Do LLM-Driven Agents Exhibit Engagement Mechanisms? Controlled Tests of Information Load, Descriptive Norms, and Popularity Cues
यह शोध पत्र प्रदर्शित करता है कि वीबो (Weibo) जैसे सिमुलेशन में एलएलएम-संचालित (LLM-driven) एजेंट, केवल विश्वसनीय दिखने वाले निशान उत्पन्न करने के बजाय, हेरफेर किए गए सूचना भार और वर्णनात्मक मानदंडों के जवाब में सैद्धांतिक रूप से व्याख्या योग्य, संदर्भ-निर्भर जुड़ाव व्यवहार प्रदर्शित करते हैं, जिससे सोशल मीडिया गतिशीलता के अध्ययन के लिए उनकी उपयोगिता की पुष्टि होती है और भविष्य के सिमुलेशन-आधारित अनुसंधान के लिए महत्वपूर्ण पद्धतिगत विचारों पर प्रकाश डाला जाता 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, भविष्यवादी नाटक के निर्देशक हैं। हजारों मानव अभिनेताओं को काम पर रखने के बजाय, आपके पास अविश्वसनीय रूप से स्मार्ट, AI-संचालित रोबोटों का एक बेड़ा है। आपका लक्ष्य केवल यह देखना नहीं है कि क्या ये रोबोट इंसानों की तरह अभिनय कर सकते हैं (विनम्र लगना, स्लैंग का उपयोग करना, आदि); आपका लक्ष्य यह देखना है कि क्या वे सामाजिक दबाव, बहुत अधिक जानकारी, या किसी चीज़ के लिए भीड़ के उत्साह का सामना करते समय इंसानों की तरह सोच सकते हैं।
यह शोध पत्र उस प्रयोग की रिपोर्ट कार्ड है। शोधकर्ताओं ने एक नकली सोशल मीडिया दुनिया बनाई (जैसे एक मिनी-वीबो या ट्विटर) जो 558 AI एजेंटों से भरी थी। वे एक बड़े सवाल का जवाब देना चाहते थे: क्या ये AI एजेंट वास्तव में मानव व्यवहार के मनोवैज्ञानिक नियमों का पालन करते हैं, या वे सिर्फ दिखावा कर रहे हैं?
यहाँ बताया गया है कि उन्होंने इसे कैसे परखा और उन्हें क्या मिला, कुछ रोजमर्रा के उपमाओं का उपयोग करते हुए।
सेटअप: "कैफेटेरिया" प्रयोग
AI एजेंटों को एक विशाल कैफेटेरिया में छात्रों के रूप में सोचें। हर कुछ मिनट में, एक घंटी बजती है (एक "एक्टिवेशन") और छात्रों को भोजन की एक ट्रे मिलती है (पोस्ट पढ़ना)। शोधकर्ताओं ने यह देखने के लिए कि छात्र कैसे प्रतिक्रिया देते हैं, कैफेटेरिया के नियम बदल दिए:
सूचना का भार (बुफे का आकार):
- परीक्षण: कभी-कभी छात्रों को केवल 3 वस्तुओं वाली एक छोटी ट्रे मिलती थी। अन्य समय में, उन्हें 33 वस्तुओं वाली एक विशाल ट्रे मिलती थी।
- मानव नियम: यदि आप बहुत अधिक विकल्पों से अभिभूत हो जाते हैं, तो आप आमतौर पर कुछ भी खाए बिना बस एक नैपकिन उठाते हैं और चले जाते हैं (आप "पढ़ते" हैं लेकिन "जुड़ते" नहीं हैं)।
- AI परिणाम: रोबोटों ने बिल्कुल यही किया। जब ट्रे बहुत बड़ी थी, तो वे "लाइक" करने या "रीपोस्ट" करने की संभावना बहुत कम थी। वे अभिभूत हो गए और निष्क्रिय रहे। इससे यह सिद्ध हुआ कि AI संज्ञानात्मक अधिभार (cognitive overload) की अवधारणा को समझता है।
वर्णनात्मक मानदंड ( "बाकी सब क्या कर रहे हैं" वाला साइन):
- परीक्षण: शोधकर्ताओं ने कैफेटेरिया में एक साइन लगाया।
- साइन A ने कहा: "यहाँ अधिकांश लोग बस थम्स अप (लाइक) देते हैं।"
