کمپیوٹنگ اور مصنوعی ذہانتپری پرنٹڈیٹا کا تجزیہ4 منٹ کا مطالعہ

مصنوعی ذہانت نے سائنس کے کچھ الفاظ بدلے ہیں، خود سائنس کو نہیں — ابھی تک

جب سے 2022 کے آخر میں بڑے لسانی ماڈل عوام کے لیے دستیاب ہوئے ہیں، محققین انہیں لکھنے، تدوین کرنے اور تحقیقی ادب کھنگالنے کے لیے استعمال کرتے آئے ہیں۔ مطالعات انفرادی سائنس دانوں کے لیے، پیداواری صلاحیت اور نمایاں حیثیت (visibility) میں، حقیقی فوائد کا سہرا انہی کے سر باندھتے ہیں۔ لیکن مجموعی طور پر سائنس کے بارے میں خدشات بڑھ گئے ہیں: ایک “مصنوعی ذہانت کا تضاد” (AI paradox) جس میں پیداواری صلاحیت معیار کی قیمت پر حاصل ہوتی ہے، “مصنوعی ذہانت کے کچرے” (AI slop) کا سیلاب، اور بتدریج پھیلتی ہوئی ایک یک رنگی (monoculture) جو خیالات کے دائرے کو تنگ کر دے گی۔

New Jersey Institute of Technology کے Ron Bekkerman، Nichole Li، Bahareh Kargar اور Mark Somers نے یہ ناپنے کا بیڑا اٹھایا کہ آیا کچھ ٹوٹا ہے — کسی مثالی ماضی کے مقابلے میں نہیں، بلکہ ان رجحانات کے مقابلے میں جو پہلے سے جاری تھے۔

مکمل متون کے دس سال

ان کے ذخیرۂ متون (corpus) میں 2015 سے 2025 کے درمیان شائع ہونے والے تقریباً 2.5 ملین مکمل متن والے مقالے شامل ہیں، پانچ شعبوں میں: کمپیوٹر سائنس، ریاضی اور طبیعیات (arXiv سے)، اور صحت اور حیاتیاتی علوم (PubMed Central سے)۔ صرف خلاصوں (abstracts) کو دیکھنے کے بجائے انہوں نے پورے مقالوں کا تجزیہ کیا، سوالات کی ایک سیڑھی کے ساتھ: کون سے الفاظ استعمال ہوتے ہیں، زبان کتنی بھرپور اور تکنیکی ہے، موضوعات کتنے متنوع ہیں، مقالے کس طرح ترتیب دیے جاتے ہیں، اور انہیں کون لکھتا ہے۔

طریقہ شروع سے آخر تک ایک ہی ہے: ہر رجحان کا 2022 سے پہلے اور بعد موازنہ کیجیے، اور کسی انقطاع کی تلاش کیجیے۔

الفاظ جو ابھرے اور ڈوبے

انگریزی کے 20,000 سب سے عام الفاظ سے آغاز کرتے ہوئے، جنہیں 14,484 بنیادی صورتوں تک محدود کیا گیا، ٹیم کو 2022 کے بعد 796 تیزی سے ابھرنے والے، 199 گھٹنے والے اور 71 پہلے ابھرنے اور پھر گرنے والے الفاظ ملے۔ ابھرنے والے الفاظ نکھرے ہوئے تجزیاتی الفاظ ہیں جنہیں لسانی ماڈل پسند کرتے ہیں، جیسے “establish” (قائم کرنا) اور “underscore” (اجاگر کرنا)؛ گھٹنے والے سادہ الفاظ ہیں، جیسے “good” (اچھا) اور “happen” (واقع ہونا)۔ مشہور “delve” ابھرنے اور گرنے کا یہی نمونہ دکھاتا ہے: 2023 سے پہلے تقریباً ناپید، یہ 2024 میں عروج پر پہنچا اور 2025 میں تیزی سے گر گیا — مصنفین کا قیاس ہے کہ ایسا اس وقت ہوا جب ماڈلز اپ ڈیٹ کیے گئے اور قارئین محتاط ہو گئے۔

یہ اشارہ کمپیوٹر سائنس میں سب سے مضبوط اور ریاضی میں سب سے کمزور ہے، جس کی تحریر کو رسمی علامت نویسی (formal notation) قابو میں رکھتی ہے۔ اور یہ صرف خلاصوں تک محدود نہیں: تیزی سے ابھرنے والے الفاظ مقالوں کے متن میں بھی نظر آتے ہیں۔

