செயற்கை நுண்ணறிவு அறிவியலின் சில சொற்களை மாற்றியுள்ளது, அறிவியலையே அல்ல — இதுவரை
பெரிய மொழி மாதிரிகள் 2022-இன் இறுதியில் பொதுமக்களுக்குக் கிடைக்கத் தொடங்கியதிலிருந்து, ஆய்வாளர்கள் அவற்றை எழுதவும், திருத்தவும், ஆய்வு இலக்கியத்தில் தேடவும் பயன்படுத்தி வருகின்றனர். தனிப்பட்ட அறிவியலாளர்களுக்கு அவை உற்பத்தித் திறனிலும் கவனம் பெறுவதிலும் உண்மையான ஆதாயங்களைத் தருவதாக ஆய்வுகள் கூறுகின்றன. ஆனால் ஒட்டுமொத்த அறிவியல் குறித்த கவலைகள் வளர்ந்துள்ளன: உற்பத்தித் திறன் தரத்தை விலையாகக் கொடுத்து வரும் ஒரு “செயற்கை நுண்ணறிவு முரண்” (AI paradox), “செயற்கை நுண்ணறிவுக் குப்பையின்” (AI slop) வெள்ளம், கருத்துகளின் வீச்சைச் சுருக்கக்கூடிய, மெல்லப் பரவும் ஓர் ஒற்றைப்பயிர் நிலை (monoculture).
நியூ ஜெர்சி தொழில்நுட்ப நிறுவனத்தைச் (New Jersey Institute of Technology) சேர்ந்த Ron Bekkerman, Nichole Li, Bahareh Kargar, Mark Somers ஆகியோர், ஏதாவது உடைந்துள்ளதா என்பதை அளவிட முனைந்தனர் — ஒரு கற்பனையான இலட்சியக் கடந்த காலத்துடன் அல்ல, ஏற்கெனவே நடந்துகொண்டிருந்த போக்குகளுடன் ஒப்பிட்டு.
பத்து ஆண்டுகால முழு உரைகள்
அவர்களின் தரவுத்தொகுப்பில் (corpus) 2015 முதல் 2025 வரை வெளியான சுமார் 2.5 மில்லியன் முழு உரை ஆய்வுக் கட்டுரைகள் உள்ளன; அவை ஐந்து துறைகளைச் சேர்ந்தவை: கணினி அறிவியல், கணிதம், இயற்பியல் (arXiv-இலிருந்து), சுகாதார அறிவியல், உயிர் அறிவியல் (PubMed Central-இலிருந்து). சுருக்கங்களை (abstracts) மட்டும் பார்க்காமல், அவர்கள் முழுக் கட்டுரைகளையும் ஒரு கேள்வி ஏணியின் வழியே பகுப்பாய்வு செய்தனர்: எந்தச் சொற்கள் பயன்படுத்தப்படுகின்றன, மொழி எவ்வளவு செழுமையாகவும் தொழில்நுட்பமாகவும் உள்ளது, தலைப்புகள் எவ்வளவு பன்முகத்தன்மை கொண்டவை, கட்டுரைகள் எப்படிக் கட்டமைக்கப்படுகின்றன, அவற்றை யார் எழுதுகிறார்கள்.
முறை முழுவதும் ஒன்றே: ஒவ்வொரு போக்கையும் 2022-க்கு முன்னும் பின்னும் ஒப்பிட்டு, ஒரு முறிவைத் தேடுவது.
