কম্পিউটিং ও এআইপ্রিপ্রিন্টডেটা বিশ্লেষণপড়তে ৩ মিনিট

বিজ্ঞান কি নিজেকে পুনরাবৃত্তি করতে শুরু করেছে?

বৈজ্ঞানিক সাহিত্য ক্রমাগত বাড়ছে — গবেষণাপত্রে উদ্ধৃত পরিসংখ্যান অনুযায়ী বছরে প্রায় ৪%, অর্থাৎ মোটামুটি প্রতি ১৭ বছরে দ্বিগুণ। বড় সাহিত্য মানে হতে পারে ধারণার আরও বিস্তৃত সীমান্ত। আবার তার মানে হতে পারে আগেই লেখা কথার পুনরাবৃত্তি করা আরও বেশি গবেষণাপত্র। MIT-র গণিতবিদ ইলান দোরন-আরাদ ও এলখানান মোসেল এই প্রশ্নের একটি দিক মাপতে নেমেছেন।

মৌলিকতার অনেক মাত্রা আছে, আর কোনো সর্বসম্মত মাপকাঠি নেই। কিন্তু এর একটি এখন বড় পরিসরে মাপা যায়: লেখার স্বাতন্ত্র্য (textual distinctiveness), অর্থাৎ একটি গবেষণাপত্রের কতটা সাম্প্রতিক কাজের মতো পড়া যায়। আধুনিক ভাষা-মডেল একটি অনুচ্ছেদকে এমন এক সংখ্যা-তালিকায় রূপান্তর করতে পারে, যা তার অর্থ ধরে রাখে, ফলে একই কথা ভিন্ন শব্দে বলা দুটি অনুচ্ছেদ কাছাকাছি এসে পড়ে।

এই পদ্ধতি কী ধরে আর কী ধরে না, সে বিষয়ে লেখকেরা সতর্ক। সত্যিকারের নতুন কোনো আবিষ্কার পরিচিত বাক্যেও লেখা যায়; আর অস্বাভাবিক কোনো শব্দবন্ধ মানেই নতুন ধারণা নয়।

তুলনাকে স্থির রাখা

সরল কোনো তুলনা বিভ্রান্তিকর হতো: সাহিত্য যত বাড়ে, যেকোনো অনুচ্ছেদের কোনো না কোনো কিছুর সঙ্গে মিলে যাওয়ার সুযোগ তত বাড়ে। তাই লেখকেরা তুলনার ভান্ডার স্থির রেখেছেন। আটটি ক্ষেত্রের প্রতিটির জন্য — জ্যোতিঃপদার্থবিজ্ঞান, জৈবতথ্যবিজ্ঞান, রসায়ন, জলবায়ু পরিবর্তন, মেশিন লার্নিং, চিকিৎসাবিজ্ঞান, মনোবিজ্ঞান ও কোয়ান্টাম কম্পিউটিং — এবং ২০১৫ থেকে ২০২৫ পর্যন্ত প্রতিটি বছরের জন্য, তাঁরা উন্মুক্ত-প্রবেশের ডেটাবেস CORE থেকে ৩০০টি গবেষণাপত্র নিয়ে আগের পাঁচ বছরের ৩,০০০টি গবেষণাপত্রের সঙ্গে তুলনা করেছেন। সব মিলিয়ে প্রায় ২৬,০০০ পূর্ণ লেখা।

প্রতিটি গবেষণাপত্রকে ১৬০ শব্দের পরস্পর-আচ্ছাদিত অনুচ্ছেদে কাটা হয়েছে। মিল ধরার শর্ত ছিল: অর্থের উচ্চ সাদৃশ্য, অন্তত ছয়টি অভিন্ন নির্দিষ্ট পরিভাষা, পাঁচ শব্দের কোনো হুবহু একই ধারা নয় — যাতে সরাসরি নকল বাদ যায় — কোনো অভিন্ন লেখক নয়, এবং একই গবেষণাপত্রের দুটি সংস্করণ নয়। এই উদ্দেশ্যে তৈরি একটি পরীক্ষা-সংকলনে শনাক্তকারীটি প্রায় কোনো ভুল মিল দেখায়নি (৯৯.৬% নির্ভুলতা), যদিও কিছু সত্যিকারের মিল ফসকে গেছে।

স্থিতি, তারপর তীক্ষ্ণ উত্থান

২০২০ পর্যন্ত একটি গবেষণাপত্রের লেখার যে অংশ সাম্প্রতিক কাজের সঙ্গে মিলত, তা প্রায় ০.৪৩%-এর আশপাশে ছিল। ২০২১ থেকে তা উঠতে থাকে, ২০২৫-এ পৌঁছায় ১.৩৪%-এ — আগের স্তরের ৩.১ গুণ। একটি পরিসংখ্যানগত পরীক্ষা উত্থানের সূচনা ২০২১-এ চিহ্নিত করে।

দুটি রেখা-চার্ট: মিলে যাওয়া লেখার অংশ এবং মিলসহ গবেষণাপত্রের অংশ, দুটিই ২০২০ পর্যন্ত সমতল, তারপর ২০২৫ পর্যন্ত খাড়াভাবে ঊর্ধ্বমুখী।

