AI IMEBADILISHA BAADHI YA MANENO YA SAYANSI, SI SAYANSI YENYEWE — BADO
Tangu modeli kubwa za lugha zilipopatikana kwa umma mwishoni mwa 2022, watafiti wamezitumia kuandika, kuhariri na kutafuta katika maandiko ya kitaalamu. Tafiti zinazihusisha na manufaa halisi kwa wanasayansi mmoja mmoja, katika tija na mwonekano. Lakini wasiwasi umeongezeka kuhusu sayansi kwa ujumla: “kitendawili cha AI” (AI paradox) ambapo tija huja kwa gharama ya ubora, mafuriko ya “takataka za AI” (AI slop), na fikra za aina moja (monoculture) zinazonyemelea ambazo zingepunguza wigo wa mawazo.
Ron Bekkerman, Nichole Li, Bahareh Kargar na Mark Somers, katika Taasisi ya Teknolojia ya New Jersey, walianza kupima iwapo kuna kitu kilichovunjika — si dhidi ya zamani iliyofikiriwa kuwa kamilifu, bali dhidi ya mielekeo iliyokuwa tayari ikiendelea.
Miaka kumi ya maandishi kamili
Mkusanyiko wao wa maandishi (corpus) una takriban makala milioni 2.5 zenye maandishi kamili zilizochapishwa kati ya 2015 na 2025, katika taaluma tano: sayansi ya kompyuta, hisabati na fizikia (kutoka arXiv), na sayansi za afya na za viumbe hai (kutoka PubMed Central). Badala ya kuangalia muhtasari pekee, walichambua makala nzima, wakifuata ngazi ya maswali: maneno gani yanatumika, lugha ina utajiri na ufundi kiasi gani, mada ni anuwai kiasi gani, makala zinajengwa vipi, na nani anaziandika.
Mbinu ni ileile kote: linganisha kila mwelekeo kabla na baada ya 2022, na tafuta mvunjiko.
Maneno yaliyopanda na kushuka
Wakianzia maneno 20,000 ya Kiingereza yanayotumika zaidi, yaliyopunguzwa hadi maumbo ya msingi 14,484, timu ilipata 796 yaliyopanda kwa kasi baada ya 2022, 199 yaliyopungua na 71 yaliyopanda kisha yakashuka. Yanayopanda ni maneno ya kiuchambuzi yaliyong’arishwa ambayo modeli za lugha huyapendelea, kama vile “establish” (thibitisha) na “underscore” (sisitiza); yanayopoteza ni maneno ya kawaida kama vile “good” (nzuri) na “happen” (tokea). Neno maarufu “delve” linaonyesha mtindo wa kupanda kisha kushuka: lilikuwa karibu halipo kabla ya 2023, likafikia kilele mwaka 2024 na kushuka kwa kasi mwaka 2025 — kadiri modeli zilivyosasishwa na wasomaji kuingiwa na tahadhari, waandishi wanapendekeza.
Ishara ni kali zaidi katika sayansi ya kompyuta na dhaifu zaidi katika hisabati, ambayo uandishi wake hudhibitiwa na alama rasmi (formal notation). Na haiishii kwenye muhtasari: maneno yanayopanda kwa kasi yanaonekana pia katika kiini cha makala.
Lugha ya kisayansi haijafifishwa
Hata hivyo maneno yanayohusika — zaidi kidogo ya elfu moja — ni tone katika msamiati wa makumi ya mamilioni ya maneno tofauti. Anuwai ya msamiati (lexical diversity), ikipimwa kwenye madirisha yanayoteleza ya maneno 50, haionyeshi mabadiliko yoyote ya maana ya mteremko mwaka 2022 katika taaluma yoyote. Na msongamano wa istilahi za kisayansi unaendelea kuongezeka katika fani zote tano. Kwa maneno ya waandishi, “makala za kisayansi zinaonekana kuwa za kisayansi zaidi kadiri muda unavyopita”.
Mada: tahadhari mbili za uongo
Je, makala zinazidi kuzungumzia mambo yaleyale? Katika fizikia na hisabati, anuwai ya mada haibadiliki. Katika sayansi ya kompyuta, inashuka karibu kwa mstari ulionyooka — lakini kushuka huko kulianza muda mrefu kabla ya 2022, fani hiyo ilipoelekea kwenye ujifunzaji wa kina (deep learning) na AI zalishi (generative AI), na hata kumepungua kasi kidogo tangu 2021.
Sayansi za afya na za viumbe hai zilionyesha kushuka kwa kasi zaidi baada ya 2022. Lakini sehemu kubwa ya mfanano kati ya makala ilitokana na mpangilio wao: vipande vya kawaida kuhusu leseni, matamko na majukumu ya wachangiaji, kadiri maandiko ya kibiomedikali yalivyoelekea kwenye mpangilio mmoja. Kuchuja misemo 105 kama hiyo ya kawaida (boilerplate) kuliondoa sehemu kubwa ya kushuka huko.
Makala zilizojengwa kwa kiolezo
Muundo wa makala za sayansi ya kompyuta, uliochunguzwa kwenye karibu 438,000 kati yake, umebadilika sana — lakini hatua kwa hatua. Makala zenye sehemu moja hadi tatu tu zilishuka kutoka 17% hadi 4%, huku zile zenye sehemu nane au zaidi zikipanda kutoka 5% hadi 30%. Utangulizi ulipungua kutoka maneno 2,141 hadi 1,236 kwa wastani, huku orodha za marejeo zikikaribia kuongezeka maradufu kwa urefu. Hakuna kati ya mielekeo hii iliyovunjika mwaka 2022.
Timu kubwa zaidi, makala zaidi — kwa kiasi kikubwa kama awali
Timu za waandishi-wenza zilikuwa zikikua katika kila taaluma kabla ya 2022, na ziliendelea tu kukua. Kighairi kimoja kinajitokeza: timu za sayansi ya kompyuta kutoka Asia zilikua kwa kasi zaidi baada ya 2022. Idadi ya makala pia ilikua kwa kasi zaidi katika sayansi ya kompyuta na fizikia baada ya 2022, jambo ambalo waandishi wanalihusisha na modeli za lugha. Ongezeko la ghafla la uzalishaji wa kibiomedikali mwaka 2023 lina uwezekano mkubwa zaidi kuwa ni kurudi juu baada ya mdororo wa 2022 uliosababishwa na misukosuko ya enzi ya COVID.
Bado
Waandishi wanapata ushahidi mdogo wa “kitendawili cha AI” kwa kiwango cha sayansi kwa ujumla. Wanaonya dhidi ya kuchukulia maneno machache yaliyo katika mtindo kama uthibitisho wa mapinduzi, na wanahoji kwamba sera — kuhusu matamko, kuhusu mapitio ya wataalamu wenzao (peer review) — ndicho chombo sahihi cha kudhibiti mvutano huo. Hata hivyo, uhakikisho wao una kikomo cha muda. Utafiti unashughulikia miaka mitatu tu baada ya 2022 na hupima sifa zinazoonekana za uandishi, na waandishi wanaona “kasi ambayo LLMs zinapenya katika mchakato wa utafiti” kuwa ya kutia wasiwasi.
