Bayesian Social Deduction with Graph-Informed Language Models
यह शोध पत्र एक हाइब्रिड फ्रेमवर्क पेश करता है जो विश्वास अनुमान (belief inference) के लिए एक संरचित संभाव्य मॉडल को भाषा संवाद के लिए एक LLM के साथ जोड़ता है, जिससे एक सोशल डिटेक्शन एजेंट 'अवलॉन' के खेल में बड़े लैंग्वेज मॉडल्स और मानव खिलाड़ियों दोनों को पछाड़ने में सक्षम होता है और मनुष्यों के विरुद्ध 67% जीत दर प्राप्त करता 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 आप अपने पाँच दोस्तों के साथ माफिया (Mafia) या वेयरवोल्फ (Werewolf) का एक हाई-स्टेक्स गेम खेल रहे हैं। आप जानते हैं कि इसमें दो "जासूस" (दुष्ट टीम) हैं और चार "अच्छे नागरिक" (अच्छी टीम) हैं। जासूसों को पता है कि वे एक-दूसरे को पहचानते हैं, लेकिन अच्छे लोगों को नहीं पता कि वे कौन हैं। जीतने का एकमात्र तरीका बातचीत, वोटिंग और तर्क के माध्यम से जासूसों का पता लगाना है, जबकि जासूस आपको धोखा देने की कोशिश करते हैं।
यह पेपर एक AI को इस खेल को इंसानों और अन्य AI से बेहतर खेलने के लिए सिखाने के बारे में है, लेकिन एक चतुर ट्विस्ट के साथ।
समस्या: "ओवर-थिंकर" (ज़रूरत से ज़्यादा सोचने वाला) AI
वर्तमान सुपर-स्मार्ट AI मॉडल (जैसे कि वे जो निबंध लिखते हैं या गणित हल करते हैं) बहुत ज़्यादा सोचने वाले जीनियस डिटेक्टिव की तरह हैं।
- समस्या: जासूस का पता लगाने के लिए, ये AI एक शब्द भी बोलने से पहले अपने दिमाग में 10 पन्नों का विशाल निबंध लिखने की कोशिश करते हैं। वे यह तय करने के लिए कि किसे वोट देना है, हज़ारों शब्दों का "तर्क" (reasoning) उत्पन्न करते हैं।
- परिणाम: वे धीमे हैं, उन्हें चलाना महंगा है, और जब आप उन्हें तेज़ बनाने के लिए छोटा (जैसे फोन पर चलाने के लिए) करने की कोशिश करते हैं, तो वे भ्रमित हो जाते हैं और मूर्खतापूर्ण गलतियाँ करने लगते हैं। वे समय के साथ गेम की स्थिति को याद रखने में भी संघर्ष करते हैं, जैसे कि यह भूल जाना कि किसी विशिष्ट व्यक्ति ने तीन राउंड पहले मिशन में विफल होने में गलती की थी।
समाधान: GRAIL (द "डिटेक्टिव + कैलकुलेटर" टीम)
लेखकों ने एक नया AI बनाया जिसे GRAIL (ग्राफ रीजनिंग एजेंट इन्फॉर्म्ड थ्रू लैंग्वेज) कहा जाता है। एक विशाल मस्तिष्क जो सब कुछ करने की कोशिश करता है, इसके बजाय, उन्होंने काम को दो विशिष्ट भूमिकाओं में विभाजित कर दिया है, जैसे कि एक डिटेक्टिव (जासूस) और एक मैथमेटिशियन (गणितज्ञ) मिलकर काम कर रहे हों।
1. गणितज्ञ (द फैक्टर ग्राफ)
इसे एक कठोर, भावनाहीन कैलकुलेटर के रूप में सोचें।
- यह क्या करता है: यह भारी-भरकम भाषा को अनदेखा करता है और पूरी तरह से तथ्यों पर ध्यान केंद्रित करता है। "खिलाड़ी A उस समूह में था जिसने मिशन विफल किया। खिलाड़ी B नहीं था। केवल दो जासूस हैं। इसलिए, खिलाड़ी A के जासूस होने की संभावना अधिक है।"
- इसका जादू: यह संभावनाओं को ट्रैक करने के लिए एक संरचित मानचित्र ("फैक्टर ग्राफ") का उपयोग करता है। यह एक स्प्रेडशीट की तरह है जो हर बार जब कोई बोलता या वोट करता है, तो खुद को तुरंत अपडेट करती है। यह कभी नियम नहीं भूलता और न ही थकता है।
- यह क्यों अच्छा है: यह तेज़ है, सस्ता है, और इसे चलाने के लिए सुपरकंप्यूटर की आवश्यकता नहीं है। यह गेम के "लॉजिक" वाले हिस्से को पूरी तरह से संभालता है।
