A Benchmark for Multi-Party Negotiation Games from Real Negotiation Data
यह शोध पत्र विभिन्न संरचनात्मक व्यवस्थाओं के बीच विभिन्न वैल्यू-फंक्शन एप्रोक्सिमेशन के प्रदर्शन का मूल्यांकन करने के लिए वास्तविक डेटा पर आधारित मल्टी-पार्टी नेगोशिएशन गेम्स के लिए एक कॉन्फ़िगर करने योग्य बेंचमार्क प्रस्तुत करता है, जो अंततः बाध्यकारी प्रतिबद्धताओं के तहत मजबूत दीर्घकालिक योजना बनाने में सक्षम एजेंटों की आवश्यकता को प्रदर्शित 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 एक विशाल, अस्त-व्यस्त ब्लॉक पार्टी (मोहल्ले की पार्टी) आयोजित करने की कोशिश कर रहे हैं। आपके पास 20 पड़ोसी हैं, जिनमें से प्रत्येक की अपनी मांगों की सूची है: एक को डीजे चाहिए, दूसरे को बाड़ (fence) चाहिए, तीसरे को मुफ्त पिज्जा चाहिए।
कंप्यूटर विज्ञान के अधिकांश बातचीत (negotiation) मॉडलों में, सभी एक साथ बैठते हैं, थोड़ी बहस करते हैं, और पार्टी के लिए एक अंतिम मेनू पर सहमत होने की कोशिश करते हैं। यदि वे एक बार में पूरी चीज़ पर सहमत नहीं हो पाते हैं, तो पार्टी नहीं होती।
यह पेपर कहता है: "वास्तविक जीवन में ऐसा नहीं होता।"
वास्तविक दुनिया में, बड़े समझौते चरणों (steps) में होते हैं। आप आज डीजे के लिए सहमत होते हैं, जो आपको एक बजट में बांध देता है। कल, आप बाड़ के लिए सहमत होते हैं, जो बदल देता है कि आप पिज्जा के लिए कितना खर्च कर सकते हैं। यदि आप आज किसी चीज़ के लिए "हाँ" कहते हैं, तो वह एक ऐसी प्रतिबद्धता (commitment) बन जाती है जो कल के लिए संभावनाओं को बदल देती है। यदि आप जल्दी में गलत चीज़ के लिए सहमत हो जाते हैं, तो आप खुद को ऐसे कोने में फंसा सकते हैं जहाँ बाद में पिज्जा पाना असंभव हो जाए, भले ही आप उसे वास्तव में बहुत चाहते हों।
इस पेपर के लेखकों ने कंप्यूटर को इस उलझी हुई, चरण-दर-चरण वास्तविकता को संभालने के तरीके सिखाने के लिए एक नया वीडियो गेम (एक बेंचमार्क) बनाया है।
खेल: "द कमिटमेंट लैबिरिंथ" (प्रतिबद्धता की भूलभुलैया)
इस खेल को एक विशाल भूलभुलभैया के रूप में सोचें जहाँ प्रत्येक खिलाड़ी एक यात्री है।
- लक्ष्य: भूलभुलभैया के अंत तक अधिक से अधिक "खजानों" (लक्ष लक्ष्यों) के साथ पहुँचना।
- पकड़ (Catch): आप बस चलकर अंत तक नहीं जा सकते। आपको अन्य यात्रियों के साथ बारी-बारी से चलना होगा।
- जाल (Trap): हर बार जब आप एक कदम उठाने (एक प्रतिबद्धता) के लिए सहमत होते हैं, तो वह स्थायी होता है। आप इसे वापस नहीं ले सकते। यदि आप किसी जाल (trapdoor) पर पैर रखते हैं, तो आप गिर जाते हैं, और आप वापस ऊपर नहीं चढ़ सकते।
- ट्विस्ट: आपको अपना इनाम (पॉइंट्स) भूलभुलभैया के बिल्कुल अंत में मिलता है। आपको हर कदम के लिए पॉइंट्स नहीं मिलते; आपको केवल तब भुगतान किया जाता है जब खेल समाप्त हो जाता है।
तीन "चश्मे" (कंप्यूटर कैसे सोचते हैं)
इस खेल को खेलने के लिए, एक कंप्यूटर को यह अनुमान लगाने की आवश्यकता है: "यदि मैं अभी यह कदम उठाता हूँ, तो क्या इससे अंत में मुझे अधिक पॉइंट्स मिलेंगे?"
चूंकि कंप्यूटर भविष्य नहीं देख सकता, इसलिए शोधकर्ताओं ने तीन अलग-अलग "चश्मों" (रणनीतियों) का परीक्षण किया यह देखने के लिए कि कौन सा कंप्यूटर को सबसे अच्छा निर्णय लेने में मदद करता है:
"अल्पदृष्टि वाले" चश्मे (मायोपिक रिवॉर्ड - Myopic Reward):
- यह कैसे सोचता है: "क्या यह कदम अभी अच्छा लग रहा है? हाँ? तो चलो इसे करते हैं!"