உயர்ந்து சரிந்த சொற்கள்
மிகவும் பொதுவான 20,000 ஆங்கிலச் சொற்களிலிருந்து தொடங்கி, அவற்றை 14,484 அடிப்படை வடிவங்களாகக் குறைத்து, 2022-க்குப் பிறகு திடீரென உயர்ந்த 796 சொற்களையும், சரிந்த 199 சொற்களையும், உயர்ந்து பின் வீழ்ந்த 71 சொற்களையும் குழு கண்டறிந்தது. உயர்ந்தவை, மொழி மாதிரிகள் விரும்பும் மெருகூட்டப்பட்ட பகுப்பாய்வுச் சொற்கள், எடுத்துக்காட்டாக “establish” (நிறுவு), “underscore” (அடிக்கோடிடு); பின்தங்கியவை “good” (நல்ல), “happen” (நிகழ்) போன்ற எளிய சொற்கள். புகழ்பெற்ற “delve” (ஆழ்ந்து ஆராய்) உயர்ந்து-சரியும் வடிவத்தைக் காட்டுகிறது: 2023-க்கு முன் கிட்டத்தட்ட இல்லாத அது, 2024-இல் உச்சத்தை எட்டி, 2025-இல் கூர்மையாகச் சரிந்தது — மாதிரிகள் புதுப்பிக்கப்பட்டதாலும் வாசகர்கள் எச்சரிக்கையானதாலும் இருக்கலாம் என்று ஆசிரியர்கள் கருதுகின்றனர்.
இந்தச் சமிக்ஞை கணினி அறிவியலில் மிக வலுவாகவும், கணிதத்தில் மிக மெலிதாகவும் உள்ளது; கணிதத்தின் எழுத்துநடையை முறைசார் குறியீட்டு முறை கட்டுக்குள் வைத்திருக்கிறது. மேலும் இது சுருக்கங்களுக்குள் மட்டும் அடங்கவில்லை: திடீரென உயர்ந்த சொற்கள் கட்டுரைகளின் உடற்பகுதியிலும் தோன்றுகின்றன.
அறிவியல் மொழியில் நீர்த்துப்போதல் இல்லை
ஆனாலும், இதில் தொடர்புடைய சொற்கள் — ஆயிரத்துக்குச் சற்று அதிகம் — பல பத்து மில்லியன் வேறுபட்ட சொற்களைக் கொண்ட ஒரு சொல்வளத்தில் ஒரு துளி மட்டுமே. 50 சொற்கள் கொண்ட நகரும் சாளரங்களில் (sliding windows) அளக்கப்பட்ட சொல்வளப் பன்முகத்தன்மை (lexical diversity), எந்தத் துறையிலும் 2022-இல் போக்கின் சாய்வில் குறிப்பிடத்தக்க மாற்றம் எதையும் காட்டவில்லை. மேலும் அறிவியல் கலைச்சொற்களின் அடர்த்தி ஐந்து துறைகளிலும் தொடர்ந்து அதிகரிக்கிறது. ஆசிரியர்களின் சொற்களில், “அறிவியல் ஆய்வுக் கட்டுரைகள் காலப்போக்கில் மேலும் அறிவியல்பூர்வமானவையாகத் தோன்றுகின்றன”.
தலைப்புகள்: இரண்டு தவறான எச்சரிக்கைகள்
கட்டுரைகள் மேலும் மேலும் ஒரே விஷயங்களைப் பற்றிப் பேசுகின்றனவா? இயற்பியலிலும் கணிதத்திலும், தலைப்புப் பன்முகத்தன்மை (topic diversity) மாறாமல் சமமாக உள்ளது. கணினி அறிவியலில், அது கிட்டத்தட்ட ஒரு நேர்கோட்டில் சரிகிறது — ஆனால் அந்தச் சரிவு 2022-க்கு வெகு முன்பே, அந்தத் துறை ஆழ்ந்த கற்றலையும் (deep learning) உருவாக்கும் செயற்கை நுண்ணறிவையும் (generative AI) நோக்கிக் குவிந்தபோதே தொடங்கியது; 2021 முதல் அது சற்று மெதுவாகவும் ஆகியுள்ளது.
சுகாதார, உயிர் அறிவியல்களில் 2022-க்குப் பிறகு உண்மையில் கூர்மையான சரிவு காணப்பட்டது. ஆனால் கட்டுரைகளுக்கு இடையிலான ஒற்றுமையின் பெரும்பகுதி அவற்றின் வடிவமைப்பிலிருந்து வந்தது: உரிமங்கள், வெளிப்படுத்தல் அறிவிப்புகள் (disclosures), பங்களிப்பாளர் பாத்திரங்கள் (contributor roles) குறித்த நிலையான பத்திகள்; உயிர்மருத்துவ இலக்கியம் ஒருங்கிணைந்த வடிவமைப்பை நோக்கி நகர்ந்ததன் விளைவு இது. இத்தகைய 105 நிலையான சொற்றொடர்களை (boilerplate phrases) வடிகட்டி நீக்கியதும், சரிவின் பெரும்பகுதி மறைந்தது.
