Social World Models
यह शोध पत्र सोशल वर्ल्ड मॉडल्स (SWMs) और S3AP नामक एक नवीन संरचित प्रतिनिधित्व औपचारिकता प्रस्तुत करता है जो छिपी हुई मानसिक अवस्थाओं और सामाजिक गतिशीलता को स्पष्ट रूप से मॉडल करने के लिए है, जो कई बेंचमार्क में जटिल सामाजिक अंतःक्रियाओं के बारे में तर्क करने और उनमें नेविगेट करने की एआई एजेंटों की क्षमता को महत्वपूर्ण रूप से बढ़ाता 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 एक हलचल भरे शहर में टहल रहे हैं। आप केवल इमारतों और ट्रैफिक लाइटों को नहीं देखते; आप लोगों को देखते हैं। आप देखते हैं कि आपके पास से तेजी से गुजर रहा व्यक्ति चिंतित दिख रहा है, बेंच पर बैठा जोड़ा गुस्से में लग रहा है, और ग्राहक को देखकर मुस्कुराता हुआ बरिस्ता मिलनसार हो रहा है। आप लगातार अपने दिमाग में एक गुप्त, अदृश्य फिल्म चला रहे होते हैं, यह अनुमान लगाते हुए कि दूसरे क्या सोच रहे हैं, क्या महसूस कर रहे हैं, और आगे क्या करने की योजना बना रहे हैं। हम इसी तरह दुनिया में रास्ता खोजते हैं: हम केवल अपने आस-पास की भौतिक वस्तुओं का ही नहीं, बल्कि अन्य लोगों के मन का भी एक "मानसिक मानचित्र" (mental map) बनाते हैं।
लंबे समय से, कंप्यूटर भौतिक दुनिया का मानचित्र बनाने में बहुत कुशल रहे हैं। वे जानते हैं कि यदि आप एक गेंद गिराते हैं, तो गुरुत्वाकर्षण उसे नीचे खींच लेता है, और यदि आप एक दरवाजे को धक्का देते हैं, तो वह खुल जाता है। लेकिन जब बात लोगों की आती है, तो कंप्यूटर अक्सर भटक जाते हैं। वे किसी बहस के बारे में कहानी पढ़ सकते हैं, लेकिन वे छिपी हुई भावनाओं, अनकहे नियमों, या इस बात को समझने में संघर्ष करते हैं कि कोई व्यक्ति किसी मित्र की रक्षा के लिए झूठ क्यों बोल सकता है। वे शब्दों को देखते हैं, लेकिन वे मशीन के भीतर के "भूतों" को मिस कर देते हैं—वे विश्वास, इरादे और भावनाएं जो मानवीय व्यवहार को संचालित करती हैं। यह शोध पत्र एक बड़ा सवाल पूछता है: क्या हम AI को लोगों का अपना मानसिक मानचित्र बनाना सिखा सकते हैं, ठीक वैसे ही जैसे हम करते हैं?
COLM 2026 सम्मेलन में प्रकाशित इस अध्ययन के पीछे के शोधकर्ताओं का कहना है कि उत्तर 'हाँ' है, लेकिन केवल तभी जब हम AI को जानकारी देने का तरीका बदल दें। उनका तर्क है कि केवल एक लंबी, अव्यवस्थित कहानी को कंप्यूटर में डाल देना पर्याप्त नहीं है। इसके बजाय, वे सामाजिक जानकारी को व्यवस्थित करने का एक नया तरीका प्रस्तावित करते हैं जिसे सोशल वर्ल्ड मॉडल्स (Social World Models) कहा जाता है। इसे इस प्रकार समझें: यदि एक मानक AI एक उपन्यास पढ़ता है और उसके अंत का अनुमान लगाने की कोशिश करता है, तो यह दीवारों को छूकर एक अंधेरे कमरे में रास्ता खोजने जैसा है। हालाँकि, एक सोशल वर्ल्ड मॉडल, रोशनी चालू कर देता है। यह कहानी को एक संरचित चेकलिस्ट में तोड़ देता है: यहाँ कौन है? वे क्या देख रहे हैं? वे गुप्त रूप से क्या सोच रहे हैं? उन्होंने अभी क्या किया?
