूर्ण पद्धतिगत खामियों या सांख्यिकीय गलतियों को नजरअंदाज कर सकते हैं, व्यक्तिगत पूर्वाग्रहों, विरोधाभासी हितों, या बस मैनुअल जांच की सीमाओं के कारण,” Bratt ने BeInCrypto को बताया।
बाद की जांचों में पाया गया कि नेविगेशन गणनाओं की कठोर, स्वतंत्र पीयर रिव्यू की कमी ने यूनिट रूपांतरण त्रुटियों को अनदेखा करने में योगदान दिया। हालांकि, हाल ही में भी ऐसे मामले सामने आए हैं जहां पीयर रिव्यू तंत्र ने ऐसी सरल त्रुटियों को संबोधित करने में विफलता दिखाई है।
विज्ञान में हाल ही में मानव त्रुटि का एक मामला
सबसे हालिया घटनाओं में से एक जो पीयर-रिव्यूड वैज्ञानिक अनुसंधान में मानव त्रुटि की सीमा को दर्शाती है, पिछले साल हुई थी। अक्टूबर में, पर्यावरण रसायन विज्ञान जर्नल Chemosphere में प्रकाशित एक अध्ययन ने खुलासा किया कि कुछ काले प्लास्टिक घरेलू उत्पादों, जैसे कि रसोई के बर्तनों में इलेक्ट्रॉनिक फ्लेम रिटार्डेंट्स मौजूद हैं।
अध्ययन ने कई मीडिया रिपोर्टों को प्रेरित किया, जिसमें The Atlantic और National Geographic जैसे आउटलेट्स में लेख शामिल थे, उपभोक्ताओं को अपने काले प्लास्टिक रसोई के बर्तनों को त्यागने का आग्रह किया। इसने सोशल मीडिया पर सार्वजनिक चिंता की एक उथल-पुथल भी पैदा कर दी।
हालांकि, दिसंबर में, 30 सेंट्स और 30 सेकंड्स में, एक OpenAI क्वेरी ने अध्ययन के निष्कर्षों की समीक्षा करते हुए पाया कि लेखकों ने एक शून्य छोड़ दिया था।
“We miscalculated the reference dose for a 60 kg adult, initially estimating it at 42,000 ng/day instead of the correct value of 420,000 ng/day,” the correction stated.
मूल शोध में एक महत्वपूर्ण 10 के फैक्टर की गलती थी, जहां एक दिए गए एक्सपोजर को एक निश्चित टॉक्सिन के लिए कानूनी सीमा का 80% बताया गया था, जबकि यह केवल 8% था। दूसरे शब्दों में, इस गलती ने इन टॉक्सिन्स के एक्सपोजर को काफी हद तक बढ़ा-चढ़ाकर पेश किया।
“मैं कहूंगा कि नंबर एक सीमा जो बहुत स्पष्ट है कि पीयर रिव्यूज़ में है, वह यह है कि इंसान गलतियाँ करते हैं। ये सुपर स्मार्ट लोग हैं। यह हर जगह प्रकाशित हुआ था। यह दो महीने तक चला, और लाखों और लाखों लोगों ने इस आर्टिकल को देखा, और किसी ने इसे पकड़ा नहीं। यह पता चला कि अगर आप उस पेपर को लेते हैं और इसे OpenAI के नवीनतम मॉडल को भेजते हैं, तो आप बस कहते हैं, ‘अरे, क्या इस पेपर में कोई गलती है?’ लगभग 30 सेंट में और 30 सेकंड में, यह तुरंत हाँ कहता है,” Schlicht ने कहा।
इन घटनाओं के जवाब में, AI और DeSci के समर्थकों ने विज्ञान के पारंपरिक दृष्टिकोणों में इन खामियों को नोट किया है।
