Understanding friendship formation with explainable machine learning
3,395 छात्रों के बीच हस्ताक्षरित सामाजिक संबंधों का विश्लेषण करने के लिए एक 'एक्सप्लेनेबल बूस्टिंग मशीन' का उपयोग करते हुए, यह अध्ययन प्रकट करता है कि स्थानीय नेटवर्क संरचना (त्रिपक्षीय प्रभाव) अत्यधिक रूप से मित्रता निर्माण को संचालित करती है, जबकि व्यक्तिगत लक्षण केवल कमजोर, कम अंतर्निहित संबंधों के एक बहुत छोटे हिस्से की व्याख्या करते हैं, जिससे सामाजिक संबंध निर्माण के एक स्तरित दृष्टिकोण का समर्थन होता है जहाँ वैश्विक स्तर पर संरचनात्मक तंत्र हावी होते हैं।
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 यह पता लगाने की कोशिश कर रहे हैं कि हाई स्कूल में दो लोग पक्के दोस्त क्यों बन जाते हैं, या वे एक-दूसरे से नफरत क्यों करने लगते हैं। क्या ऐसा इसलिए है क्योंकि वे स्वाभाविक रूप से समान लोग हैं (शायद दोनों गणित प्रेमी हैं और बहुत दयालु हैं)? या क्या यह उनके आसपास के "सामाजिक जाल" (social web) के कारण है (शायद उनके तीन साझा मित्र हैं जो उन्हें एक साथ लाते हैं)?
यह पेपर एक जासूसी कहानी की तरह है जो इस सवाल का जवाब देने के लिए एक विशेष प्रकार के "स्मार्ट माइक्रोस्कोप" (मशीन लर्निंग) का उपयोग करता है। यहाँ इसका सरल विवरण दिया गया:
1. जासूसी उपकरण: "व्याख्यात्मक" (Explainable) AI
आमतौर पर, जब कंप्यूटर भविष्यवाणियाँ करते हैं, तो वे एक "ब्लैक बॉक्स" की तरह काम करते हैं। आप डेटा डालते हैं, एक परिणाम बाहर आता है, लेकिन आपको पता नहीं चलता कि कंप्यूटर ने वह चुनाव क्यों किया।
शोधकर्ताओं ने एक विशेष उपकरण का उपयोग किया जिसे एक्सप्लेनेबल बूस्टिंग मशीन (EBM) कहा जाता है। इसे एक ब्लैक बॉक्स के रूप में नहीं, बल्कि एक पारदर्शी कांच के बॉक्स के रूप में सोचें। आप देख सकते हैं कि कंप्यूटर कैसे सोच रहा है। यह आपको बता सकता है: "मैंने भविष्यवाणी की कि वे दोस्त हैं क्योंकि 90% कारण उनके साझा मित्र हैं, और केवल 10% इसलिए क्योंकि दोनों को पिज्जा पसंद है।"
2. दो मुख्य संदिग्ध
अध्ययन ने दोस्ती होने के दो मुख्य संदिग्धों की जांच की:
- संदेश संदिग्ध A: व्यक्तिगत गुण (Individual Traits)। (आप कौन हैं: क्या आप दयालु हैं? क्या आप बुद्धिमान हैं? आपका लिंग क्या है?)
- संदेश संदिग्ध B: सामाजिक जाल (Social Web/Triadic Influence)। (आप किसे जानते हैं: क्या आपके साझा मित्र हैं? यदि एलिस बॉब को पसंद करती है, और बॉब चार्ली को पसंद करता है, तो क्या एलिस भी चार्ली को पसंद करेगी?)
3. बड़ा फैसला: सामाजिक जाल की बड़ी जीत
कंप्यूटर ने 3,000 से अधिक छात्रों और उनके संबंधों का विश्लेषण किया। परिणाम स्पष्ट था: सामाजिक जाल ही बॉस है।
- उपमा (Analogy): कल्पना करें कि दो लोग आपस में मेल खाएंगे या नहीं, यह अनुमान लगाने के लिए उनके बायोडाटा (रेज़्यूमे) को देखना (संदेश संदिग्ध A)। यह ठीक है, लेकिन बहुत अच्छा नहीं। अब, कल्पना करें कि आप देख रहे हैं कि कौन किसके साथ घूमता-फिरता है (संदेश संदिग्ध B)। यदि वे पहले से ही एक ही मित्र मंडली में हैं, तो भविष्यवाणी लगभग सटीक हो जाती है।
- आंकड़ा: "सामाजिक जाल" कारक (ट्रायडिक इन्फ्लुएंस) ने 91% दोस्ती और दुश्मनी को समझाया। व्यक्तिगत गुणों (जैसे दयालु या बुद्धिमान होना) ने केवल एक बहुत छोटा हिस्सा समझाया।
4. "0.24%" के रहस्यमय आंकड़े का रहस्य
यदि सामाजिक जाल इतना शक्तिशाली है, तो शोधकर्ताओं ने व्यक्तिगत गुणों को देखने की जहमत क्यों उठाई? क्योंकि उन्हें रिश्तों का एक छोटा, अजीब समूह मिला (सभी संबंधों में से केवल 0.24%) जहाँ सामाजिक जाल का कोई महत्व नहीं दिखता था। इन दुर्लभ मामलों में, कंप्यूटर ने कहा, "हे, ये दोनों दोस्त/दुश्मन सिर्फ इसलिए हैं क्योंकि वे जो हैं, उस वजह से हैं, न कि उनके दोस्तों की वजह से।"
ये लोग कौन हैं?
