Prompts to Proxies: Emulating Human Preferences via a Compact LLM Ensemble
यह शोध पत्र *प्रॉम्प्ट्स टू प्रॉक्सीज़* () का परिचय देता है, जो एक लागत प्रभावी, दो-चरणीय ढांचा है जो फाइन-ट्यूनिंग या संवेदनशील जनसांख्यिकीय जानकारी की आवश्यकता के बिना, लक्षित जनसंख्या डेटा से मेल खाने के लिए एलएलएम (LLM) एजेंटों के एक विविध पूल का निर्माण करके और उन्हें एल1-नियमित प्रतिगमन (L1-regularized regression) के माध्यम से एकत्रित करके सामाजिक विज्ञान अनुसंधान में मानवीय प्राथमिकताओं का अनुकरण 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 जानना चाहते हैं कि एक पूरे देश का किसी विशिष्ट विषय पर क्या विचार है, जैसे कि "क्या हमें और पार्क बनाने चाहिए?" या "आप वैज्ञानिकों पर कितना भरोसा करते हैं?" आमतौर पर, आपको हजारों वास्तविक लोगों को कॉल करना होगा, जो महंगा, धीमा है, और कभी-कभी यदि आपको एक नया विचार जल्दी से परखना हो तो असंभव भी हो सकता है।
यह शोध पत्र एक चतुर तरीका पेश करता है जिसमें वास्तविक लोगों का स्थान लेने के लिए आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग किया जाता है। वे अपने इस तरीके को प्रॉम्प्ट्स टू प्रॉक्सीज़ (Promps to Proxies - P2P) कहते हैं।
यहाँ बताया गया है कि यह कैसे काम करता है, कुछ रोजमर्रा के उपमाओं (analogies) का उपयोग करके:
समस्या: "औसत" AI उबाऊ है
यदि आप बस एक मानक AI चैटबॉट से पूछते हैं, "अमेरिका के लोग पार्कों के बारे में क्या सोचते हैं?", तो वह एक बहुत ही सुरक्षित, बीच का रास्ता निकालने वाला उत्तर देगा। यह एक व्यक्ति से पूरी भीड़ की ओर से बोलने के लिए कहने जैसा है; वे आमतौर पर केवल "औसत" राय ही देते हैं। लेकिन वास्तविक भीड़ अव्यवस्थित होती है! कुछ लोग पार्कों को बहुत पसंद करते हैं, कुछ उन्हें नापसंद करते हैं, कुछ परवाह नहीं करते, और कुछ सोचते हैं कि वे बहुत महंगे हैं। एक अकेला AI चैटबॉट इस सारी विविधता को मिटा देता है, जिससे वह एक वास्तविक सर्वेक्षण के लिए एक बुरा विकल्प बन जाता है।
समाधान: "टेस्टिंग पैनल" दृष्टिकोण
एक एकल AI को पूर्ण बनाने के बजाय, लेखकों ने एक ऐसा सिस्टम बनाया है जो विविध AI पात्रों की एक टीम बनाता है और फिर उनके उत्तरों को आपस में मिलाता है।
इसे एक वाइन टेस्टिंग पैनल (wine tasting panel) की तरह समझें।
- लक्ष्य: आप वाइन के एक विशिष्ट विंटेज (वास्तविक मानव जनसंख्या की राय) के सटीक स्वाद प्रोफाइल को फिर से बनाना चाहते हैं।
- गलती: एक एकल अंगूर को खोजने की कोशिश करना जिसका स्वाद पूरी बोतल जैसा हो। (यही अन्य तरीके करने की कोशिश करते हैं, और वे आमतौर पर विफल हो जाते हैं)।
- P2P तरीका: आप विभिन्न प्रकार के अंगूरों का एक बड़ा संग्रह इकट्ठा करते हैं (विभिन्न AI पात्र)। कुछ मीठे हैं, कुछ खट्टे हैं, कुछ फलदार हैं, कुछ मिट्टी जैसे (earthy) हैं। फिर, आप उस सटीक विंटेज स्वाद को फिर से बनाने के लिए उन्हें विशिष्ट मात्रा में मिलाते हैं।
P2P कैसे काम करता है (दो-चरणीय प्रक्रिया)
शोध पत्र इसे दो-चरणीय प्रक्रिया के रूप में वर्णित करता है:
चरण 1: "विविध टीम" का निर्माण (एक्टिव एंडोमेंट जनरेशन)
सबसे पहले, सिस्टम को विभिन्न AI पात्रों का एक बड़ा पूल बनाने की आवश्यकता होती है।
- तरीका: केवल AI को "रैंडम" होने के लिए कहने के बजाय, सिस्टम एक स्मार्ट रणनीति का उपयोग करता है जिसे एन्ट्रॉपी-आधारित एडेप्टिव सैंपलिंग (entropy-based adaptive sampling) कहा जाता है।