বাঁয়ে: প্রতিটি গবেষণাপত্রের লেখার যে গড় অংশ সাম্প্রতিক কাজের মতো। ডানে: অন্তত একটি এমন অনুচ্ছেদসহ গবেষণাপত্রের অংশ। — চিত্র 1a–b, দোরন-আরাদ ও মোসেল (২০২৬), arXiv:2609.32963।

উত্থানটি গুটিকয় বড় ধারকারীর কাছ থেকে আসেনি। অন্তত একটি প্রতিধ্বনিময় অনুচ্ছেদসহ গবেষণাপত্রের অংশ ২০২৫-এ পৌঁছেছে ২৫%-এ। আটটি ক্ষেত্রেই বৃদ্ধি হয়েছে, ভিন্ন ভিন্ন হারে।

উল্লেখহীন প্রতিধ্বনি

লেখকেরা কি শুধু যে কাজের প্রতিধ্বনি তোলেন তার উল্লেখ দিয়েছেন? কদাচিৎ। মিলে যাওয়া গবেষণাপত্র-জোড়ার মাত্র ৬.৪%-এর মধ্যে উল্লেখের সংযোগ পাওয়া গেছে, আর ১৭৬টি জোড়ার হাতে-করা যাচাইয়ে তা ৭%। ২০১৫ থেকে ২০২৫-এর মধ্যে মিলে যাওয়া জোড়া ৪৪৯ থেকে বেড়ে ১,৮৩১ হয়েছে — কিন্তু উল্লেখসহ জোড়া দুই বছরেই ৫৯টিতে থেকে গেছে।

প্রতি বছর মিলে যাওয়া গবেষণাপত্র-জোড়ার বার চার্ট, বেশির ভাগই শনাক্ত উল্লেখ ছাড়া, ২০২১-এর পর তীক্ষ্ণভাবে বাড়ছে।

উল্লেখের অবস্থা অনুযায়ী প্রতি বছর মিলে যাওয়া গবেষণাপত্র-জোড়ার সংখ্যা: প্রায় সব বৃদ্ধিই সেই জোড়াগুলোতে, যেখানে কোনো উল্লেখ শনাক্ত হয়নি। — চিত্র 3a, দোরন-আরাদ ও মোসেল (২০২৬), arXiv:2609.32963।

দলটি এ-ও খতিয়ে দেখেছে, শুধু শব্দচয়ন নয়, ধারণাও পুনরাবৃত্ত হচ্ছে কি না। Anthropic-এর এআই মডেলগুলো প্রতিটি অনুচ্ছেদকে কয়েক শব্দে সংক্ষেপ করেছে, তারপর মূল লেখা না দেখে বিচার করেছে, দুটি সারাংশ মূলত একই বৈজ্ঞানিক দাবি প্রকাশ করে কি না। কঠোর সংজ্ঞায় এমন জোড়া ২০১৫–২০২০-এ বছরে গড়ে প্রায় ২৬টি থেকে বেড়ে ২০২৫-এ হয়েছে ১৩৯টি।

নকশাটি অনেক যাচাইয়ে টিকে গেছে — ভিন্ন সীমা, ভিন্ন অনুচ্ছেদ-দৈর্ঘ্য, পদ্ধতি-অংশ ও সবচেয়ে বেশি নকল হওয়া উৎস বাদ দেওয়া — এবং দ্বিতীয় এক স্বাধীন ডেটাবেস Europe PMC-তেও পুনরাবৃত্ত হয়েছে, যেখানে প্রতিধ্বনিময় লেখার অংশ দ্বিগুণ হয়েছে।

সন্দেহভাজন, রায় নয়

সবচেয়ে বড় বৃদ্ধি বিজ্ঞান-লেখায় এআই সরঞ্জামের দ্রুত গ্রহণের সঙ্গে মিলে যায়, এবং লেখকেরা এগুলোকে একটি সম্ভাব্য কারণ হিসেবে দেখেন, কারণ এগুলো সবচেয়ে প্রচলিত শব্দচয়ন ছড়িয়ে দেওয়ার দিকে ঝোঁকে। কিন্তু গবেষণাটি কারণ প্রতিষ্ঠা করে না। শাখাগত অভিন্ন ভাষা আর গুটিকয় একই গবেষণাপত্রে মনোযোগ সংকুচিত হয়ে আসাও ভূমিকা রাখতে পারে; এই দৃষ্টিতে এআই হবে আগে থেকেই চলমান এক অভিসারের সর্বশেষ ত্বরক। লেখকেরা এ-ও জোর দিয়ে বলেন যে অর্থগত সাদৃশ্য মানেই অসদাচরণ নয়।

তাঁরা এমন সরঞ্জামের প্রস্তাব দেন, যা লেখক, পর্যালোচক, সম্পাদক ও অর্থদাতাদের কাছে মৌলিকতাকে দৃশ্যমান করবে — একটি সতর্কতাসহ: স্বাতন্ত্র্যের স্কোরকে কখনো লক্ষ্য বানানো যাবে না, কারণ তা আসল অন্তর্দৃষ্টির বদলে অস্বাভাবিক শব্দচয়নকে পুরস্কৃত করবে, আর সহজেই তাতে কারসাজি করা যাবে।