سائنسی زبان پتلی نہیں پڑی

پھر بھی متعلقہ الفاظ — ایک ہزار سے کچھ زیادہ — دسیوں ملین مختلف الفاظ کے ذخیرے میں ایک قطرے کے برابر ہیں۔ لفظی تنوع (lexical diversity)، جو 50 الفاظ کی سرکتی کھڑکیوں (sliding windows) پر ناپا گیا، کسی بھی شعبے میں 2022 میں ڈھلوان کی کوئی قابلِ ذکر تبدیلی نہیں دکھاتا۔ اور سائنسی اصطلاحات کی کثافت پانچوں شعبوں میں بڑھتی جا رہی ہے۔ مصنفین کے الفاظ میں، “سائنسی مقالے وقت کے ساتھ زیادہ سائنسی دکھائی دیتے ہیں”۔

موضوعات: دو جھوٹے الارم

کیا مقالے زیادہ سے زیادہ ایک ہی چیزوں کے بارے میں بات کر رہے ہیں؟ طبیعیات اور ریاضی میں موضوعاتی تنوع جوں کا توں ہے۔ کمپیوٹر سائنس میں یہ تقریباً سیدھی لکیر میں گرتا ہے — لیکن یہ کمی 2022 سے بہت پہلے شروع ہو گئی تھی، جب یہ شعبہ گہری تعلیم (deep learning) اور تخلیقی مصنوعی ذہانت (generative AI) پر مرتکز ہوتا گیا، اور 2021 سے یہ کچھ سست بھی پڑ گئی ہے۔

صحت اور حیاتیاتی علوم میں 2022 کے بعد واقعی زیادہ تیز کمی دکھائی دی۔ لیکن مقالوں کے درمیان مماثلت کا بڑا حصہ ان کی ہیئت (format) سے آیا: لائسنسوں، اعلانات (disclosures) اور شراکت داروں کے کرداروں (contributor roles) پر معیاری عبارتیں، جیسے جیسے حیاتی طبی ادب ایک یکساں ہیئت کی طرف بڑھا۔ ایسے 105 رسمی جملوں (boilerplate phrases) کو چھانٹ کر نکالنے سے کمی کا زیادہ تر حصہ ختم ہو گیا۔

سانچے کے مطابق بنے مقالے

کمپیوٹر سائنس کے مقالوں کی ساخت، جس کا مطالعہ ان میں سے تقریباً 438,000 پر کیا گیا، بہت بدلی ہے — لیکن بتدریج۔ صرف ایک سے تین حصوں (sections) والے مقالے 17% سے گھٹ کر 4% رہ گئے، جبکہ آٹھ یا زیادہ حصوں والے 5% سے بڑھ کر 30% ہو گئے۔ تعارف اوسطاً 2,141 سے سکڑ کر 1,236 الفاظ رہ گئے، جبکہ حوالہ جات کی فہرستیں لمبائی میں تقریباً دگنی ہو گئیں۔ ان میں سے کوئی بھی رجحان 2022 میں نہیں ٹوٹا۔

بڑی ٹیمیں، زیادہ مقالے — زیادہ تر پہلے کی طرح

شریک مصنفین کی ٹیمیں 2022 سے پہلے ہر شعبے میں بڑھ رہی تھیں، اور بس بڑھتی رہیں۔ ایک استثنا نمایاں ہے: ایشیا سے کمپیوٹر سائنس کی ٹیمیں 2022 کے بعد زیادہ تیزی سے بڑھیں۔ مقالوں کی تعداد بھی 2022 کے بعد کمپیوٹر سائنس اور طبیعیات میں زیادہ تیزی سے بڑھی، جسے مصنفین لسانی ماڈلز سے جوڑتے ہیں۔ 2023 میں حیاتی طبی پیداوار میں اچھال غالباً 2022 کی اس گراوٹ سے بحالی ہے جو COVID کے دور کے خلل کی وجہ سے آئی تھی۔

ابھی نہیں

مصنفین کو پوری سائنس کے پیمانے پر “مصنوعی ذہانت کے تضاد” کا بہت کم ثبوت ملتا ہے۔ وہ چند فیشن زدہ الفاظ کو کسی انقلاب کا ثبوت سمجھنے سے خبردار کرتے ہیں، اور دلیل دیتے ہیں کہ پالیسی — اعلان (disclosure) پر، ہم مرتبہ جائزے (peer review) پر — اس کشمکش سے نمٹنے کا درست ذریعہ ہے۔ تاہم ان کی تسلی کی ایک میعاد ہے۔ مطالعہ 2022 کے بعد صرف تین سال کا احاطہ کرتا ہے اور تحریر کی قابلِ مشاہدہ خصوصیات کو ناپتا ہے، اور مصنفین “تحقیقی عمل میں LLMs کے سرایت کرنے کی رفتار” کو تشویشناک سمجھتے ہیں۔