- दोष: यह भविष्य को अनदेखा करता है। यह ऐसी डील के लिए सहमत हो सकता है जो इसे अभी 10 पॉइंट्स देती है लेकिन इसे ऐसे कोने में फंसा देती है जहाँ यह बाद में 100 पॉइंट्स नहीं पा सकता। यह बिल्कुल वैसा ही है जैसे अभी पूरा केक खा लेना और फिर पूरे सप्ताह भूखा रहना।
"आशावादी" के चश्मे (अपर बाउंड - Upper Bound):
- यह कैसे सोचता है: "मुझे अंततः सब कुछ मिल ही जाएगा। इसलिए, मुझे केवल नुकसान न होने की चिंता करनी चाहिए।"
- दोष: यह बहुत डरा हुआ है। यह कोई भी जोखिम लेने से इनकार कर देता है। यह एक छोटी सी डील को "ना" कह सकता है जो अभी डरावनी दिखती है लेकिन वास्तव में एक बड़े इनाम को अनलॉक करने की कुंजी है। यह वैसा ही है जैसे रोलरकोस्टर की सवारी के उतार-चढ़ाव से डरकर टिकट खरीदने से मना कर देना, जिससे आप पूरी सवारी ही मिस कर देते हैं।
"निराशावादी" के चश्मे (लोअर बाउंड - Lower Bound):
- यह कैसे सोचता है: "बाकी लोग मुझे नुकसान पहुँचाने या मेरे खजाने चुराने की कोशिश करेंगे। मुझे एक किला बनाना होगा और जो कुछ भी अच्छा है उसे अभी पकड़ लेना होगा इससे पहले कि वे उसे ले लें।"
- दोष: यह बहुत आक्रामक है। यह सब कुछ हासिल करने की कोशिश कर सकता है, भले ही इससे समूह को नुकसान हो, क्योंकि यह मान लेता है कि दूसरे बुरे हैं।
उन्होंने क्या खोजा
शोधकर्ताओं ने विभिन्न नियमों के साथ हजारों सिमुलेशन चलाए (कुछ खेल मैत्रीपूर्ण थे, कुछ शत्रुतापूर्ण; कुछ लक्ष्य आसान थे, कुछ "सब कुछ या कुछ नहीं" वाले थे)।
यहाँ बड़ा आश्चर्य यह है: कोई एक "सर्वश्रेष्ठ" चश्मा नहीं है।
- एक मैत्रीपूर्ण खेल में (जहाँ सभी एक ही चीज़ चाहते हैं), अल्पदृष्टि वाले चश्मे ठीक काम करते हैं। हर कोई एक-दूसरे की मदद कर रहा है, इसलिए छोटे कदम उठाना सुरक्षित है।
- एक डरावने खेल में (जहाँ लोग आपको धोखा देने की कोशिश कर रहे हैं), आशावादी के चश्मे सबसे अच्छे होते हैं। आपको जाल (जैसे कि पेपर में उल्लेखित "पॉइज़न पिल" सौदे) में गिरने से बचने के लिए बहुत सावधान रहने की आवश्यकता है।
- एक ऐसे खेल में जहाँ हर कोई बड़ी जीत चाहता है, निराशावादी के चश्मे सबसे अच्छे होते हैं। आपको अपना हिस्सा जल्दी से हासिल कर लेना चाहिए क्योंकि आप दूसरों पर भरोसा नहीं कर सकते कि वे इंतज़ार करेंगे।
वास्तविक दुनिया का परीक्षण
उन्होंने केवल नकली खेल का उपयोग नहीं किया। उन्होंने जलवायु वार्ता (climate negotiation) की एक प्रसिद्ध चुनौती (जहाँ देश ग्रह को बचाने के लिए बहस करते हैं) के वास्तविक दस्तावेजों को लिया और उन्हें अपने खेल में बदल दिया।
परिणाम? निराशावादी के चश्मों (लोअर बाउंड) ने सबसे अधिक अंक प्राप्त किए। क्यों? क्योंकि वास्तविक जलवायु वार्ताओं में, देश अक्सर इस बात से चिंतित रहते हैं कि यदि वे अभी अपने लाभ को सुरक्षित नहीं करते हैं, तो दूसरे बाद में पीछे हट सकते हैं। उन्हें रणनीतिक होने और जो वे कर सकते हैं उसे अभी पकड़ने की आवश्यकता होती है।
यह क्यों महत्वपूर्ण है
यह पेपर AI डेवलपर्स के लिए एक चेतावनी है।
- पुराना AI: पूरी समस्या को एक साथ हल करने की कोशिश करता है या केवल तत्काल इनाम को देखता है।
- नया AI: इसे "लॉन्ग गेम" खेलना सीखना होगा। इसे यह समझने की आवश्यकता है कि आज एक छोटी डील के लिए "हाँ" कहना कल आपकी बड़ी जीत की कीमत वसूल सकता है।
लेखक कह रहे हैं: "हमने बातचीत करने वाले AI के लिए एक जिम बनाया है। हमने पाया कि अलग-अलग जिम में अलग-अलग रणनीतियाँ काम करती हैं। यदि आप एक ऐसा AI चाहते हैं जो वास्तव में एक मानव राजनयिक की तरह बातचीत कर सके, तो उसे स्थिति के आधार पर अपनी रणनीति बदलने का कौशल सीखना होगा, न कि केवल एक कठोर नियम का पालन करना होगा।"
संक्षेप में: बातचीत केवल एक आदर्श अंतिम उत्तर खोजने के बारे में नहीं है। यह स्थायी कदमों के माध्यम से रास्ता बनाने के बारे में है ताकि आप खाई में न गिरें। और यह करने का सबसे अच्छा तरीका पूरी तरह से इस पर निर्भर करता है कि आप किसके साथ खेल रहे 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।