AI और DeSci के साथ पीयर रिव्यू की पुनर्कल्पना
पीयर रिव्यू की अवधारणा सदियों से चली आ रही है। इसके आरंभ से, इसमें कई बदलाव हुए हैं।
“पीयर रिव्यू हमेशा से वह औपचारिक, गुमनाम प्रक्रिया नहीं थी जिसे हम आज जानते हैं। वैज्ञानिक जर्नल्स के शुरुआती दिनों (मध्य-1600s) में, संपादक—जैसे कि Henry Oldenburg रॉयल सोसाइटी में—बिना बाहरी विशेषज्ञों से परामर्श किए क्या प्रकाशित करना है, यह तय करते थे। 18वीं और 19वीं शताब्दी के दौरान, जैसे-जैसे वैज्ञानिक समुदायों का विस्तार हुआ, अनौपचारिक चर्चाएं और आंतरिक मूल्यांकन धीरे-धीरे एक अधिक व्यवस्थित अभ्यास में विकसित हुए। 20वीं शताब्दी के मध्य तक, जब शोध उत्पादन में विस्फोट हुआ, जर्नल्स ने गुणवत्ता और निष्पक्षता बनाए रखने में मदद के लिए संरचित, बाहरी पीयर रिव्यू (अक्सर गुमनाम समीक्षकों के साथ) को अपनाया। आज, हम कई मॉडल्स देखते हैं—सिंगल- और डबल-ब्लाइंड रिव्यू से लेकर ओपन और पोस्ट-पब्लिकेशन रिव्यू तक—जो तेजी से बढ़ते विद्वतापूर्ण परिदृश्य में पारदर्शिता, दक्षता और कठोरता को संतुलित करने के लिए चल रहे प्रयासों को दर्शाते हैं,” Bratt ने समझाया।
DeSci ने Web3 टेक्नोलॉजी सॉल्यूशंस खोजने के लिए उड़ान भरी है ताकि वैज्ञानिक अनुसंधान के पारंपरिक दृष्टिकोण के हिस्से के रूप में उत्पन्न होने वाली महत्वपूर्ण चुनौतियों का समाधान किया जा सके। नतीजतन, AI एजेंट्स पीयर रिव्यू मैकेनिज्म पर मानव त्रुटि के संभावित विनाशकारी परिणामों के लिए एक स्पष्ट समाधान बन गए हैं।
“आर्टिफिशियल इंटेलिजेंस स्वचालित रूप से त्रुटियों, असंगतियों और साहित्यिक चोरी को चिन्हित कर सकता है, साथ ही पांडुलिपियों को सबसे उपयुक्त समीक्षकों के साथ मिलाकर पूर्वाग्रह को कम करने और समीक्षक के कार्यभार को कम करने में मदद करता है। डिसेंट्रलाइज्ड साइंस प्लेटफॉर्म, ब्लॉकचेन या समान तकनीकों का उपयोग करके, समीक्षा इतिहास को पारदर्शी रूप से रिकॉर्ड कर सकते हैं और भीड़-स्रोतित मूल्यांकन को सक्षम कर सकते हैं, जिससे जवाबदेही और विश्वास बढ़ता है। साथ में, ये उपकरण सहकर्मी समीक्षा को सुव्यवस्थित और सुधारते हैं, जिससे तेज़ और अधिक विश्वसनीय गुणवत्ता नियंत्रण सुनिश्चित होता है,” उन्होंने जोड़ा।
ये उभरती हुई तकनीकें वैज्ञानिक समीक्षा में योगदान को अधिक सुलभ बना रही हैं।
“डिसेंट्रलाइज्ड साइंस और आर्टिफिशियल इंटेलिजेंस सहकर्मी समीक्षाओं में अत्यधिक मदद कर सकते हैं, सहकर्मी समीक्षा की लागत को कम करके, जिससे AI इसे बहुत कम लागत पर और बहुत तेज़ गति से कर सकता है। DeSci हर किसी को तुरंत अनंत सहकर्मी समीक्षाएं प्राप्त करने की क्षमता दे सकता है,” श्लिच्ट ने कहा।