2. डिटेक्टिव (द लार्ज लैंग्वेज मॉडल)
इसे एक सोशल चैमेलियन (सामाजिक रूप से ढलने वाला) के रूप में सोचें।
- यह क्या करता है: यह चैट को सुनता है। यह कटाक्ष, हिचकिचाहट, या किसी खिलाड़ी द्वारा यह कहना सुनता है, "मैं पूरी तरह निर्दोष हूँ!" यह अनुमान लगाने के लिए अपने प्राकृतिक भाषा कौशल का उपयोग करता है कि कोई व्यक्ति बात करने के तरीके के आधार पर झूठ बोल रहा है या नहीं।
- ट्विस्ट: पूरे गेम को खुद हल करने की कोशिश करने के बजाय, यह गणितज्ञ को एक "अंदाज़ा" (hunch) देता है। यह कहता है, "हे, उस आदमी का लहजा संदिग्ध लग रहा है," और गणितज्ञ उस अंदाज़े को दर्शाने के लिए गणित को अपडेट कर देता है।
- यह क्यों अच्छा है: यह इंसानों की तरह बात कर सकता है, मज़ाक कर सकता है, और घुल-मिल सकता है, जो एक सामाजिक खेल के लिए महत्वपूर्ण है।
वे मिलकर कैसे काम करते हैं
कल्पना कीजिए कि आप खेल रहे हैं।
- चैट: हर कोई बात कर रहा है। "डिटेक्टिव" (LLM) सुनता है और कहता है, "उस आदमी का लहजा अजीब था, चलिए उसका 'जासूस होने की संभावना' वाला स्कोर बढ़ा देते हैं।"
- गणित: "मैथमेटिशियन" उस स्कोर को लेता है, उसे कठोर तथ्यों (किसने मिशन विफल किया) के साथ जोड़ता है, और एक त्वरित गणना करता है।
- निर्णय: गणितज्ञ कहता है, "ठीक है, गणित के आधार पर, खिलाड़ी X के जासूस होने की 90% संभावना है।"
- एक्शन: AI खिलाड़ी X को बाहर निकालने के लिए वोट देता है, और डिटेक्टिव गणित को बैकअप के रूप में उपयोग करते हुए समूह को समझाने के लिए एक убеदन करने वाला संदेश लिखता है।
परिणाम: यह क्यों मायने रखता है
शोधकर्ताओं ने इस नई टीम का परीक्षण इनके विरुद्ध किया:
- सुपर-स्मार्ट AI (जो सब कुछ खुद करने की कोशिश करते हैं)।
- मानव खिलाड़ी (कॉलेज के छात्र)।
परिणाम:
- गति और दक्षता: GRAIL ने बड़े AI की तुलना में 10 गुना कम कंप्यूटिंग पावर का उपयोग किया। निर्णय लेने के लिए उसे उपन्यास लिखने की आवश्यकता नहीं थी; उसने बस गणित किया और बोला।
- जीत की दर: अन्य AI के खिलाफ खेलों में, GRAIL अधिक बार जीता।
- बड़ी जीत: वास्तविक मनुष्यों के साथ एक परीक्षण में, GRAIL 67% बार मनुष्यों को हरा दिया।
- मानव फीडबैक: जब मनुष्यों ने GRAIL के साथ खेला, तो उन्होंने इसे अन्य AI और यहाँ तक कि अपने कुछ मानव साथियों की तुलना में अधिक सहायक और भरोसेमंद बताया। उन्हें आधा समय तो यह भी एहसास नहीं हुआ कि वे एक रोबोट के साथ खेल रहे थे!
निचोड़
यह पेपर दिखाता है कि सामाजिक खेलों (और संभवतः कई वास्तविक दुनिया की स्थितियों) के लिए, आपको स्मार्ट होने के लिए एक विशाल, धीमे मस्तिष्क की आवश्यकता नहीं है।
इसके बजाय, आपको एक हाइब्रिड दृष्टिकोण की आवश्यकता है: एक छोटा, तेज़ "कैलकुलेटर" जो कठिन तर्क और नियमों को संभाल सके, और एक "सोशलइज़र" जो बातचीत को संभाल सके। यह AI को तेज़, सस्ता और सामान्यतः दिखने वाले विशाल, अत्यधिक सोचने वाले मॉडलों की तुलना में आश्चर्यजनक रूप से अधिक मानव जैसा बनाता है।
संक्षेप में: GRAIL वह AI है जो जानता है कि कब गणित करना है और कब बातें करनी हैं, जो इसे धोखे के खेल में एक बेहतरीन साथी बनाता 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।