एआयने विज्ञानातील काही शब्द बदलले आहेत, खुद्द विज्ञान नव्हे — अजून तरी
2022 च्या अखेरीस मोठी भाषा-प्रारूपे (large language models) सार्वजनिकरीत्या उपलब्ध झाल्यापासून, संशोधक त्यांचा वापर लेखन, संपादन आणि संशोधन-साहित्य शोधण्यासाठी करत आले आहेत. अभ्यास त्यांना वैयक्तिक शास्त्रज्ञांसाठी उत्पादकता आणि दृश्यमानतेत खरे लाभ मिळवून दिल्याचे श्रेय देतात. पण एकूण विज्ञानाबद्दलच्या चिंता वाढल्या आहेत: एक “एआय विरोधाभास” (AI paradox), ज्यात उत्पादकता गुणवत्तेच्या किंमतीवर येते, “एआय-निर्मित दर्जाहीन मजकुराचा” (AI slop) पूर, आणि हळूहळू पसरणारा एकसाचीपणा (monoculture), जो कल्पनांचा पल्ला अरुंद करेल.
न्यू जर्सी इन्स्टिट्यूट ऑफ टेक्नॉलॉजीमधील (New Jersey Institute of Technology) रॉन बेकरमन (Ron Bekkerman), निकोल ली (Nichole Li), बहारेह कारगर (Bahareh Kargar) आणि मार्क सोमर्स (Mark Somers) यांनी काही मोडले आहे का हे मोजायचे ठरवले — एखाद्या आदर्शीकृत भूतकाळाच्या तुलनेत नव्हे, तर आधीच सुरू असलेल्या कलांच्या तुलनेत.
दहा वर्षांचे पूर्ण मजकूर
त्यांच्या संग्रहात (corpus) 2015 ते 2025 दरम्यान पाच विद्याशाखांमध्ये प्रकाशित झालेले सुमारे 2.5 दशलक्ष पूर्ण-मजकूर शोधनिबंध आहेत: संगणकशास्त्र, गणित आणि भौतिकशास्त्र (arXiv मधून), आणि आरोग्य व जीवनविज्ञान (PubMed Central मधून). केवळ सारांश पाहण्याऐवजी, त्यांनी संपूर्ण शोधनिबंधांचे विश्लेषण केले, प्रश्नांच्या एका शिडीनुसार: कोणते शब्द वापरले जातात, भाषा किती समृद्ध आणि तांत्रिक आहे, विषय किती वैविध्यपूर्ण आहेत, शोधनिबंधांची रचना कशी आहे, आणि ते कोण लिहिते.
पद्धत सर्वत्र तीच आहे: प्रत्येक कलाची 2022 पूर्वी आणि नंतर तुलना करा, आणि खंड शोधा.
वाढलेले आणि ओसरलेले शब्द
इंग्रजीतील 20,000 सर्वाधिक प्रचलित शब्दांपासून सुरुवात करून, जे 14,484 मूळ रूपांपर्यंत (base forms) कमी केले गेले, चमूला 2022 नंतर 796 उसळलेले शब्द, 199 घटलेले आणि 71 वाढून मग घसरलेले शब्द आढळले. वाढणारे शब्द हे भाषा-प्रारूपांना आवडणारे घोटीव विश्लेषणात्मक शब्द आहेत, जसे “establish” (प्रस्थापित करणे) आणि “underscore” (अधोरेखित करणे); घटणारे शब्द साधे आहेत, जसे “good” (चांगले) आणि “happen” (घडणे). प्रसिद्ध “delve” वाढून-मग-घसरण्याचा नमुना दाखवतो: 2023 पूर्वी जवळजवळ अनुपस्थित असलेला हा शब्द 2024 मध्ये शिखरावर पोहोचला आणि 2025 मध्ये झपाट्याने घसरला — प्रारूपे अद्ययावत होत गेली आणि वाचक सावध होत गेले तसे, असे लेखक सुचवतात.
हा संकेत संगणकशास्त्रात सर्वात तीव्र आहे आणि गणितात सर्वात क्षीण, जिथे औपचारिक चिन्हांकन (formal notation) लेखनाला आवर घालते. आणि तो सारांशांपुरता मर्यादित नाही: उसळलेले शब्द शोधनिबंधांच्या मुख्य भागातही दिसतात.