क्षमता, गति, डिसेंट्रलाइजेशन, और लागत में कमी जटिल वैज्ञानिक समस्याओं को हल करने के लिए नए रास्ते खोल सकते हैं, जो अब तक समाधान का विरोध कर रही थीं।
AI के साथ वैज्ञानिक प्रगति में तेजी
AI जैसी उभरती हुई तकनीकें जटिल वैज्ञानिक चुनौतियों, जैसे कैंसर अनुसंधान, मानव दीर्घायु, और अल्जाइमर रोग के लिए आशाजनक नए दृष्टिकोण प्रदान करती हैं।
सदियों के मानव अनुसंधान के कारण, आज दुनिया भर में जर्नल्स द्वारा लाखों वैज्ञानिक लेख प्रकाशित होते हैं, जो विशाल मात्रा में डेटा में परिवर्तित होते हैं। AI एजेंट्स मौजूदा डेटा सेट्स को स्टोर, फ़िल्टर और विश्लेषण कर सकते हैं, जो आज मानव रूप से असंभव है।
“आर्टिफिशियल इंटेलिजेंस कैंसर रिसर्च को बदल रहा है और प्रभावी उपचारों की खोज को तेज करने के लिए जबरदस्त संभावनाएं रखता है। AI टूल्स पहले से ही विशाल डेटा सेट्स को तेजी से छानकर जेनेटिक मार्कर्स और नए ड्रग टारगेट्स को खोजने, यह मॉडलिंग करने कि कैंसर कैसे विकसित होते हैं, और यहां तक कि इनोवेटिव ट्रीटमेंट कॉम्बिनेशन्स सुझाने में अमूल्य साबित हो रहे हैं। ये ब्रेकथ्रू न केवल शुरुआती खोज चरणों को तेज कर रहे हैं बल्कि क्लिनिकल ट्रायल डिज़ाइन्स को ऑप्टिमाइज़ कर रहे हैं और मरीजों की प्रतिक्रियाओं की भविष्यवाणी को बढ़ती सटीकता के साथ कर रहे हैं। जबकि कैंसर एक जटिल बीमारियों का सेट बना हुआ है, AI का बढ़ता प्रभाव इलाज के लक्ष्य को अधिक से अधिक प्राप्त करने योग्य बना रहा है और पूरे रिसर्च समुदाय को ऊर्जा दे रहा है,” Bratt ने BeInCrypto को बताया।
Schlicht के YesNoError (YNE) ने एक डिसेंट्रलाइज्ड पहल के लिए एक व्हाइटपेपर तैयार किया है जो एडवांस्ड बड़े भाषा मॉडल्स (LLMs) का उपयोग करके सभी मौजूदा वैज्ञानिक साहित्य का व्यवस्थित रूप से ऑडिट करता है। YNE टोकन एक आर्थिक मॉडल पर आधारित है जिसमें टोकन धारक वोट कर सकते हैं कि किन प्रोजेक्ट्स को प्राथमिकता मिलनी चाहिए।
AI एजेंट्स साधारण गणना की गलतियों से लेकर डेटा फाल्सिफिकेशन तक की त्रुटियों को स्कैन करने के लिए जिम्मेदार हैं। प्रोजेक्ट का व्यापक उद्देश्य एक ऐसा टूल विकसित करना है जो वैज्ञानिक दावों को सत्यापित करने के लिए शोधकर्ताओं, संस्थानों और जनता के लिए सुलभ हो।