ஒரு வார்ப்புருவின்படி கட்டப்பட்ட கட்டுரைகள்
கிட்டத்தட்ட 438,000 கணினி அறிவியல் கட்டுரைகளில் ஆய்வு செய்யப்பட்ட அவற்றின் கட்டமைப்பு நிறைய மாறியுள்ளது — ஆனால் சீராக. ஒன்று முதல் மூன்று பிரிவுகள் மட்டுமே கொண்ட கட்டுரைகள் 17%-இலிருந்து 4%-ஆகக் குறைந்தன; எட்டு அல்லது அதற்கு மேற்பட்ட பிரிவுகள் கொண்டவை 5%-இலிருந்து 30%-ஆக உயர்ந்தன. முன்னுரைகள் சராசரியாக 2,141 சொற்களிலிருந்து 1,236 சொற்களாகச் சுருங்கின; மேற்கோள் பட்டியல்களின் நீளம் கிட்டத்தட்ட இரட்டிப்பானது. இந்தப் போக்குகள் எதுவும் 2022-இல் முறியவில்லை.
பெரிய குழுக்கள், அதிகக் கட்டுரைகள் — பெரும்பாலும் முன்பு போலவே
இணை ஆசிரியர் குழுக்கள் 2022-க்கு முன்பே ஒவ்வொரு துறையிலும் வளர்ந்து வந்தன; அவை தொடர்ந்து வளர்ந்தன, அவ்வளவே. ஒரு விதிவிலக்கு தனித்து நிற்கிறது: ஆசியாவைச் சேர்ந்த கணினி அறிவியல் குழுக்கள் 2022-க்குப் பிறகு வேகமாக வளர்ந்தன. கணினி அறிவியலிலும் இயற்பியலிலும் கட்டுரைகளின் எண்ணிக்கையும் 2022-க்குப் பிறகு வேகமாக வளர்ந்தது; இதை ஆசிரியர்கள் மொழி மாதிரிகளுடன் தொடர்புபடுத்துகின்றனர். 2023-இல் உயிர்மருத்துவ வெளியீடுகளில் ஏற்பட்ட திடீர் உயர்வு, கோவிட் காலச் சீர்குலைவால் 2022-இல் ஏற்பட்ட சரிவிலிருந்து மீண்டு வந்ததாக இருக்கவே அதிக வாய்ப்புள்ளது.
இதுவரை இல்லை
ஒட்டுமொத்த அறிவியலின் அளவில் “செயற்கை நுண்ணறிவு முரண்” இருப்பதற்கான சான்றுகளை ஆசிரியர்கள் சிறிதளவே காண்கின்றனர். பிரபலமாகிவிட்ட ஒருசில சொற்களை ஒரு புரட்சிக்கான சான்றாக வாசிப்பதற்கு எதிராக அவர்கள் எச்சரிக்கின்றனர்; இந்தப் பதற்றத்தைக் கையாள, வெளிப்படுத்தல், சக மதிப்பாய்வு (peer review) குறித்த கொள்கைகளே சரியான கருவி என்று வாதிடுகின்றனர். எனினும் அவர்களின் உறுதியளிப்புக்கு ஒரு கால வரம்பு உண்டு. ஆய்வு 2022-க்குப் பிந்தைய மூன்று ஆண்டுகளை மட்டுமே உள்ளடக்குகிறது, எழுத்தின் கண்ணுக்குத் தெரியும் அம்சங்களை மட்டுமே அளக்கிறது; மேலும் “பெரிய மொழி மாதிரிகள் (LLMs) ஆய்வுச் செயல்முறைக்குள் ஊடுருவும் வேகம்” கவலைக்குரியது என்று ஆசிரியர்கள் கருதுகின்றனர்.
