Persona-driven Simulation of Voting Behavior in the European Parliament with Large Language Models
यह शोध पत्र प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स के साथ ज़ीरो-शॉट पर्सोना प्रॉम्प्टिंग, यूरोपीय संसद के सदस्यों के मतदान व्यवहार का उचित रूप से अनुकरण कर सकता है और राजनीतिक समूहों के रुख की सटीक भविष्यवाणी कर सकता है, जिससे लगभग 0.793 का वेटेड एफ1 (weighted F1) स्कोर प्राप्त होता है।
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
कल्पना कीजिए कि यूरोपीय संसद एक विशाल, अराजक रसोईघर है जहाँ 700 शेफ (सांसद, या MEPs) यूरोप के लिए एक विशाल मेनू तय करने की कोशिश कर रहे हैं। प्रत्येक शेफ एक विशिष्ट पाक शैली (उनकी राष्ट्रीय पार्टी) और एक व्यापक स्वाद प्रोफाइल समूह (उनके यूरोपीय राजनीतिक समूह) से संबंधित है। कभी-कभी, वे सभी रेसिपी पर सहमत होते हैं; अन्य समय में, "स्पाइसी" समूह का एक शेफ "स्वीट" डिश में नमक डालना चाह सकता है, या एक शेफ बस भोजन चखने से ही मना कर सकता है।
इस शोध पत्र के शोधकर्ताओं ने एक बड़ा सवाल पूछा: क्या हम एक सुपर-स्मार्ट AI रोबोट का उपयोग कर सकते हैं जो इन 700 शेफों में से प्रत्येक होने का नाटक करे और यह अनुमान लगाए कि वे इन रेसिपीज़ पर कैसे वोट देंगे?
यहाँ उनके प्रयोग का सरल विवरण दिया गया है:
1. समस्या: रोबोट का "डिफ़ॉल्ट व्यक्तित्व"
उनके द्वारा उपयोग किए गए AI रोबोट (जिन्हें लार्ज लैंग्वेज मॉडल्स या LLMs कहा जाता है) उन छात्रों की तरह हैं जिन्होंने लाइब्रेरी की लगभग हर किताब पढ़ ली है। इस कारण से, उनका एक "डिफ़ॉल्ट व्यक्तित्व" होता है। शोधकर्ताओं ने पाया कि, डिफ़ॉल्ट रूप से, ये रोबोट बहुत प्रगतिशील और वामपंथी होने की प्रवृत्ति रखते हैं। यदि आप उनसे बस पूछते हैं, "इस कानून के बारे में आपका क्या विचार है?" तो वे लगभग हमेशा उन चीजों के लिए "हाँ" कहेंगे जो अच्छी लगती हैं और उन चीजों के लिए "नहीं" कहेंगे जो सख्त लगती हैं, चाहे पूछने वाला कोई भी हो।
2. समाधान: "मेथड एक्टर" वाली ट्रिक
इसे ठीक करने के लिए, शोधकर्ताओं ने पर्सोना प्रॉम्प्टिंग (Persona Prompting) नामक तकनीक का उपयोग किया। इसे एक फिल्म के लिए अभिनेता को कास्ट करने जैसा समझें।
- बजाय इसके कि आप रोबोट से पूछें, "आपका क्या विचार है?"
- उन्होंने कहा, "जर्मनी के शेफ हंस होने का नाटक करो। तुम 50 साल के हो, तुम 'ग्रीन पार्टी' पाक विद्यालय से संबंध रखते हो, और तुम्हें जैविक खेती की गहरी चिंता है। अब, शेफ हंस इस नए कानून के बारे में क्या सोचते हैं?"
उन्होंने रोबोट को एक "कैरेक्टर शीट" (एक पर्सोना) दी जिसमें शेफ का नाम, आयु, देश और राजनीतिक दल शामिल था, और फिर उनसे 47 अलग-अलग कानूनों पर वोट करने के लिए कहा।
3. प्रयोग: अभिनेताओं का परीक्षण
उन्होंने चार अलग-अलग AI मॉडल (कुछ बड़े, कुछ छोटे; कुछ पश्चिम के, कुछ पूर्व के) का परीक्षण किया ताकि यह देखा जा सके कि कौन सा मॉडल राजनेताओं की भूमिका निभाने में सबसे अच्छा है। उन्होंने पूछने के दो मुख्य तरीके आजमाए:
- "स्नैप" विधि (The "Snap" Method): "तुरंत पक्ष (FOR) या विपक्ष (AGAINST) में वोट दें।"
- "पहले सोचें" विधि (The "Think First" Method): "एक वास्तविक राजनेता की तरह अपने तर्क समझाएं, फिर वोट दें।"
4. परिणाम: कितने अच्छे थे अभिनेता?
