Kompyuta na akili bandiaChapisho la awaliUchambuzi wa dataDakika 3 za kusoma

JE, SAYANSI INAANZA KUJIRUDIA?

Maandiko ya kisayansi yanaendelea kukua — kwa takriban 4% kwa mwaka, yakiongezeka maradufu takriban kila miaka 17, kwa mujibu wa takwimu zilizotajwa katika makala. Maandiko mengi zaidi yanaweza kumaanisha mpaka mpana zaidi wa mawazo. Yanaweza pia kumaanisha makala nyingi zaidi zinazorudia kilichokwisha andikwa. Ilan Doron-Arad na Elchanan Mossel, wanahisabati wa MIT, walianza kupima upande mmoja wa swali hilo.

Upekee una vipimo vingi na hauna kipimo kinachokubalika na wote. Lakini kimoja wapo sasa kinaweza kupimwa kwa kiwango kikubwa: upekee wa maandishi, yaani kiasi gani cha makala kinasomeka kama kazi za hivi karibuni. Miundo ya kisasa ya lugha inaweza kugeuza kifungu kuwa orodha ya namba zinazonasa maana yake, ili vifungu viwili vinavyosema jambo lilelile kwa maneno tofauti viishie kuwa karibu.

Waandishi ni waangalifu kuhusu kile ambacho hili linanasa na kisichonasa. Ugunduzi mpya halisi unaweza kuandikwa kwa sentensi zinazozoeleka; msemo usio wa kawaida si wazo jipya.

Kuweka ulinganisho thabiti

Ulinganisho wa kijuujuu ungepotosha: maandiko yanavyokua, kifungu chochote kina nafasi zaidi za kufanana na kitu fulani. Kwa hiyo waandishi waliweka kundi la ulinganisho likiwa thabiti. Kwa kila moja ya nyanja nane — astrofizikia, bioinformatiki, kemia, mabadiliko ya tabianchi, ujifunzaji wa mashine, tiba, saikolojia na kompyuta za kwantamu — na kwa kila mwaka kuanzia 2015 hadi 2025, walichukua makala 300 kutoka hifadhidata ya ufikiaji huria ya CORE na kuzilinganisha na makala 3,000 za miaka mitano iliyotangulia. Kwa jumla, takriban maandishi kamili 26,000.

Kila makala ilikatwa katika vifungu vinavyopishana vya maneno 160. Mlingano ulihitaji kufanana kwa juu kwa maana, angalau istilahi mahususi sita zinazoshirikiwa, kutokuwepo kwa mfuatano unaofanana kabisa wa maneno matano — ili unakili mtupu uondolewe — kutokuwepo kwa mwandishi anayeshirikiwa, na kutokuwa matoleo mawili ya makala moja. Kwenye seti ya majaribio iliyoundwa kwa madhumuni hayo, kigunduzi kilifanya karibu hakuna milingano ya uongo (usahihi wa 99.6%) huku kikikosa baadhi ya milingano ya kweli.

Thabiti, kisha ongezeko kubwa

Hadi 2020, sehemu ya maandishi ya makala iliyolingana na kazi za hivi karibuni ilizunguka karibu 0.43%. Kuanzia 2021 ilipanda, ikifikia 1.34% mwaka 2025 — mara 3.1 ya kiwango cha awali. Jaribio la kitakwimu linaweka mwanzo wa ongezeko hilo mwaka 2021.

Chati mbili za mistari: sehemu ya maandishi yaliyolingana na sehemu ya makala zenye mlingano, zote zikiwa tambarare hadi 2020 kisha zikipanda kwa kasi hadi 2025.

Kushoto: wastani wa sehemu ya maandishi ya kila makala inayofanana na kazi za hivi karibuni. Kulia: sehemu ya makala zenye angalau kifungu kimoja cha aina hiyo. — Kielelezo 1a–b, Doron-Arad & Mossel (2026), arXiv:2609.32963.

Ongezeko hilo halikutokana na wakopaji wachache wakubwa. Sehemu ya makala zenye angalau kifungu kimoja kinachorudia ilifikia 25% mwaka 2025. Nyanja zote nane ziliongezeka, kwa viwango tofauti.

Marudio bila marejeo

Je, waandishi walizitaja tu kazi wanazozirudia? Mara chache. Kiungo cha marejeo kingeweza kupatikana kwa 6.4% tu ya jozi za makala zilizolingana, na ukaguzi wa mkono wa jozi 176 ulitoa 7%. Kati ya 2015 na 2025, jozi zilizolingana ziliongezeka kutoka 449 hadi 1,831 — lakini zile zenye marejeo zilibaki 59 katika miaka yote miwili.

Chati ya mihimili ya jozi za makala zilizolingana kwa mwaka, nyingi zikiwa bila marejeo yaliyogunduliwa, zikiongezeka kwa kasi baada ya 2021.

Idadi ya jozi za makala zilizolingana kila mwaka, kulingana na hali ya marejeo: karibu ongezeko lote liko katika jozi zisizo na marejeo yaliyogunduliwa. — Kielelezo 3a, Doron-Arad & Mossel (2026), arXiv:2609.32963.

Timu pia iliuliza iwapo mawazo yanajirudia, si maneno tu. Miundo ya AI kutoka Anthropic ilifupisha kila kifungu kwa maneno machache, kisha ikaamua, bila kuona maandishi asilia, iwapo mafupisho mawili yalieleza kimsingi dai lilelile la kisayansi. Kwa kutumia ufafanuzi mkali, jozi kama hizo zilipanda kutoka wastani wa takriban 26 kwa mwaka katika 2015–2020 hadi 139 mwaka 2025.

Mwelekeo huo ulidumu chini ya ukaguzi mwingi — vizingiti tofauti, urefu tofauti wa vifungu, kuondoa sehemu za mbinu na vyanzo vilivyonakiliwa zaidi — na ulijirudia katika hifadhidata ya pili, huru, Europe PMC, ambako sehemu ya maandishi yanayorudia iliongezeka maradufu.

Mshukiwa, si hukumu

Ongezeko kubwa zaidi linaambatana na kupitishwa kwa haraka kwa zana za AI za kuandika sayansi, na waandishi wanaziona kama mchangiaji anayewezekana, kwa kuwa huelekea kueneza misemo inayotumika zaidi. Lakini utafiti hauthibitishi chanzo. Lugha ya pamoja ya taaluma na kupungua kwa umakini kuelekea makala zilezile chache vinaweza pia kuchangia; kwa mtazamo huu, AI ingekuwa kichocheo cha karibuni zaidi cha mwelekeo wa kufanana uliokwisha anza. Waandishi pia wanasisitiza kwamba kufanana kwa maana hakumaanishi utovu wa maadili.

Wanapendekeza zana zinazofanya upekee uonekane kwa waandishi, wakaguzi, wahariri na wafadhili — kwa onyo moja: kamwe usifanye alama ya upekee kuwa lengo, kwa kuwa ingezawadia misemo isiyo ya kawaida badala ya ufahamu halisi, na ingekuwa rahisi kuichezea.