साइंस के लिए AIमध्यमपाठ 2566 मिनट का पाठ

AI लैब सहायक और ऑटोमेटेड प्रयोग

AI रिसर्च पेपर्स खोज सकता है, प्रयोगों की योजना बनाने में मदद कर सकता है और सेल्फ़-ड्राइविंग लैब्स में रोबोट्स के लिए अगला प्रयोग चुन सकता है। लेकिन सुरक्षा और मानवीय फ़ैसले हमेशा सबसे ऊपर रहते हैं।

✦ ट्यूटर से पूछें🧪 लैब · 30 min📝 पाठ का टेस्ट
पाठ वीडियो में

60 सेकंड में

AI लैब सहायक और ऑटोमेटेड प्रयोग

AI रिसर्च पेपर्स खोज सकता है, प्रयोगों की योजना बनाने में मदद कर सकता है और सेल्फ़-ड्राइविंग लैब्स में रोबोट्स के लिए अगला प्रयोग चुन सकता है। लेकिन सुरक्षा और मानवीय फ़ैसले हमेशा…

1/6
आसान शब्दों में
सोचिए कि आप केक बेक कर रहे हैं और सबसे अच्छी रेसिपी खोजने की कोशिश कर रहे हैं। आप एक केक बेक करते हैं, उसे चखते हैं, और फिर तय करते हैं कि आगे क्या बदलना है: ज़्यादा चीनी? कम समय? एक सेल्फ़-ड्राइविंग लैब यही काम रोबोट्स की मदद से करती है। रोबोट चीज़ों को मिलाता और नापता है, और एक AI तय करता है कि आगे क्या आज़माना है। लेकिन क्या बेक करना सुरक्षित है, यह फ़ैसला अभी भी कोई बड़ा व्यक्ति (इंसान) ही करता है!

लैब में मदद के तीन प्रकार

मददयह कैसा दिखता हैमुख्य जोखिम
रिसर्च पेपर्स की खोज (Literature search)एक AI टूल आपके सवाल से जुड़े पेपर्स ढूंढता है और उनका सार (summary) देता है।ज़रूरी पेपर्स छूट जाना, गलत सार मिलना, या ऐसे संदर्भ (references) जो असल में हैं ही नहीं।
प्रयोगों की योजना बनानाएक चैटबॉट या एजेंट तरीके, कंट्रोल्स और स्टेप-बाय-स्टेप योजना का सुझाव देता है।ऐसी योजनाएं जो सुनने में अच्छी लगती हैं लेकिन असुरक्षित, अव्यावहारिक हैं या जिनमें कंट्रोल्स की कमी है।
ऑटोमेटेड प्रयोगरोबोट प्रयोग करते हैं; सॉफ़्टवेयर नतीजों के आधार पर अगला प्रयोग चुनता है।उपकरणों या रसायनों से जुड़ी दुर्घटनाएं, और ऐसे नतीजे जो सिर्फ़ उस रोबोट के सेटअप पर ही काम करते हैं।

रिसर्च पेपर्स की खोज: तेज़ है, लेकिन हर चीज़ की जांच करें

विज्ञान दूसरों की खोजों पर आगे बढ़ता है। AI टूल्स आपको कई पेपर्स खोजने, मिलते-जुलते काम का पता लगाने और उनका सार निकालने में मदद कर सकते हैं। इससे समय बचता है, खासकर जब आप कोई नया विषय शुरू करते हैं।
सावधान रहें
लैंग्वेज मॉडल ऐसे रेफरेंस बना सकते हैं जो असली लगते हैं लेकिन असल में होते ही नहीं: एक भरोसेमंद शीर्षक, असली लगने वाले लेखकों के नाम और किसी जर्नल का नाम। किसी भी चीज़ का हवाला (cite) देने से पहले, मूल पेपर को खुद खोलकर देखें। शीर्षक, लेखक, वर्ष जांचें और यह भी देखें कि क्या उसमें वास्तव में वही लिखा है जिसका आप हवाला दे रहे हैं।
  • ऐसे टूल्स का इस्तेमाल करें जो सीधे स्रोतों से लिंक करते हों, और उन लिंक्स पर क्लिक करके देखें।
  • आप जिस भी पेपर का हवाला देते हैं, कम से कम उसका सार (abstract) और मुख्य नतीजे ज़रूर पढ़ें।
  • प्रीप्रिंट्स के लिए arXiv जैसे ओपन आर्काइव्ज़ में खोजें। याद रखें कि प्रीप्रिंट्स की अभी अन्य विशेषज्ञों द्वारा समीक्षा (peer review) नहीं की गई होती है।

