Achieving Unanimous Consensus Through Multi-Agent Deliberation
यह शोध पत्र एक नवीन ब्लॉकचेन सर्वसम्मति तंत्र का प्रस्ताव करता है जो पूर्ण या क्रमिक सर्वसम्मति प्राप्त करने के लिए एक संरचित, बहु-चरणीय विचार-विमर्श प्रक्रिया में तर्कसंगत एजेंटों के रूप में लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करता है, जिससे मुख्य ब्लॉकचेन गुणों को बनाए रखते हुए और प्रतिकूल चुनौतियों का समाधान करते हुए जटिल निर्णय लेने के लिए अनुकूलन क्षमता को बढ़ाया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक ब्लॉकचेन की कल्पना एक ठंडे, डिजिटल लेजर के रूप में नहीं, बल्कि एक उच्च-दांव वाले जूरी रूम (जूरी कक्ष) के रूप में करें जहाँ लक्ष्य केवल बहुमत से जीतना नहीं है, बल्कि सभी को बिल्कुल एक ही उत्तर पर सहमत करना है। यह इस शोध पत्र का मुख्य विचार है: आर्टिफिशियल इंटेलिजेंस (विशेष रूप से, लार्ज लैंग्वेज मॉडल्स या LLMs) का उपयोग करके एक टीम के तर्कसंगत ज्यूरों की तरह कार्य करना जो तब तक अपने विचारों पर चर्चा, बहस और उन्हें परिष्कृत करते हैं जब तक कि वे एक सर्वसम्मत निर्णय पर नहीं पहुँच जाते।
समस्या: क्यों "बहुमत का नियम" पर्याप्त नहीं है
आज के अधिकांश ब्लॉकचेन एक शोर-शराबे वाली भीड़ की तरह काम करते हैं जहाँ सबसे तेज़ आवाज़ वाला समूह जीत जाता है। यदि 51% कंप्यूटर सहमत हैं, तो निर्णय ले लिया जाता है। यह पैसा भेजने के लिए बहुत अच्छा काम करता है, लेकिन लेखक तर्क देते हैं कि यह अदालती फैसलों, स्वास्थ्य देखभाल विकल्पों या सरकारी नीतियों जैसे गंभीर, उच्च-दांव वाले निर्णयों के लिए एक बुरा विकल्प है।
इसे इस तरह सोचें: यदि आप यह तय करने जा रहे थे कि क्या एक नई दवा लॉन्च करनी चाहिए या किसी को जेल भेजना चाहिए, तो आप एक ऐसी प्रणाली नहीं चाहेंगे जो कहती हो, "खैर, 51% डॉक्टरों को लगता है कि यह सुरक्षित है, तो चलिए आगे बढ़ते हैं।" आप चाहते हैं कि सभी एक ही पृष्ठ पर हों। वर्तमान ब्लॉकचेैन सिस्टम संघर्ष करते हैं क्योंकि वे गति और दोष-सहनशीलता (fault-tolerance) के लिए बने हैं, न कि गहरी, संरचित बातचीत के लिए। उनके पास कोई तरीका नहीं है जिससे वे "हैंड-अप" (रुकावट) लगा सकें यदि समूह सहमत नहीं हो पाता, और न ही उनके पास वास्तव में एक-दूसरे से बात करने का कोई तंत्र है ताकि वे अपने विचार बदल सकें।
समाधान: एआई (AI) "डेलिब्रेशन" पार्टी
लेखक एक ऐसी नई प्रणाली का प्रस्ताव करते हैं जहाँ नेटवर्क में प्रत्येक कंप्यूटर (नोड) अपना स्वयं का एआई मस्तिष्क चलाता है। केवल "हाँ" या "ना" चिल्लाने के बजाय, ये एआई एजेंट एक संरचित, बहु-चरणीय बातचीत में शामिल होते हैं।
यह प्रक्रिया चरण-दर-चरण इस प्रकार चलती है:
- प्रारंभिक दौर (आइसब्रेकर): समस्या पोस्ट की जाती है, और प्रत्येक एआई एजेंट अपनी पहली राय देता है। यह एक बैठक में हर किसी द्वारा अपनी राय देने जैसा है इससे पहले कि कोई और बोल सके।
- चिंतन दौर (गहन अध्ययन): यही वह जादु적인 हिस्सा है। एजेंट केवल वोट नहीं देते; वे सुनते हैं। दौरों की एक श्रृंखला में, प्रत्येक एआई अपने पड़ोसियों द्वारा कही गई बातों को पढ़ता है, उस पर विचार करता है, और अपने उत्तर को सुधारने की कोशिश करता है। यह फिल्मों की कहानी पर बहस करने वाले दोस्तों के समूह जैसा है; शुरुआत में वे असहमत हो सकते हैं, लेकिन एक-दूसरे के तर्कों को सुनने के बाद, वे शायद महसूस करेंगे, "ओह, मैं तुम्हारा बिंदु समझ गया," और अपना दृष्टिकोण बदल देंगे।