परिणाम आश्चर्यजनक रूप से अच्छे थे, लेकिन कुछ मजेदार विचित्रताओं के साथ:
- हिट रेट (The Hit Rate): सबसे अच्छे AI सेटअप ने लगभग 79% सटीकता प्राप्त की। यह एक राजनीति विज्ञान की परीक्षा में 'A-' ग्रेड पाने वाले छात्र जैसा है। यह एकदम सटीक नहीं है, लेकिन यह सब कुछ "हाँ" कहने से कहीं बेहतर है।
- "अब्स्टेन" (वोट न देने) की अंध बिंदु (The "Abstain" Blind Spot): रोबलेट इस बात का अनुमान लगाने में बहुत खराब थे कि एक राजनेता कब कहेगा, "मैं आज वोट नहीं दे रहा हूँ।" वास्तविक जीवन में, राजनेता रणनीतिक कारणों से कभी-कभी वोट छोड़ देते हैं। हालाँकि, रोबोट लगभग हमेशा "हाँ" या "नहीं" का उत्तर देने के लिए मजबूर करते हैं। यह एक ऐसे रोबोट की तरह है जो "मुझे नहीं पता" कहने से इनकार कर देता है।
- "पार्टी लाइन" का नियम (The "Party Line" Rule): AI ने राजनीति विज्ञान से एक बहुत महत्वपूर्ण सबक सीखा: सबसे महत्वपूर्ण चीज़ राष्ट्रीय पार्टी है। यदि आप रोबोट को राजनेता का नाम और उनकी राष्ट्रीय पार्टी बताते हैं, तो वह लगभग हर बार सही अनुमान लगाता है। यदि आप उसे केवल राजनेता का नाम बताते हैं, तो यह थोड़ा खराब है। यदि आप उसे सब कुछ बताते हैं (आयु, जन्मस्थान, आदि), तो यह सबसे अच्छा है।
- "वामपंथी झुकाव" (The "Left-Leaning" Bias): यहाँ तक कि एक रूढ़िवादी (conservative) राजनेता का नाटक करते समय भी, रोबोट को संघर्ष करना पड़ा। यदि राजनेता बहुत अधिक दक्षिणपंथी (far-right) था (रोबोट के डिफ़ॉल्ट व्यक्तित्व के विपरीत), तो रोबोट कभी-कभी भ्रमित हो जाता था और एक उदारवादी (liberal) की तरह वोट करता था। यह एक ऐसे अभिनेता की तरह है जो नायक की भूमिका निभाने का इतना आदी है कि वह खलनायक के दिमाग में पूरी तरह नहीं उतर पाता।
5. "काउंटर-फैक्टुअल" टेस्ट: क्या उन्हें मनाया जा सकता है?
शोधकर्ताओं ने एक चालाकी भरा परीक्षण किया। उन्होंने एक कानून के पक्ष में तर्क देने वाला भाषण लिया, और AI को उस भाषण को कानून के खिलाफ तर्क देने के लिए फिर से लिखने को कहा (वही तथ्य रखते हुए, बस राय बदल दी गई)।
- निष्कर्ष: जब उन्होंने यह "उल्टा" भाषण एक ऐसे रोबोट को दिया जो राजनीतिक केंद्र के राजनेता का नाटक कर रहा था, तो रोबोट अडिग रहा। लेकिन जब यह भाषण एक ऐसे रोबोट को दिया गया जो राजनीतिक चरम (far-left या far-right) के राजनेता का नाटक कर रहा था, तो रोबोट अक्सर अपना वोट बदल देता था!
- रूपक (Metaphor): यह एक जिद्दी खच्चर (केंद्र के राजनेता) की तरह है जो दृश्य बदलने पर भी नहीं हिलता, बनाम एक गिरगिट (चरम के राजनेता) की तरह जो तर्क बदलने पर रंग बदल लेता है! यह सुझाव देता है कि AI वास्तव में उस व्यक्ति का "बनने" में संघर्ष करता है जिसके विचार इसके अपने प्रशिक्षण के बिल्कुल विपरीत हों।
6. यह क्यों मायने रखता है?
यह वास्तविक राजनेताओं को रोबोट से बदलने के बारे में नहीं है। इसके बजाय, यह शोधकर्ताओं के लिए एक उपकरण है।
- सिमुलेशन (Simulation): यह हमें "क्या होगा अगर?" वाले परिदृश्यों का अनुकरण करने की अनुमति देता है। "क्या होगा यदि यह नया कानून पारित हो जाता है? फ्रांसीसी ग्रीन पार्टी कैसी प्रतिक्रिया देगी?"
- पूर्वाग्रह को समझना (Understanding Bias): यह हमें यह देखने में मदद करता है कि AI में कहाँ पूर्वाग्रह है। यदि AI संदेहवादी होने का नाटक करते हुए भी पर्यावरणीय कानूनों पर लगातार "हाँ" वोट देता है, तो हम जानते हैं कि AI में उन विषयों के प्रति एक अंतर्निहित पूर्वाग्रह है।
- भविष्य: शोधकर्ताओं ने पाया कि वोट देने से पहले AI को "ज़ोर से सोचने" के लिए कहना उसे विभिन्न भूमिकाएँ निभाने में बहुत बेहतर बनाता है, विशेष रूप से छोटे, कम शक्तिशाली AI मॉडल के लिए।
निचोड़ (The Bottom Line)
यह शोध पत्र दिखाता है कि AI राजनीति के लिए एक आश्चर्यजनक रूप से अच्छा "मेथड एक्टर" हो सकता है। यदि आप इसे एक कैरेक्टर शीट देते हैं और इसे बोलने से पहले सोचने के लिए कहते हैं, तो यह लगभग 80% बार वास्तविक राजनेताओं के मतदान के तरीके की नकल कर सकता है। हालाँकि, यह अभी भी "रणनीतिक चुप्पी" (वोट न देने) की बारीकियों के साथ संघर्ष करता है और कभी-कभी अपने स्वयं के "डिफ़ॉल्ट व्यक्तित्व" में फंस जाता है जब इसे अपने से बिल्कुल अलग व्यक्तित्व निभाने के लिए कहा जाता है।
संक्षेप में: AI राजनीति का एक बेहतरीन छात्र है, लेकिन वह अभी भी किसी ऐसे व्यक्ति के जूते पहनने में सीख रहा है जिसका विश्वदृष्टि (worldview) पूरी तरह से अलग हो।
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।