AI के साथ प्रयोगों की योजना बनाना

चैटबॉट विचारों पर चर्चा के लिए उपयोगी हो सकता है: "इस प्रयोग में क्या कंट्रोल्स होने चाहिए?" या "इसमें क्या गड़बड़ हो सकती है?" यह आपको कोई ऐसी चीज़ याद दिला सकता है जो आप भूल गए हों। लेकिन यह आपकी लैब, आपके उपकरणों, आपके स्थानीय नियमों या आपकी सुरक्षा सीमाओं को नहीं जानता।
कमज़ोर योजना
  • AI की योजना को हूबहू कॉपी करना
  • कोई कंट्रोल ग्रुप न होना
  • रसायनों या जीवित चीज़ों के लिए कोई सुरक्षा समीक्षा न होना
मजबूत योजना
  • AI के सुझावों को एक चेकलिस्ट की तरह इस्तेमाल करना, फिर फ़ैसला खुद लेना
  • स्पष्ट कंट्रोल्स और एक बार में सिर्फ़ एक बदलाव करना
  • शुरू करने से पहले सुपरवाइज़र और सुरक्षा अधिकारी की मंज़ूरी लेना

सेल्फ़-ड्राइविंग लैब्स

एक सेल्फ़-ड्राइविंग लैब में, रोबोट प्रयोग करते हैं, जैसे रसायन मिलाना या किसी सामग्री को नापना, और सॉफ़्टवेयर यह तय करता है कि आगे क्या आज़माना है। यह चक्र कई बार चलता है, अक्सर किसी इंसान की गति से कहीं ज़्यादा तेज़ी से।
  1. 1

    लक्ष्य और सीमाएं तय करें

    इंसान लक्ष्य, इस्तेमाल होने वाले रसायनों और सुरक्षा सीमाओं को तय करते हैं।
  2. 2

    प्रयोग चुनें

    सॉफ़्टवेयर अगला ऐसा नुस्खा (recipe) चुनता है जिससे सीखने की सबसे ज़्यादा उम्मीद हो।
  3. 3

    रोबोट इसे चलाता है

    मशीनें हर बार एक ही तरीके से मिलाती हैं, गर्म करती हैं, नापती हैं और रिकॉर्ड करती हैं।
  4. 4

    मॉडल को अपडेट करें

    नतीजे को डेटा में जोड़ दिया जाता है। मॉडल के अनुमान पहले से बेहतर हो जाते हैं।
  5. 5

    दोहराएं, फिर इंसान समीक्षा करें

    वैज्ञानिक सबसे अच्छे नतीजों की जांच करते हैं, मुख्य प्रयोगों को खुद दोहराते हैं और तय करते हैं कि उनके क्या मायने हैं।
अगला प्रयोग चुनने का एक आम तरीका दो लक्ष्यों में संतुलन बनाना है: ऐसे नुस्खे आज़माना जो अब तक सबसे अच्छे लगे हैं, और ऐसे नुस्खे आज़माना जिनके बारे में मॉडल सबसे ज़्यादा अनिश्चित है। इससे लैब को बिना सब कुछ टेस्ट किए जल्दी सीखने में मदद मिलती है।