- उपमा: कल्पना कीजिए कि एक शेफ एक ऐसा मेनू बनाने की कोशिश कर रहा है जो हर संभव स्वाद को कवर करे। यदि वे बार-बार वही व्यंजन बनाते हैं जिन्हें लोग पहले से ही पसंद करते हैं (जैसे सादा ब्रेड), तो वे कुछ भी नया नहीं सीख रहे हैं। इसलिए, शेफ उन व्यंजनों को देखता है जिन पर लोगों के बीच सहमति कम थी (लो एन्ट्रॉपी) और विशेष रूप से रसोई को उन अंतरालों को भरने के लिए नए बदलाव आविष्कार करने के लिए कहता है।
- परिणाम: अंत में, उनके पास 300 अलग-अलग "पर्सोना" (जैसे, मिडवेस्ट से एक सेवानिवृत्त शिक्षक, शहर में एक युवा टेक वर्कर, एक किसान जो मुद्रास्फीति की चिंता करता है) होते हैं। ये केवल रैंडम नहीं हैं; इन्हें विचारों की विस्तृत श्रृंखला को कवर करने के लिए सावधानीपूर्वक चुना गया है।
चरण 2: "मिक्सोलॉजिस्ट" (रिग्रेशन-आधारित एग्रीगेशन)
अब जब उनके पास विविध AI पात्रों की एक बड़ी टीम है, तो उन्हें यह पता लगाने की आवश्यकता है कि वास्तविक मानव डेटा से मेल खाने के लिए प्रत्येक पात्र का कितना उपयोग किया जाए।
- उपमा: कल्पना कीजिए कि आपके पास एक वास्तविक सूप (वास्तविक मनुष्यों से प्राप्त सर्वेक्षण परिणाम) की रेसिपी है। आपके पास 300 अलग-अलग सामग्रियों (आपके AI पात्र) का एक भंडार है। आपको उन सभी 300 की आवश्यकता नहीं है। आपको उन परफेक्ट छोटे हाथों की आवश्यकता है जो, जब मिश्रित हों, तो बिल्कुल असली सूप जैसा स्वाद दें।
- गणित: सिस्टम L1-रेगुलराइज्ड रिग्रेशन (L1-regularized regression) नामक एक गणितीय उपकरण का उपयोग करता है जो मिक्सोलॉजिस्ट (मिश्रण बनाने वाला) के रूप में कार्य करता है। यह वास्तविक सर्वेक्षण डेटा को देखता है और कहता है, "ठीक है, इस परिणाम को प्राप्त करने के लिए, हमें 'सेवानिवृत्त शिक्षक' की आवाज़ का 10%, 'टेक वर्कर' की आवाज़ का 5%, और 'किसान' की आवाज़ का 0% चाहिए।"
- जादू: यह वास्तविक लोगों के संवेदनशील निजी विवरणों (जैसे उनकी सटीक आय या जाति) को जाने बिना करता है। यह केवल उन उत्तरों को देखता है जो लोगों ने दिए और यह पता लगाता है कि AI आवाजों का कौन सा मिश्रण उन उत्तरों से सबसे अच्छी तरह मेल खाता है।
यह क्यों एक बड़ी बात है
- यह सस्ता और तेज़ है: आपको शून्य से एक विशाल, महंगे AI मॉडल को प्रशिक्षित करने की आवश्यकता नहीं है। आप बस मौजूदा AI मॉडल का उपयोग कर सकते हैं और सिमुलेशन चलाने के लिए एक बहुत छोटी राशि (लग लगभग $0.80 प्रति सर्वेक्षण) का भुगतान करते हैं।
- यह सटीक है: जब उन्होंने अमेरिकी ट्रेंड्स पैनल (American Trends Panel) और दुनिया भर के (World Values Survey) वास्तविक सर्वेक्षणों के विरुद्ध इसका परीक्षण किया, तो उनका "AI मिश्रण" केवल एक मानक AI पूछने या अन्य सामान्य तरीकों का उपयोग करने की तुलना में वास्तविक मानव विचारों के बहुत करीब था।
- यह कम डेटा के साथ काम करता है: भले ही उनके पास सीखने के लिए वास्तविक मानव डेटा का बहुत छोटा हिस्सा (अन्य तरीकों द्वारा उपयोग किए जाने वाले डेटा के 3% से भी कम) हो, फिर भी उनका सिस्टम बहुत अच्छा प्रदर्शन करता है।
निचोड़
यह शोध पत्र तर्क देता है कि आपको मानव समाज को समझने के लिए एक "सुपर-AI" की आवश्यकता नहीं है। इसके बजाय, आपको AI अभिनेताओं के एक विविध समूह की आवश्यकता है, और उन्हें निर्देशित (direct) करने के एक स्मार्ट तरीके की आवश्यकता है ताकि उनका संयुक्त प्रदर्शन बिल्कुल वास्तविक दर्शकों की तरह सुनाई दे। यह शोधकर्ताओं को हजारों वास्तविक लोगों का साक्षात्कार किए बिना या उनके निजी डेटा तक पहुँच बनाए बिना, तेजी से, सस्ते में और सटीकता से सार्वजनिक राय का अनुकरण करने की अनुमति देता 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।