इसे सफल बनाने के लिए, टीम ने S3AP (स्ट्रक्चर्ड सोशल सिमुलेशन एनालिसिस प्रोटोकॉल) नामक एक विशेष प्रारूप का आविष्कार किया। कल्पना कीजिए कि S3AP एक अनुवादक है जो एक अराजक, मुक्त प्रवाह वाली कहानी को लेता है और उसे एक साफ, व्यवस्थित डैशबोर्ड में बदल देता है। "Isla घबरा गई क्योंकि उसकी माँ ने उसे देख लिया" जैसे पैराग्राफ के बजाय, S3AP इसे स्पष्ट क्षेत्रों में विभाजित करता है: एजेंट: Isla; भावना: घबराहट; अवलोकन: माँ ने मुझे देखा; क्रिया: गेम कंट्रोलर छिपाना। यह संरचित डेटा एक "सामाजिक ब्लूप्रिंट" के रूप में कार्य करता है जिसके साथ AI वास्तव में तर्क कर सकता है।
शोध दल ने इस विचार का परीक्षण दो मुख्य तरीकों से किया। पहले, उन्होंने AI को कई सामाजिक पहेलियाँ दीं (जैसे कि यह पता लगाना कि एक ग्रुप चैट में किसे क्या पता है) और इसे हल करने के लिए कहा। परिणाम प्रभावशाली थे: जब AI ने S3AP ब्लूप्रिंट का उपयोग किया, तो यह इन पहेलियों को सुलझाने में काफी बेहतर हो गया। FANToM नामक एक कठिन परीक्षण पर, AI का प्रदर्शन उसके पिछले सर्वश्रेष्ठ प्रयासों की तुलना में 51% बढ़ गया। और भी दिलचस्प बात यह है कि उन्होंने पाया कि एक छोटा, कम शक्तिशाली AI "अनुवादक" के रूप में कार्य कर सकता था जो ब्लूप्रिंट बना सके, और फिर एक स्मार्ट AI उस ब्लूप्रिंट का उपयोग करके पहेली को अकेले प्रयास करने की तुलना में और भी बेहतर तरीके से हल कर सकता था। यह सुझाव देता है कि सामाजिक जानकारी को व्यवस्थित करने का कौशल, समस्या को हल करने के कौशल से अलग है, और दोनों की आवश्यकता है।
दूसरा, शोधकर्ताओं ने AI को एक खेल खेलने दिया जहाँ उसे दूसरे AI के साथ वास्तविक समय में बातचीत करनी थी, जैसे कि कीमत तय करना या नया दोस्त बनाना। उन्होंने AI को एक "फोरकास्टर" (पूर्वानुमान लगाने वाला) टूल दिया: कुछ भी कहने या करने से पहले, AI अपने सोशल वर्ल्ड मॉडल का उपयोग करके सिमुलेशन करेगा, "यदि मैं यह कहता हूँ, तो दूसरा व्यक्ति कैसा महसूस करेगा? वह आगे क्या करेगा?" सोचने के लिए रुकने के इस सरल कदम ने AI को बहुत अधिक रणनीतिक बना दिया। प्रतिस्पर्धी स्थितियों में, जैसे कि सौदेबाजी में, AI की सफलता दर में 18% तक सुधार हुआ।
यह शोध पत्र सुझाव देता है कि AI को न केवल यह ट्रैक करने का एक संरचित तरीका देकर कि लोग क्या करते हैं, बल्कि यह भी कि वे क्या सोचते और महसूस करते हैं, हम उन्हें सामाजिक स्थितियों में बहुत अधिक बुद्धिमत्ता के साथ नेविगेट करने में मदद कर सकते हैं। यह कोई जादुई समाधान नहीं है जो हर सामाजिक समस्या को तुरंत हल कर देता है, और शोधकर्ता स्वीकार करते हैं कि अभी भी चुनौतियाँ हैं, जैसे यह सुनिश्चित करना कि AI भावनाओं को गलत न समझे। लेकिन निष्कर्ष दृढ़ता से संकेत देते हैं कि जब AI केवल शब्दों को पढ़ना बंद कर देता है और उनके पीछे के लोगों का मानसिक मॉडल बनाना शुरू कर देता है, तो वह एक बहुत बेहतर सामाजिक साथी बन जाता 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।