संगणन आणि एआयप्रीप्रिंटडेटा विश्लेषणवाचनासाठी ३ मिनिटे

विज्ञान स्वतःचीच पुनरावृत्ती करू लागले आहे का?

वैज्ञानिक साहित्य वाढतच आहे — शोधनिबंधात उद्धृत केलेल्या आकड्यांनुसार, दर वर्षी सुमारे 4% ने, म्हणजे साधारण दर 17 वर्षांनी दुप्पट. मोठे साहित्य म्हणजे कल्पनांची अधिक विस्तृत सीमा असू शकते. त्याचा अर्थ आधीच लिहिलेल्याची पुनरावृत्ती करणारे अधिक शोधनिबंध असाही असू शकतो. MIT मधील गणितज्ञ इलान डोरॉन-अराद आणि एल्खानान मोसेल यांनी या प्रश्नाची एक बाजू मोजण्याचे ठरवले.

मौलिकतेला अनेक मिती आहेत आणि तिचे सर्वमान्य मोजमाप नाही. पण त्यांपैकी एक आता मोठ्या प्रमाणावर मोजता येते: मजकुराचे वेगळेपण, म्हणजे शोधनिबंधाचा किती भाग अलीकडील कामासारखा वाचला जातो. आधुनिक भाषा प्रारूपे एखाद्या उताऱ्याचे अशा आकड्यांच्या यादीत रूपांतर करू शकतात जी त्याचा अर्थ पकडते, त्यामुळे तीच गोष्ट वेगळ्या शब्दांत सांगणारे दोन उतारे एकमेकांच्या जवळ येतात.

हे काय पकडते आणि काय पकडत नाही, याबाबत लेखक काळजीपूर्वक आहेत. खरोखर नवा शोध ओळखीच्या वाक्यांतही लिहिता येतो; एखादा असामान्य वाक्प्रचार म्हणजे नवी कल्पना नव्हे.

तुलना स्थिर ठेवताना

भोळसट तुलना दिशाभूल करणारी ठरेल: साहित्य जसजसे वाढते, तसतशी कोणत्याही उताऱ्याला कशाशी तरी साम्य असण्याची शक्यता वाढते. म्हणून लेखकांनी तुलनेचा संग्रह स्थिर ठेवला. आठ क्षेत्रांपैकी प्रत्येकासाठी — खगोलभौतिकी, जैवमाहितीशास्त्र, रसायनशास्त्र, हवामान बदल, यंत्र शिक्षण, वैद्यकशास्त्र, मानसशास्त्र आणि पुंज संगणन — आणि 2015 ते 2025 मधील प्रत्येक वर्षासाठी, त्यांनी CORE या मुक्त-प्रवेश माहितीसंग्रहातून 300 शोधनिबंध घेतले आणि त्यांची तुलना आधीच्या पाच वर्षांतील 3,000 शोधनिबंधांशी केली. एकूण सुमारे 26,000 संपूर्ण मजकूर.

प्रत्येक शोधनिबंध 160 शब्दांच्या, एकमेकांवर अंशतः येणाऱ्या उताऱ्यांमध्ये कापला गेला. जुळणी मानण्यासाठी अटी होत्या: अर्थाचे उच्च साम्य, किमान सहा समान विशिष्ट संज्ञा, सलग पाच शब्दांचा एकही एकसारखा क्रम नसणे — त्यामुळे साधी नक्कल वगळली जाते — एकही समान लेखक नसणे, आणि एकाच शोधनिबंधाच्या दोन आवृत्त्या नसणे. यासाठी खास तयार केलेल्या चाचणी-संचावर, शोधकाने जवळजवळ एकही खोटी जुळणी केली नाही (99.6% अचूकता), मात्र काही खऱ्या जुळण्या त्याच्याकडून सुटल्या.

स्थिर, मग तीव्र वाढ

2020 पर्यंत, अलीकडील कामाशी जुळणाऱ्या शोधनिबंधाच्या मजकुराचा वाटा सुमारे 0.43% च्या आसपास होता. 2021 पासून तो वाढला, आणि 2025 मध्ये 1.34% वर पोहोचला — आधीच्या पातळीच्या 3.1 पट. एक सांख्यिकीय चाचणी या वाढीची सुरुवात 2021 मध्ये ठेवते.

दोन रेषालेख: जुळलेल्या मजकुराचा वाटा आणि जुळणी असलेल्या शोधनिबंधांचा वाटा, दोन्ही 2020 पर्यंत सपाट आणि मग 2025 पर्यंत तीव्रपणे वाढणारे.