वैज्ञानिक भाषा पातळ झालेली नाही
तरीही संबंधित शब्द — हजाराहून थोडे अधिक — हे कित्येक दशलक्ष भिन्न शब्दांच्या शब्दसंग्रहातील एक थेंब आहेत. 50 शब्दांच्या सरकत्या खिडक्यांवर (sliding windows) मोजलेली शाब्दिक विविधता (lexical diversity) कोणत्याही विद्याशाखेत 2022 मध्ये उताराचा कोणताही लक्षणीय बदल दाखवत नाही. आणि वैज्ञानिक परिभाषेची घनता पाचही क्षेत्रांमध्ये वाढतच आहे. लेखकांच्याच शब्दांत, “वैज्ञानिक शोधनिबंध काळानुसार अधिक वैज्ञानिक दिसू लागले आहेत”.
विषय: दोन खोटे इशारे
शोधनिबंध अधिकाधिक त्याच गोष्टींबद्दल बोलत आहेत का? भौतिकशास्त्र आणि गणितात, विषयांचे वैविध्य (topic diversity) सपाट आहे. संगणकशास्त्रात, ते जवळजवळ सरळ रेषेत घसरते — पण ही घसरण 2022 च्या खूप आधी सुरू झाली, जेव्हा हे क्षेत्र डीप लर्निंग (deep learning) आणि जनरेटिव्ह एआयकडे (generative AI) एकवटत गेले, आणि 2021 पासून ती थोडी मंदावलीसुद्धा आहे.
आरोग्य आणि जीवनविज्ञानात 2022 नंतर खरोखरच अधिक तीव्र घसरण दिसली. पण शोधनिबंधांमधील साम्याचा बराचसा भाग त्यांच्या स्वरूपातून (format) आला होता: परवाने, घोषणा (disclosures) आणि योगदानकर्त्यांच्या भूमिका (contributor roles) यांवरील प्रमाणित मजकूर-खंड, कारण जैववैद्यकीय साहित्य एकसमान स्वरूपाकडे वळत होते. अशी 105 ठरीव वाक्ये (boilerplate phrases) गाळून काढल्यावर घसरणीचा बहुतांश भाग नाहीसा झाला.
साच्यानुसार बांधलेले शोधनिबंध
संगणकशास्त्रातील शोधनिबंधांची रचना, जवळजवळ 438,000 शोधनिबंधांवर अभ्यासलेली, खूप बदलली आहे — पण स्थिर गतीने. फक्त एक ते तीन विभाग असलेल्या शोधनिबंधांचे प्रमाण 17% वरून 4% पर्यंत घसरले, तर आठ किंवा अधिक विभाग असलेल्यांचे 5% वरून 30% पर्यंत वाढले. प्रस्तावना सरासरी 2,141 वरून 1,236 शब्दांपर्यंत आकुंचन पावल्या, तर संदर्भसूचींची लांबी जवळजवळ दुप्पट झाली. यांपैकी कोणताही कल 2022 मध्ये खंडित झाला नाही.
मोठे चमू, अधिक शोधनिबंध — बहुतांश पूर्वीसारखेच
सह-लेखकांचे चमू 2022 पूर्वी प्रत्येक विद्याशाखेत वाढत होते, आणि ते फक्त वाढतच राहिले. एक अपवाद उठून दिसतो: आशियातील संगणकशास्त्र चमू 2022 नंतर अधिक वेगाने वाढले. शोधनिबंधांची संख्याही 2022 नंतर संगणकशास्त्र आणि भौतिकशास्त्रात अधिक वेगाने वाढली, जिचा संबंध लेखक भाषा-प्रारूपांशी जोडतात. 2023 मधील जैववैद्यकीय प्रकाशनांतील उसळी ही बहुधा कोविड-काळातील विस्कळीतपणामुळे (COVID-era disruption) 2022 मध्ये आलेल्या घसरणीनंतरची पुनर्प्राप्ती आहे.
अजून तरी नाही
संपूर्ण विज्ञानाच्या पातळीवर लेखकांना “एआय विरोधाभासाचा” फारसा पुरावा आढळत नाही. मोजक्या फॅशनेबल शब्दांना क्रांतीचा पुरावा मानण्याविरुद्ध ते इशारा देतात, आणि असा युक्तिवाद करतात की धोरण — घोषणेबाबत (disclosure), समवयस्क-परीक्षणाबाबत (peer review) — हे हा ताण हाताळण्याचे योग्य साधन आहे. मात्र त्यांच्या आश्वासनाला कालमर्यादा आहे. हा अभ्यास 2022 नंतरची केवळ तीन वर्षे व्यापतो आणि लेखनाची निरीक्षणीय वैशिष्ट्ये मोजतो, आणि लेखकांना “संशोधन प्रक्रियेत LLMs ज्या वेगाने शिरत आहेत तो वेग” चिंताजनक वाटतो.
