Artificial Leviathan: Exploring Social Evolution of LLM Agents Through the Lens of Hobbesian Social Contract Theory

एक डिजिटल सैंडबॉक्स की कल्पना कीजिए जहाँ वैज्ञानिक केवल पुल नहीं बनाते या गेम कोड नहीं करते, बल्कि शून्य से पूरे समाज उगाने की कोशिश करते हैं। यह कम्प्यूटेशनल सोशल साइंस (computational social science) की दुनिया है, एक ऐसा क्षेत्र जहाँ शोधकर्ता यह सिम्युलेट करने के लिए कंप्यूटर का उपयोग करते हैं कि लोगों के समूह (या इस मामले में, कंप्यूटर प्रोग्राम) कैसे परस्पर क्रिया करते हैं, लड़ते हैं और सहयोग करते हैं। इस विशिष्ट प्रयोग को समझने के लिए, आपको दो बड़े विचारों को जानने की आवश्यकता है। पहला, "स्टेट ऑफ नेचर" (State of Nature) की अवधारणा है, जो दार्शनिक थॉमस हॉब्स का एक प्रसिद्ध विचार प्रयोग है। उन्होंने एक ऐसी दुनिया की कल्पना की थी जहाँ सरकारें अस्तित्व में नहीं थीं, जहाँ हर कोई स्वतंत्र था लेकिन डरा हुआ भी था, जिससे संसाधनों की कमी के कारण "सभी के विरुद्ध सभी का युद्ध" की स्थिति बनी रहती थी। दूसरा, "सोशल कॉन्ट्रैक्ट" (Social Contract) का विचार है, यह विचार कि लोग अंततः सुरक्षा और शांति के बदले में एक शक्तिशाली नेता (एक संप्रभु/sovereign) को अपनी कुछ स्वतंत्रता देने के लिए सहमत होते हैं। वैज्ञानिकों को इसकी परवाह है क्योंकि यदि हम समझ सकें कि कंप्यूटर सिमुलेशन में ये प्राचीन मानवीय पैटर्न कैसे उभरते हैं, तो हम यह सीख सकते हैं कि वास्तविक समाज कैसे बनते हैं, संघर्ष क्यों होते हैं, और अराजकता से व्यवस्था कैसे उत्पन्न होती है।

इस शोध पत्र में, शोधकर्ताओं की एक टीम ने लार्ज लैंग्वेज मॉडल्स (LLMs) द्वारा संचालित आर्टिफिशियल इंटेलिजेंस एजेंटों से भरा एक डिजिटल प्लेग्राउंड बनाया—वही स्मार्ट तकनीक जो चैटबॉट्स के पीछे है। उन्होंने इन एजेंटों को अच्छे या बुरे होने के लिए जटिल नियम प्रोग्राम नहीं किए। इसके बजाय, उन्होंने उन्हें सरल, मौलिक प्रवृत्तियाँ दीं: उन्हें जीवित रहने के लिए भोजन की आवश्यकता थी, उनके पास खेती के लिए भूमि थी, और उनमें "आक्रामकता" या "शांति की इच्छा" जैसे व्यक्तित्व लक्षण थे। एजेंटों ने एक "स्टेट ऑफ नेचर" से शुरुआत की, जो एक अराजक वातावरण था जहाँ वे खेती कर सकते थे, व्यापार कर सकते थे, या एक-दूसरे को लूट सकते थे। शुरुआत में, ठीक वैसे ही जैसे हॉब्स ने भविष्यवाणी की थी, एजेंट जंगली थे। उन्होंने अपना अधिकांश समय लड़ने और संसाधन चुराने में बिताया, जिससे एक अस्त-व्यस्त, हिंसक दुनिया बन गई।

हालाँकि, जैसे-जैसे सिमुलेशन दिन-प्रतिदिन चलता गया, कुछ जादुई हुआ। एजेंटों ने अपने अनुभवों से सीखना शुरू कर दिया। उन्होंने महसूस किया कि निरंतर लड़ना थकाऊ और खतरनाक था। धीरे-धीरे, उन्होंने "सामाजिक अनुबंध" (social contracts) बनाना शुरू कर दिया। एक कमजोर एजेंट एक मजबूत एजेंट को अपना कुछ भोजन या भूमि देने का विकल्प चुनेगा, इसलिए नहीं कि उसे मजबूर किया गया था, बल्कि इसलिए क्योंकि वह सुरक्षा चाहता था। बदले में, मजबूत एजेंट ने उन्हें अन्य लुटेरों से बचाने का वादा किया। यह कोई एक बार का सौदा नहीं था; इसने वफादारी की एक श्रृंखला बनाई। अंततः, सिमुलेशन के सभी एजेंटों ने, प्रत्यक्ष या अप्रत्यक्ष रूप से, एक एकल "संप्रभु" (Sovereign) एजेंट के प्रति अपनी निष्ठा की शपथ ली। परिणाम एक "कॉमनवेल्थ" (Commonwealth) था: एक शांतिपूर्ण समाज जहाँ हिंसा नाटकीय रूप से कम हो गई, और एजेंट लड़ने के बजाय खेती और व्यापार करने में अपना समय बिताने लगे।

शोधकर्ताओं ने नियमों में बदलाव करके यह परीक्षण किया कि यह कहानी कितनी सुदृढ़ है। उन्होंने पाया कि यदि एजेंटों की याददाश्त बहुत कम थी (केवल पिछला दिन याद रखना), तो वे सहयोग करना नहीं सीख सके और समाज अराजक बना रहा। लेकिन यदि वे अपने पिछले संवादों को अधिक याद रख सकते थे, तो उन्होंने शांति के लाभों को बहुत तेज़ी से समझ लिया। दिलचस्प बात यह है कि उन्होंने यह भी पाया कि यदि एजेंट अपने सोचने के तरीके में बहुत अधिक अनुमानित (predictable) थे, तो वे हिंसा के चक्रों में फंस गए और कभी समाज नहीं बना सके। अध्ययन बताता है कि LLMs, जब उन्हें उत्तरजीविता की सहज प्रवृत्ति और स्मृति का सही मिश्रण दिया जाता है, तो वे स्वाभाविक रूप से जटिल सामाजिक संरचनाओं को विकसित कर सकते हैं जो मानव इतिहास को दर्शाती हैं, बिना किसी के उन्हें स्पष्ट रूप से प्रोग्राम किए समाज की ओर बढ़ने के।