डावीकडे: प्रत्येक शोधनिबंधाच्या मजकुरातील अलीकडील कामासारख्या भागाचा सरासरी वाटा. उजवीकडे: असा किमान एक उतारा असलेल्या शोधनिबंधांचा वाटा. — आकृती 1a–b, Doron-Arad & Mossel (2026), arXiv:2609.32963.

ही वाढ काही मोजक्या मोठ्या उसनवारी करणाऱ्यांमुळे झाली नाही. प्रतिध्वनी करणारा किमान एक उतारा असलेल्या शोधनिबंधांचा वाटा 2025 मध्ये 25% वर पोहोचला. आठही क्षेत्रांत वाढ झाली, वेगवेगळ्या दरांनी.

संदर्भाविना प्रतिध्वनी

लेखकांनी ज्या कामाचा प्रतिध्वनी केला त्याचा सरळ संदर्भ दिला का? क्वचितच. जुळलेल्या शोधनिबंध-जोड्यांपैकी फक्त 6.4% साठी संदर्भाचा दुवा सापडला, आणि 176 जोड्यांच्या हाताने केलेल्या तपासणीत 7% आढळले. 2015 ते 2025 दरम्यान जुळलेल्या जोड्या 449 वरून 1,831 पर्यंत वाढल्या — पण संदर्भ असलेल्या जोड्या दोन्ही वर्षी 59 च राहिल्या.

दर वर्षीच्या जुळलेल्या शोधनिबंध-जोड्यांचा स्तंभालेख, बहुतांश संदर्भ आढळलेला नसलेल्या, 2021 नंतर तीव्रपणे वाढणाऱ्या.

दर वर्षी जुळलेल्या शोधनिबंध-जोड्यांची संख्या, संदर्भाच्या स्थितीनुसार: जवळजवळ सर्व वाढ संदर्भ न आढळलेल्या जोड्यांमध्ये आहे. — आकृती 3a, Doron-Arad & Mossel (2026), arXiv:2609.32963.

फक्त शब्दरचनाच नव्हे, तर कल्पनांचीही पुनरावृत्ती होते का, हेही चमूने तपासले. Anthropic च्या AI प्रारूपांनी प्रत्येक उताऱ्याचा काही शब्दांत सारांश काढला, आणि मग मूळ मजकूर न पाहता, दोन सारांश मूलतः एकच वैज्ञानिक दावा मांडतात का हे ठरवले. काटेकोर व्याख्या वापरल्यास, अशा जोड्या 2015–2020 मधील दर वर्षी सरासरी सुमारे 26 वरून 2025 मध्ये 139 पर्यंत वाढल्या.

हा नमुना अनेक तपासण्यांतही टिकला — वेगवेगळ्या मर्यादा, उताऱ्यांच्या लांबी, पद्धतींचे विभाग आणि सर्वाधिक नक्कल झालेले स्रोत काढून टाकणे — आणि Europe PMC या दुसऱ्या, स्वतंत्र माहितीसंग्रहातही त्याची पुनरावृत्ती झाली, जिथे प्रतिध्वनी करणाऱ्या मजकुराचा वाटा दुप्पट झाला.

संशयित, निकाल नव्हे

सर्वाधिक वाढ विज्ञान लिहिण्यासाठीच्या AI साधनांच्या वेगवान स्वीकाराशी जुळते, आणि लेखक त्यांना एक संभाव्य कारणीभूत घटक मानतात, कारण ती सर्वाधिक प्रचलित शब्दरचना पसरवतात. पण अभ्यास कारण सिद्ध करत नाही. शाखांमधील सामायिक भाषा आणि त्याच मोजक्या शोधनिबंधांवर लक्ष केंद्रित होत जाणे यांचाही वाटा असू शकतो; या दृष्टिकोनातून, AI हा आधीच सुरू असलेल्या एकरूपतेचा सर्वात नवा प्रवेगक ठरेल. लेखक हेही अधोरेखित करतात की अर्थसाम्य म्हणजे गैरवर्तन नव्हे.

ते लेखक, समीक्षक, संपादक आणि निधी देणाऱ्यांना मौलिकता दिसू शकेल अशी साधने सुचवतात — एका इशाऱ्यासह: वेगळेपणाचा गुणांक कधीही लक्ष्य बनवू नका, कारण तो खऱ्या अंतर्दृष्टीऐवजी असामान्य शब्दरचनेला बक्षीस देईल, आणि त्याचा खेळ करणे सोपे असेल.