- वे ज्यादातर प्रथम वर्ष के छात्र हैं।
- वे अक्सर कमजोर संबंध (पक्के दोस्त नहीं, शायद दुश्मन भी) होते हैं।
- वे कम "संतुलित" (balanced) हैं।
उपमा: एक नए छात्र के बारे में सोचें जो कैफेटेरिया में प्रवेश करता है। उसने अभी तक किसी से मुलाकात नहीं की है। वह किसी के बगल में केवल इसलिए बैठ सकता है क्योंकि दोनों को एक ही अजीब संगीत पसंद है (व्यक्तिगत गुण)। लेकिन एक बार जब वे एक ही समूह के लोगों के साथ घूमना शुरू कर देते हैं, तो "सामाजिक जाल" नियंत्रण ले लेता है, और उनका रिश्ता उनके समूह के आधार पर स्थिर और अनुमानित हो जाता है।
5. "खाली कमरा" का आश्चर्य
एक पिछले अध्ययन ने सुझाव दिया था कि यदि दो लोगों के बीच कोई साझा मित्र नहीं है (एक "खाली कमरा" जहाँ कोई सामाजिक जाल नहीं है), तो उनका रिश्ता पूरी तरह से उनके व्यक्तित्व द्वारा संचालित होना चाहिए।
शोधकर्ताओं ने पाया कि यह गलत था।
यहाँ तक कि जब दो लोगों के बीच शून्य साझा मित्र होते हैं, तब भी कंप्यूटर ने कहा, "दोस्ती का कारण सामाजिक जाल की अनुपस्थिति है।"
- उपमा: यह एक शांत कमरे में जाने जैसा है। सन्नाटा किसी विशिष्ट ध्वनि के कारण नहीं है; सन्नाटा स्वयं एक संकेत है। कंप्यूटर ने महसूस किया कि "साझा मित्रों का न होना" अपने आप में एक बहुत मजबूत संकेत है, भले ही यह शून्य मान हो। यह व्यक्तित्व नहीं है जो इसे संचालित करता है; यह संरचना का अभाव है।
6. अंतिम चित्र: एक लेयर्ड केक (परतदार केक)
पेपर निष्कर्ष निकालता है कि दोस्ती का निर्माण केवल "प्रकृति बनाम पालन-पोषण" (Nature vs. Nurture) की लड़ाई नहीं है। यह एक परतदार प्रक्रिया है:
- आधार (Global): लगभग सभी के लिए, "सामाजिक जाल" (त्रिकोणीय प्रभाव) मुख्य इंजन है। यदि आपके साझा मित्र हैं, तो आप दोस्त होने की संभावना रखते हैं। यह स्थिर, सकारात्मक और संतुलित संबंध बनाता है।
- ऊपरी परत (Local): विशिष्ट, शुरुआती या कमजोर स्थितियों में (जैसे नए छात्र या कमजोर रिश्ते), व्यक्तिगत गुण उभर सकते हैं। लेकिन ये अपवाद हैं, नियम नहीं।
मुख्य निष्कर्ष (The Takeaway)
यह अध्ययन दिखाता है कि हम जितना सोचते हैं, हम उससे कहीं कम "व्यक्ति" और अधिक "नेटवर्क के नोड्स" हैं। जबकि हमारे व्यक्तित्व थोड़ा मायने रखते हैं, हमारे सामाजिक दायरे की संरचना वह विशाल कठपुतली मास्टर है जो यह तय करती है कि हम किसे पसंद करते हैं और किसे नहीं।
शोधकर्ताओं ने हमें यह भी दिखाया कि AI को कोई जादू का खेल होने की आवश्यकता नहीं है। "व्याख्यात्मक" AI का उपयोग करके, हम अंततः समझ सकते हैं कि कंप्यूटर जो सोचता है वह क्यों सोचता है, जिससे एक 'ब्लैक बॉक्स' मानव व्यवहार की एक स्पष्ट खिड़की में बदल 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।