“कितने शोध पत्र दीर्घायु पर लिखे गए हैं? मान लीजिए कि यह एक मिलियन है। मान लीजिए कि आप एक लैब हैं जो दीर्घायु पर केंद्रित है। आपके टीम का आकार जो मानव दृष्टिकोण से आवश्यक होगा न केवल एक मिलियन पत्र पढ़ने के लिए, बल्कि उन्हें सही ढंग से विश्लेषण करने और उस डेटा को संश्लेषित करने के लिए, मानव स्तर पर संभव नहीं है। लेकिन जब आप एक AI एजेंटेड सिस्टम डिज़ाइन करना शुरू करते हैं जो मूल रूप से एक मिलियन पत्र तुरंत पढ़ सकता है, तो आप इन AIs को निष्कर्षों पर पहुंचने के लिए, संश्लेषित जानकारी के साथ वापस आने के लिए, और फिर उसे मानव टीम के पास लाने के लिए संगठित कर सकते हैं। तो यह एक बहुत स्पष्ट तरीका है जहां AI दीर्घायु या किसी अन्य वैज्ञानिक लक्ष्य में सफलता प्राप्त करने में सहायता कर सकता है,” Schlicht ने कहा।
अन्य प्रमुख खिलाड़ी इस बढ़ती लोकप्रिय प्रवृत्ति को पकड़ने लगे हैं। Advanced Micro Devices (AMD) और Johns Hopkins University के शोधकर्ताओं ने हाल ही में Agent Laboratory विकसित किया है। यह AI फ्रेमवर्क वैज्ञानिक अनुसंधान के प्रमुख हिस्सों को स्वचालित करने के लिए डिज़ाइन किया गया है।
यह सिस्टम साहित्य समीक्षा करने, प्रयोग डिज़ाइन करने और रिपोर्ट जनरेट करने के लिए बड़े भाषा मॉडल का उपयोग करता है, जिसमें कोड और दस्तावेज़ीकरण शामिल हैं। हालांकि, यह डिसेंट्रलाइज्ड नहीं है या टोकन मॉडल पर आधारित नहीं है। प्रारंभिक परिणाम सुझाव देते हैं कि यह फ्रेमवर्क अन्य स्वचालित तरीकों की तुलना में शोध लागत को 84% तक कम कर सकता है बिना शोध की गुणवत्ता से समझौता किए।
फिर भी, यदि क्रिप्टो सेक्टर में अन्य प्रोजेक्ट्स इसी तरह के प्रोजेक्ट्स विकसित करने का इरादा रखते हैं, तो DeSci में AI अंततः एक आशाजनक भविष्य रख सकता है।
DeSci का उज्ज्वल भविष्य
CoinGecko के अनुसार, लेखन के समय DeSci का मार्केट कैप $1.05 बिलियन है। पिछले वर्ष में, इस सेक्टर ने स्थिर वृद्धि और निरंतर नवाचार का प्रदर्शन किया है। कई नए प्रोजेक्ट्स तेजी से प्रमुख खिलाड़ी बन गए हैं।
Schlicht और Bratt का अनुमान है कि डिसेंट्रलाइज्ड साइंस के लिए मार्केट साइज तेजी से बढ़ेगा।
“मुझे लगता है कि 10 साल बाद, DeSci का मार्केट कैप अभी के मुकाबले 10,000 गुना से भी ज्यादा हो सकता है। आर्टिफिशियल इंटेलिजेंस, डिसेंट्रलाइजेशन और टोकन्स के संयोजन के कारण, विज्ञान में उपलब्धियां तेजी से बढ़ने वाली हैं,” Schlicht ने कहा।
इस पर Bratt ने जोड़ा:
“अगर सफल हुआ, तो यह आसानी से ग्लोबल वैज्ञानिक अनुसंधान बाजार का 5-10% बन सकता है जो पहले से ही ट्रिलियन्स में है।”
हालांकि, वे यह भी उम्मीद करते हैं कि DeSci को पारंपरिक चिकित्सा और वैज्ञानिक लॉबी से विरोध का सामना करना पड़ेगा।
मौजूदा स्थिति का सामना
