Learning to Make Friends: Coaching LLM Agents toward Emergent Social Ties
यह शोध पत्र एक मल्टी-एजेंट एलएलएम (LLM) सिमुलेशन फ्रेमवर्क पेश करता है जो व्यवहार संबंधी रिवॉर्ड फंक्शन को इन-कॉन्टेक्स्ट कोचिंग के साथ जोड़ता है ताकि एजेंट वास्तविक मानव ऑनलाइन समुदायों की जटिल गतिशीलता को दर्शाने वाले उभरते सामाजिक संबंधों और नेटवर्क संरचनाओं को विकसित कर सकें।
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 ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर केवल सवालों के जवाब ही नहीं देते, बल्कि वास्तव में एक साथ रहते हैं। यह "मल्टी-एजेंट सिस्टम्स" (बहु-एजेंट प्रणालियों) के रूप में जानी जाने वाली आर्टिफिशियल इंटेलिजेंस अनुसंधान की एक नई सीमा है। इसे एक डिजिटल सैंडबॉक्स की तरह समझें जहाँ एक अकेला रोबोट खेलने के बजाय, आपके पास उनके बीच होने वाली बातचीत का एक पूरा समूह होता है। बड़ा सवाल जो वैज्ञानिक पूछ रहे हैं वह यह है: क्या ये डिजिटल पात्र सामाजिक होना सीख सकते हैं? क्या वे यह समझ सकते हैं कि इंसानों की तरह सोशल मीडिया पर दोस्त कैसे बनाएँ, समूह कैसे बनाएँ और समुदाय कैसे विकसित करें? इसे समझने के लिए, हमें कुछ बुनियादी बातें जाननी होंगी। पहला, "लार्ज लैंग्वेज मॉडल्स" (LLMs) इन एजेंटों के पीछे का मस्तिष्क हैं; वे बहुत ही बुद्धिमान कंप्यूटर हैं जिन्हें विशाल मात्रा में टेक्स्ट पर प्रशिक्षित किया गया है, जो उन्हें बात करने में तो माहिर बनाता है लेकिन कभी-कभी इस बात को समझने में कमजोर कर देता है कि लोग क्यों बात करते हैं। दूसरा, "सामाजिक गतिशीलता" (सोशल डायनेमिक्स) मानवीय जुड़ाव के अदृश्य नियम हैं—जैसे कि पसंद किया जाना चाहना, सुना जाना महसूस करना, या उन लोगों के साथ बने रहना जो आपकी तरह सोचते हैं। वैज्ञानिकों को इसकी परवाह इसलिए है क्योंकि यदि हम एक वास्तविक सोशल नेटवर्क का "डिजिटल ट्विन" बना सकें, तो हम वास्तविक लोगों की सुरक्षा को जोखिम में डाले बिना ऑनलाइन बुलिंग को रोकने, अच्छी खबरें फैलाने या टूटे हुए समुदायों को ठीक करने के तरीके का परीक्षण कर सकते हैं।
इस अध्ययन में, शोधकर्ताओं फिलिप जे. श्नाइडर, लिन टियान और मैरियन-एंड्रई रिज़ोइउ ने यह देखने के लिए एक डिजिटल खेल का मैदान बनाने का निर्णय लिया कि क्या वे इन AI एजेंटों को स्वाभाविक रूप से दोस्ती करना सिखा सकते हैं। उन्होंने एक सिमुलेशन बनाया जिसमें 30 AI एजेंटों ने जलवायु परिवर्तन के बारे में 15 राउंड तक चैट की। लेकिन यहाँ एक मोड़ था: एजेंटों को केवल "अच्छा व्यवहार करने" के लिए नहीं कहा गया था। इसके बजाय, शोधकर्ताओं ने उन्हें वास्तविक मानवीय प्रेरणाओं पर आधारित "रिवॉर्ड पॉइंट्स" (पुरस्कार अंक) का एक सेट दिया। एक वीडियो गेम की कल्पना करें जहाँ आपको फोटो पोस्ट करने (आत्म-प्रस्तुति), 'लाइक' पाने (सामाजिक मान्यता), नया विषय खोजने (सूचना की खोज), या किसी मित्र को बेहतर महसूस कराने में मदद करने (भावनात्मक समर्थन) के लिए अंक मिलते हैं। एजेंटों को सबसे अधिक अंक प्राप्त करने के लिए इस खेल को खेलने का तरीका समझना था।
