Google की AI सह-वैज्ञानिक उन्नत 'टेस्ट-टाइम स्केलिंग' तकनीक के साथ अनुसंधान को बढ़ावा देता है

बुधवार को, Google ने अपने Gemini 2.0 बड़े भाषा मॉडल में एक रोमांचक अपडेट की घोषणा की, जिसे एक AI सह-वैज्ञानिक में बदल दिया गया है जो पारंपरिक मानव-नेतृत्व वाली शोध टीमों की तुलना में उल्लेखनीय रूप से कम समय में नवीन वैज्ञानिक परिकल्पनाएँ उत्पन्न करने में सक्षम है। यह नवोन्मेषी उपकरण वैज्ञानिकों की सहायता के लिए डिज़ाइन किया गया है, जो मानवों के साथ मिलकर एक सहायक सहयोगी के रूप में कार्य करके खोज प्रक्रिया को तेज करता है।

Google इस AI सह-वैज्ञानिक को AI-सहायता प्राप्त तकनीक में एक महत्वपूर्ण कदम के रूप में प्रचारित करता है, जो वैज्ञानिक अनुसंधान के संचालन को क्रांतिकारी बनाने का वादा करता है। इस सिस्टम को मानव "लूप में" के साथ उपयोग करने के लिए बनाया गया है, यह सुनिश्चित करते हुए कि AI के संचालन, साहित्य समीक्षा से लेकर परिकल्पना निर्माण तक, मानव इनपुट द्वारा निर्देशित हों।

एक साहसिक कदम में, Google के शोधकर्ताओं ने लंदन के इंपीरियल कॉलेज के एक समूह के साथ मिलकर एक तकनीकी पेपर प्रकाशित किया, दोनों ने बैक्टीरिया के नए रोगजनकों में विकसित होने की परिकल्पना पर एक ही विषय की खोज की। AI सह-वैज्ञानिक ने केवल दो दिनों में अपनी परिकल्पना उत्पन्न की, जो मानव शोधकर्ताओं के दशक भर के प्रयास के विपरीत है।

परिकल्पना-निर्माण मशीन

Google इस AI सह-वैज्ञानिक को एक "परिकल्पना-निर्माण मशीन" के रूप में वर्णित करता है जो कई विशेष एजेंट्स का लाभ उठाता है। जैसे ही एक वैज्ञानिक अपनी शोध लक्ष्य को प्राकृतिक भाषा में इनपुट करता है, सिस्टम तुरंत सक्रिय हो जाता है, परिकल्पनाएँ, शोध अवलोकन, और प्रयोगात्मक प्रोटोकॉल उत्पन्न करता है। इसमें शामिल एजेंट्स में जनरेशन, रिफ्लेक्शन, रैंकिंग, इवोल्यूशन, प्रॉक्सिमिटी, और मेटा-रिव्यू शामिल हैं, जो सभी वैज्ञानिक जांच की सीमाओं को आगे बढ़ाने के लिए एक साथ काम करते हैं।

यह सिस्टम केवल मौजूदा साहित्य की समीक्षा करने से आगे जाता है; इसका उद्देश्य मूल ज्ञान को उजागर करना और विशिष्ट उद्देश्यों के लिए अनुकूलित नवीन शोध परिकल्पनाएँ तैयार करना है।

टेस्ट-टाइम स्केलिंग का उन्नत रूप

Gemini 2.0 को AI सह-वैज्ञानिक बनाने के लिए अनुकूलन में "टेस्ट-टाइम स्केलिंग" पर बहुत अधिक निर्भरता है, एक ऐसी तकनीक जिसमें AI एजेंट्स अपने आउटपुट को बार-बार परिष्कृत करने के लिए तेजी से अधिक कम्प्यूटेशनल शक्ति का उपयोग करते हैं। इस दृष्टिकोण का उपयोग अन्य तर्क मॉडलों जैसे OpenAI के o1 और DeepSeek AI में भी किया गया है, लेकिन Google का अनुप्रयोग इसे एक नए स्तर पर ले जाता है।

अपने तकनीकी पेपर में, Google के शोधकर्ता, जिसमें जुराज गॉटवेइस शामिल हैं, बताते हैं कि उनका काम DeepSeek के R1 मॉडल द्वारा शुरू की गई प्रगतियों पर आधारित है। वे वैज्ञानिक विधि से प्राप्त प्रेरक पक्षपातों का उपयोग करके टेस्ट-टाइम कम्प्यूट के महत्वपूर्ण स्केलिंग का प्रस्ताव करते हैं, जो वैज्ञानिक तर्क और परिकल्पना निर्माण के लिए एक बहु-एजेंट ढांचा बनाता है।

AI सह-वैज्ञानिक बाहरी संसाधनों तक पहुँचता है और वेब सर्च इंजन और विशेष AI मॉडलों के साथ APIs के माध्यम से संवाद करता है। इस सिस्टम की एक प्रमुख विशेषता "टूर्नामेंट" अवधारणा है, जहाँ परिकल्पनाओं की तुलना और रैंकिंग Elo स्कोर का उपयोग करके की जाती है, जैसा कि शतरंज और खेलों में उपयोग होता है। रैंकिंग एजेंट इन टूर्नामेंट्स का आयोजन करता है, परिकल्पनाओं का मूल्यांकन और प्राथमिकता देने के लिए नकली वैज्ञानिक बहसों को सुविधाजनक बनाता है।

मॉडलों और असहायता प्राप्त मानव विशेषज्ञों से बेहतर

पंद्रह मानव विशेषज्ञों की समीक्षा के अनुसार, AI सह-वैज्ञानिक का प्रदर्शन तब बेहतर होता है जब वह परिकल्पनाओं को तैयार करने और मूल्यांकन करने में अधिक समय व्यतीत करता है। जैसे-जैसे सिस्टम अधिक कम्प्यूटेशनल प्रयास निवेश करता है, इसके परिणामों की गुणवत्ता Gemini 2.0 और OpenAI के o1 जैसे अनुकूलित न किए गए मॉडलों के साथ-साथ असहायता प्राप्त मानव विशेषज्ञों से बेहतर होती है।

इन विशेषज्ञों ने नोट किया कि AI सह-वैज्ञानिक के आउटपुट्स में नवीनता और प्रभाव के लिए उच्च संभावना दिखाई दी, जो अक्सर अन्य मॉडलों की तुलना में पसंद किए गए। हालांकि AI सह-वैज्ञानिक द्वारा उपयोग किए गए सटीक कम्प्यूटेशनल संसाधनों का खुलासा नहीं किया गया, Google का सुझाव है कि DeepSeek R1 जैसे मॉडलों द्वारा प्रदर्शित कम्प्यूटिंग शक्ति की घटती लागत जल्द ही ऐसे AI सिस्टम को शोध प्रयोगशालाओं के लिए व्यापक रूप से सुलभ बना सकती है।