जहां वैज्ञानिक अनुसंधान को विभिन्न सरकारी एजेंसियों, संस्थानों और फाउंडेशनों से अनुदान के माध्यम से वित्त पोषित किया जा सकता है, यह ज्यादातर निजी कंपनियों द्वारा वित्त पोषित होता है।
2023 UCLA की रिपोर्ट के अनुसार, 2021 में अमेरिका में कैंसर अनुसंधान पर खर्च किए गए लगभग $57 बिलियन में से लगभग 80% निजी क्षेत्र से आया, मुख्य रूप से बड़ी फार्मास्युटिकल कंपनियों से। इसने अनुसंधान परिणामों के सीमित साझाकरण की भी रिपोर्ट की।
“ऐसे निहित स्वार्थ हैं जो मौजूदा खिलाड़ियों की रक्षा के लिए ऐसे बाजार गतिविधियों पर प्रतिबंध लगाने के लिए लॉबी कर सकते हैं,” Bratt ने कहा।
Schlicht के लिए, DeSci निजी स्वार्थों को चुनौती देने का एक अवसर प्रस्तुत करता है।
“पहले, कॉरपोरेशन्स यह नियंत्रित कर सकते थे कि कौन सा रिसर्च फंड किया जाए। DeSci इसे बाधित करता है और किसी को भी फंड प्राप्त करने की अनुमति देता है यदि लोग मानते हैं कि उनका विचार अच्छा है,” उन्होंने कहा।
चूंकि ब्लॉकचेन टेक्नोलॉजी गुमनामी की अनुमति देती है और प्राइवेसी को प्राथमिकता देती है, उनका तर्क है कि इनोवेटर्स को ट्रैक करना कठिन होगा।
“मुझे नहीं लगता कि लॉबिस्ट्स DeSci को रोक पाएंगे। अगला आइंस्टीन गुमनाम हो सकता है। यह कोई पेंगुइन अवतार वाला, या मेंढक प्रोफाइल पिक्चर वाला हो सकता है। यह कोई ऐसा हो सकता है जिसके प्रोफाइल में NFT हो, और उनके नाम में संख्याओं का एक गुच्छा हो। लॉबिस्ट्स उन्हें ढूंढ भी नहीं सकते, क्योंकि वे नहीं जानते कि वे कौन हैं, और वे डिसेंट्रलाइज्ड तरीके से फंडेड हैं। उनके पास अन्य छद्मनाम वाले लोग भी हैं जो उनके साथ काम कर रहे हैं, दोनों इंसान और AIs,” श्लिच्ट ने कहा।
लेकिन पारंपरिक मेडिकल लॉबिस्ट्स और डिसेंट्रलाइज्ड साइंस में इनोवेटर्स के बीच संभावित प्रतिद्वंद्विता पर विचार करने से पहले, DeSci अभी भी परिपक्वता की ओर बढ़ रहा है।
अंततः, AI और डिसेंट्रलाइज्ड साइंस का संगम वैज्ञानिक रिसर्च के लिए एक शक्तिशाली नया पैटर्न प्रस्तुत करता है। यह अवसर पीयर रिव्यू की विश्वसनीयता और दक्षता को बढ़ाने, फंडिंग तक पहुंच को लोकतांत्रिक बनाने और विविध वैज्ञानिक सीमाओं में तेजी से प्रगति करने की क्षमता रखता है।
AI और डिसेंट्रलाइज्ड साइंस की प्रगति की निगरानी करना इन तकनीकों को वैज्ञानिक रिसर्च में जिम्मेदारी से एकीकृत करने के लिए आवश्यक होगा।
अस्वीकरण
हमारी वेबसाइट पर सभी जानकारी अच्छे इरादे से और केवल सामान्य सूचना के उद्देश्य से प्रकाशित की जाती है, ताकि पाठक जागरूक रह सकें। हमारी वेबसाइट पर दी गई जानकारी के आधार पर पाठक द्वारा की गई प्रत्येक कार्रवाई पूरी तरह से उनके अपने जोखिम पर होती है।