सुरक्षा सबसे पहले

ख़तरा
ऑटोमेटेड लैब्स और AI प्लानिंग टूल्स बहुत तेज़ी से गलतियां कर सकते हैं। रासायनिक, जैविक और भौतिक सुरक्षा नियम अभी भी लागू होते हैं। जोखिम भरे काम के लिए प्रशिक्षित लोगों, मंज़ूरियों और भौतिक सुरक्षा उपायों की ज़रूरत होती है। किसी योग्य सुपरवाइज़र के बिना खतरनाक पदार्थों से जुड़ी किसी भी AI-सुझाई गई प्रक्रिया पर कभी अमल न करें।
  • किसी भी नए तरह के काम से पहले इंसान की मंज़ूरी का नियम रखें।
  • सिर्फ़ निर्देशों में ही नहीं, बल्कि हार्डवेयर और सॉफ़्टवेयर में भी सख्त सीमाएं (hard limits) तय करें।
  • हर काम का लॉग रखें ताकि समस्याओं का पता लगाया जा सके।
  • कुछ जानकारियों का गलत इस्तेमाल हो सकता है। ज़िम्मेदार टूल्स और लैब्स खतरनाक पदार्थों से जुड़ी मदद पर रोक लगाते हैं।
असली उदाहरण
कोच्चि के एक कॉलेज का केमिस्ट्री क्लब स्थानीय पौधों से प्राकृतिक रंग बनाने पर पेपर्स खोजने के लिए एक AI टूल का इस्तेमाल करता है। यह दस पेपर्स सुझाता है। जब छात्र जांच करते हैं, तो पता चलता है कि दो रेफरेंस असल में हैं ही नहीं। वे बाकी आठ असली पेपर्स को रखते हैं, उन्हें पढ़ते हैं, और एक हमेशा काम आने वाली आदत सीखते हैं: हर स्रोत की जांच करें।

और देखें और पढ़ें

arXiv: open archive of research preprintsarXiv · reading

लैब

एक साधारण प्रयोग के लिए एक सुरक्षित, जांची-परखी योजना, जो AI की मदद से बनाई गई हो और जिसे आपने खुद चेक किया हो।

~30 min

समस्या

एक आसान और सुरक्षित प्रयोग चुनें जिसे आप घर या स्कूल में कर सकें, उदाहरण के लिए: "क्या पानी की मात्रा से मूंग के बीजों के अंकुरित होने की गति बदलती है?"

  1. किसी चैटबॉट से प्रयोग की योजना सुझाने के लिए कहें, जिसमें कंट्रोल्स और क्या नापना है, यह शामिल हो। उसका जवाब सेव कर लें।
  2. उससे बीजों के अंकुरण पर तीन रेफरेंस मांगें। हर एक को खोजने की कोशिश करें। हर रेफरेंस को इस तरह मार्क करें: मिल गया और काम का है, मिल गया लेकिन काम का नहीं है, या नहीं मिला।
  3. योजना की समीक्षा करें। जो कुछ भी असुरक्षित, अव्यावहारिक या छूटा हुआ लगे (जैसे कोई कंट्रोल, दोहराव (repeats), या आप कैसे नापेंगे), उसे मार्क करें।
  4. अपनी अंतिम योजना दस लाइनों या उससे कम में लिखें: सवाल, आप क्या बदलते हैं, आप क्या समान रखते हैं, आप क्या नापते हैं, कितनी बार दोहराते हैं, सुरक्षा नोट्स।
  5. एक लाइन यह जोड़ें कि आपने AI का इस्तेमाल कैसे किया।

आपका काम तब पूरा होगा जब

कठिन सवाल

उत्तर देखने से पहले ख़ुद जवाब देने की कोशिश करें। अगर आप इनके जवाब दे सकते हैं, तो आप पाठ समझ गए हैं।

Q1चैटबॉट की योजना में प्रति ग्रुप पाँच बीजों का इस्तेमाल किया गया है। यह बहुत कम क्यों हो सकता है?दिखाएं

बीज प्राकृतिक रूप से एक-दूसरे से भिन्न होते हैं। प्रति ग्रुप सिर्फ़ पाँच बीजों के साथ, एक या दो असामान्य बीज भी औसत को बहुत बदल सकते हैं, और आपको ऐसा अंतर दिख सकता है जो सिर्फ़ संयोग हो। ज़्यादा बीज लेने और प्रयोग को दोहराने से नतीजे ज़्यादा भरोसेमंद बनते हैं। काम शुरू करने से पहले सैंपल का आकार तय करना अच्छी योजना का हिस्सा है।