शोधकर्ताओं ने पाया कि जब इन एजेंटों ने यह खेल खेला, तो उन्होंने केवल रैंडम मैसेज स्पैम नहीं किए। वे धीरे-धीरे सीखने लगे! समय के साथ, उन्होंने व्यवहार के स्थिर पैटर्न विकसित किए। कुछ एजेंट "लोकप्रिय बच्चे" बन गए जो ध्यान आकर्षित करने के लिए बहुत अधिक पोस्ट करते थे, जबकि अन्य "सहयोगी श्रोता" बन गए जो लोगों का उत्साह बढ़ाने के लिए सीधे संदेश भेजते थे। सबसे महत्वपूर्ण बात यह थी कि सामाजिक संबंध अपने आप बनने लगे। एजेंटों ने पहले से बनी हुई मित्र सूची के साथ शुरुआत नहीं की थी; उन्होंने अपनी पसंद और विश्वास के आधार पर अपने स्वयं के नेटवर्क बनाए। अध्ययन बताता है कि इन रिवॉर्ड पॉइंट्स को थोड़े से "कोचिंग" (जहाँ एक सहायक AI व्यवहार करने के लिए एक त्वरित सुझाव देता है) के साथ मिलाने से, एजेंटों ने तेजी से सीखा और अधिक यथार्थवादी संबंध बनाए।
हालाँकि, शोधकर्ता परिणामों को लेकर बहुत उत्साहित होने से बचते रहे। उन्होंने नोट किया कि हालांकि एजेंटों ने मानव व्यवहार की नकल करना सीख लिया, लेकिन यह पूर्ण नहीं था। कुछ लक्ष्य, जैसे कि एक जटिल समूह गतिविधि के समन्वय का प्रयास करना, अन्य लक्ष्यों की तुलना में बहुत कठिन था, जैसे कि केवल नए विषयों को खोजना। अध्ययन ने यह भी दिखाया कि एजेंटों द्वारा अपने दोस्तों को चुनने का तरीका बहुत मायने रखता था। जब शोधकर्ताओं ने दोस्ती को अपडेट करने के लिए एक सरल, नियम-आधारित प्रणाली का उपयोग किया, तो परिणाम थोड़े अस्त-व्यस्त और अप्रत्याशित थे। लेकिन जब उन्होंने AI को दोस्ती तय करने के लिए बातचीत के वास्तविक टेक्स्ट को पढ़ने दिया, तो परिणामी सामाजिक नेटवर्क वास्तविक मानव समुदायों की तरह दिखे, जिसमें दोस्तों के समूह और सूचना के प्रसार के स्पष्ट मार्ग थे।
अंततः, यह पेपर सुझाव देता है कि हम वास्तविक समाजों की तरह व्यवहार करने वाले डिजिटल समाजों बनाने के करीब पहुँच रहे हैं। एजेंटों ने सफलतापूर्वक "उभरते सामाजिक संबंध" (इमर्जेंट सोशल टाइज़) बनाए, जिसका अर्थ है ऐसी मित्रता जो प्रोग्रामर द्वारा थोपे जाने के बजाय उनकी बातचीत से स्वाभाविक रूप से विकसित हुई। शोधकर्ताओं का मानना है कि यह सेटअप यह अध्ययन करने के लिए एक शक्तिशाली परीक्षण स्थल हो सकता है कि ऑनलाइन समुदाय कैसे बनते हैं, इको चैम्बर्स (ऐसे समूह जहाँ हर कोई केवल वही सुनता है जिससे वह सहमत होता है) कैसे विकसित होते हैं, और बेहतर सोशल मीडिया प्लेटफॉर्म कैसे डिज़ाइन किए जा सकते हैं। लेकिन वे यह भी स्वीकार करते हैं कि यह तो बस शुरुआत है। सिमुलेशन छोटा था (केवल 30 एजेंट) और संक्षिप्त (15 राउंड), और एजेंटों ने शून्य मित्रों के साथ शुरुआत की थी। इसलिए, भले ही परिणाम आशाजनक हैं, यह एक सिमुलेशन है, न कि इस बात का अंतिम प्रमाण कि AI पूरी तरह से मानव सामाजिक जीवन की जगह ले सकता है। यह कंप्यूटरों को दोस्ती की कला सिखाने की दिशा में एक मजबूत पहला कदम है, जो दिखाता है कि सही प्रोत्साहन के साथ, कृत्रिम मस्तिष्क भी एक-दूसरे से जुड़ना सीख सकते हैं।
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।