- सावधानी: पेपर नोट करता है कि यह "स्मार्टर" (बड़े) एआई मॉडल्स के साथ सबसे अच्छा काम करता है। उनके परीक्षणों में, बड़े मॉडल (जैसे 70-बिलियन पैरामीटर वाले) बातचीत करने के साथ बेहतर और अधिक सटीक होते गए। छोटे मॉडल (जैसे 13-बिलियन पैरामीटर वाले) कभी-कभी अटक जाते थे या यहाँ तक कि बदतर हो जाते थे, जो बातचीत के बाद भी सही और गलत उत्तर के बीच अंतर करने में असमर्थ थे।
- निष्कर्ष दौर (फैसला): यदि अंततः सभी सहमत हो जाते हैं, तो एआई पूरी बातचीत के इतिहास को लिख देता है और उसे ब्लॉकचेन पर एक नए "ब्लॉक" में लॉक कर देता है। यह निर्णय को पारदर्शी और अपरिवर्तनीय बनाता है। यदि वे निर्धारित दौरों के बाद भी सहमत नहीं हो पाते हैं, तो सिस्टम एक "खाली ब्लॉक" माइन करता है, जो प्रभावी रूप से कहता है, "हम सहमत नहीं हो सके, इसलिए हम इसे अभी के लिए टाल देते हैं।"
प्रयोगों ने क्या दिखाया
शोधकर्ताओं ने वास्तविक एआई मॉडल्स और एक संशोधित ब्लॉकचेन सिस्टम का उपयोग करके एक कार्यात्मक प्रोटोटाइप ("प्रूफ ऑफ कॉन्सेप्ट") बनाया। उन्होंने निम्नलिखित पाया:
- यह काम करता है, लेकिन इसमें समय लगता है: एक मानक ब्लॉकचेन वोट की तुलना में सर्वसम्मत सहमति प्राप्त करने में अधिक समय लगता है। लगने वाला समय इस बात पर निर्भर करता है कि कितने एआई एजेंट बात कर रहे हैं और बातचीत के कितने दौर हैं। सबसे बड़ी देरी एआई द्वारा वास्तव में अपने विचारों को उत्पन्न करने में लगने वाले समय से आती है।
- बड़े दिमाग जीतते हैं: अपने सिमुलेशन में, बड़े एआई मॉडल सही, सर्वसम्मत सहमति तक पहुँचने में बहुत बेहतर थे। छोटे मॉडल सही उत्तर खोजने में संघर्ष करते रहे, जो वास्तविक जीवन को दर्शाता है जहाँ विशेषज्ञों का एक समूह सीमित ज्ञान वाले समूह की तुलना में समाधान पर अधिक सहमत होने की संभावना रखता है।
- ब्लॉक का आकार: जब उन्होंने इन विचार-विमर्श (deliberations) को चलाया, तो एजेंटों और बातचीत के दौरों को बढ़ाने पर परिणामी डेटा ब्लॉक बढ़ते गए। उनके परीक्षणों में ब्लॉक 30KB से नीचे रहे, जो प्रबंधनीय है, लेकिन लेखक नोट करते हैं कि इन पूर्ण बातचीतों को ब्लॉकचेन पर संग्रहीत करना एक साधारण "हाँ/ना" वोट के मुकाबले एक नई चुनौती है।
"लेकिन..." (लेखक किस बात को लेकर चिंतित हैं)
पेपर सावधानीपूर्वक इसे एक पूर्ण, आदर्श उत्पाद कहने से बचता है। लेखक सुझाव देते हैं कि हालांकि यह प्रणाली काम कर सकती है, लेकिन वास्तविक दुनिया में तैयार होने से पहले कई बाधाओं को पार करना बाकी है:
- भ्रम (Hallucinations): एआई कभी-कभी चीजें बना लेता है। यदि एक एआई विचार-विमर्श के दौरान झूठ बोलता है, तो यह पूरे समूह के निर्णय को बिगाड़ सकता है।
- सुरक्षा जोखिम: बुरे तत्व भ्रमित करने वाले प्रॉम्प्ट के साथ एआई को धोखा देने की कोशिश कर सकते हैं या नकली पहचान के साथ नेटवर्क को भरने (Sybil attacks) का प्रयास कर सकते हैं।
- लागत: इन शक्तिशाली एआई मॉडल्स को चलाने के लिए बहुत अधिक कंप्यूटर पावर (GPUs) और बिजली की आवश्यकता होती है, जो महंगी हो सकती है।
निचोड़
यह पेपर ब्लॉकचेन के उपयोग का एक दिलचस्प नया तरीका सुझाता है: न केवल पैसे के लेजर के रूप में, बल्कि एक डिजिटल टाउन हॉल के रूप में जहाँ एआई एजेंट तब तक विचार-विमर्श करते हैं जब तक कि सभी सहमत न हो जाएं। यह "बहुमत के नियम" से "सर्वसम्मत सहमति" की ओर एक बदलाव है। जबकि प्रयोगों से पता चलता है कि यह संभव है और बड़े एआई मॉडल बेहतर काम करते हैं, लेखक इस बात पर जोर देते हैं कि यह अभी प्रारंभिक चरण का शोध है। उन्होंने सिद्ध किया है कि नियंत्रित सेटिंग में यह अवधारणा काम करती है, लेकिन अदालती मामलों या चिकित्सा नीतियों जैसे वास्तविक दुनिया के निर्णयों के लिए इसे सुरक्षित, स्केलेबल और विश्वसनीय बनाने के लिए अभी एक लंबा रास्ता तय करना बाकी है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।