Q2सेल्फ़-ड्राइविंग लैब के सबसे अच्छे नतीजे को हाथ से या किसी दूसरी लैब में क्यों दोहराया जाना चाहिए?दिखाएं

रोबोट के सेटअप में कुछ अपनी गड़बड़ियाँ हो सकती हैं: कोई सेंसर जो थोड़ी ज़्यादा रीडिंग देता हो, केमिकल्स का कोई बैच, या तापमान का कोई पैटर्न। जो नतीजा सिर्फ़ एक ही सेटअप में दिखता है, हो सकता है वह असली न हो। इसे स्वतंत्र रूप से दोहराने से यह पक्का होता है कि यह खोज प्रकृति के बारे में है, न कि मशीन के बारे में।

जारी रखने के लिए कृपया साइन इन करें।

अक्सर पूछे जाने वाले सवाल

क्या कोई AI एजेंट पूरा रिसर्च प्रोजेक्ट अपने आप चला सकता है?

AI एजेंट्स खोज करने, कोडिंग करने और डेटा का विश्लेषण करने जैसे कई चरणों वाले कामों में बेहतर हो रहे हैं। लेकिन रिसर्च के लिए अच्छे सवालों, सोच-समझकर किए गए फ़ैसलों, सुरक्षित लैब वर्क और नतीजों की ज़िम्मेदारी की भी ज़रूरत होती है। आज भी ज़िम्मेदारी इंसानों की ही है, और गंभीर काम के हर ज़रूरी कदम पर मानवीय समीक्षा की ज़रूरत होती है।

AI टूल्स मनगढ़ंत रेफरेंस क्यों बनाते हैं?

लैंग्वेज मॉडल ऐसा टेक्स्ट लिखता है जो दिखने में सही लगे। एक रेफरेंस में लेखक, शीर्षक और जर्नल का एक पैटर्न होता है, और मॉडल ऐसा पैटर्न बना सकता है जो बिल्कुल सही लगे, भले ही ऐसा कोई पेपर मौजूद ही न हो। जो टूल्स असली डेटाबेस में खोज करते हैं और स्रोतों के लिंक देते हैं, वे इसे कम करते हैं, लेकिन फिर भी आपको खुद जांच करने की ज़रूरत होती है।

क्या सेल्फ़-ड्राइविंग लैब्स सिर्फ़ अमीर संस्थानों के लिए हैं?

बड़ी ऑटोमेटेड लैब्स महंगी होती हैं। लेकिन इन विचारों को छोटे स्तर पर भी इस्तेमाल किया जा सकता है: जैसे एक साधारण स्क्रिप्ट जो आपके नतीजों के आधार पर अगला प्रयोग सुझाए, या सस्ते ओपन-सोर्स हार्डवेयर। सबसे मुख्य कौशल है सावधानीपूर्वक प्रयोग की योजना बनाना, जिसे कोई भी सीख सकता है।

क्या स्कूल साइंस प्रोजेक्ट की योजना बनाने के लिए AI का इस्तेमाल करना ठीक है?

हाँ, एक मददगार के तौर पर। नए विचारों पर सोचने और यह देखने के लिए इसका इस्तेमाल करें कि कहीं कोई कंट्रोल तो नहीं छूट गया। फिर अपनी खुद की योजना बनाएं, अपने शिक्षक से इसकी जांच करवाएं, और स्कूल के सुरक्षा नियमों का पालन करें। अपनी रिपोर्ट में बताएं कि आपने AI का इस्तेमाल किया था और कैसे किया था।

पाठ का टेस्ट

5 सवाल। पास होने और इस पाठ को पूरा करने के लिए 3 सही होने चाहिए (60%)।

टेस्ट देने और अपनी प्रोग्रेस सेव करने के लिए साइन इन करें