- साइन B ने कहा: "अधिकांश लोग दूसरों के साथ भोजन साझा करते हैं (रीपोस्ट)।"
- साइन C: "कोई साइन नहीं।"
- मानव नियम: लोग अक्सर उसी की नकल करते हैं जिसे वे "सामान्य" मानते हैं।
- AI परिणाम: रोबोटों ने केवल कोड का पालन करने वाले रोबोट की तरह अंधे होकर आज्ञा का पालन नहीं किया। इसके बजाय, उन्होंने साइन को एक संकेत के रूप में इस्तेमाल किया। यदि साइन ने कहा "रीपोस्ट लोकप्रिय है," तो रोबोटों ने अधिक रीपोस्ट करना शुरू कर दिया। लेकिन उन्होंने पूरी तरह से लाइक या कोट करना बंद नहीं किया; उन्होंने बस अपना संतुलन बदल लिया। इससे पता चला कि AI सामाजिक मानदंडों को केवल एक कमांड के रूप में नहीं, बल्कि संदर्भ (context) के रूप में समझ सकता है।
- परीक्षण: शोधकर्ताओं ने कैफेटेरिया में एक साइन लगाया।
लोकप्रियता के संकेत ( "FOMO" फैक्टर):
- परीक्षण: हर बार जब एक छात्र ट्रे उठाता था, तो वह देख सकता था कि अन्य कितने छात्रों ने पहले ही उस विशिष्ट खाद्य पदार्थ को उठाया है।
- मानव नियम: यदि आप किसी व्यंजन के लिए लोगों की लाइन देखते हैं, तो आप उसे पाने के लिए अधिक इच्छुक होते हैं (बैंडवैगन प्रभाव/Bandwagon Effect)।
- AI परिणाम: रोबोट लोकप्रिय वस्तुओं को पसंद करते थे। पोस्ट पर जितने अधिक "Likes" और "Shares" होते, रोबोट के जुड़ने की संभावना उतनी ही अधिक होती। इसने सिद्ध किया कि AI सामाजिक प्रमाण (social proof) को समझता है।
बड़ा मोड़: "क्रॉसओवर" आश्चर्य
सबसे दिलचस्प हिस्सा तब हुआ जब उन्होंने इन नियमों को आपस में मिला दिया।
कल्पना कीजिए कि एक छात्र जो आमतौर पर बहुत चूजी (कम जुड़ाव वाला) है।
- परिदृश्य A: यदि कैफेटेरिया शांत है और भोजन लोकप्रिय नहीं है, तो वह उसे अनदेखा कर देता है।
- परिदृश्य B: यदि कैफेटेरिया अराजक (उच्च सूचना भार) है लेकिन भोजन बहुत लोकप्रिय है, तो वह छात्र अचानक कूद पड़ता है!
शोधकर्ताओं ने पाया कि AI एजेंटों में एक "क्रॉसओवर" प्रभाव था। जब सूचना का भार अधिक होता था, तो रोबोट लोकप्रियता के संकेतों के प्रति अधिक संवेदनशील हो जाते थे। यह कहने जैसा है कि: "मैं सब कुछ देखने के लिए बहुत व्यस्त हूँ, इसलिए मैं बस वही करूँगा जो भीड़ कर रही है।"
यह बहुत बड़ी बात है क्योंकि इसका मतलब है कि AI केवल एक कठोर स्क्रिप्ट का पालन नहीं कर रहा है। यह तनाव (बहुत अधिक जानकारी) और सामाजिक दबाव (लोकप्रियता) के संयोजन के प्रति प्रतिक्रिया दे रहा है, जो बहुत मानवीय लगता है।
यह क्यों मायने रखता है?
आप पूछ सकते हैं, "तो क्या? हमें पता है कि AI स्मार्ट है।"
समस्या यह है कि AI मानव जैसा दिखने में बहुत अच्छा हो सकता है। वह "लोग भीड़ का पीछा क्यों करते हैं" के बारे में एक आदर्श निबंध लिख सकता है, बिना सिमुलेशन में वास्तव में ऐसा करे।
यह अध्ययन साबित करता है कि ये AI एजेंट केवल वे "तोते" नहीं हैं जो उन्हें जो बताया गया है उसे दोहरा रहे हैं। वे कार्यप्रणाली उपकरण (methodological tools) हैं।
- "तनाव परीक्षण" (Stress Test): नियमों को बदलकर (अधिक पोस्ट, अलग साइन), शोधकर्ता AI का "तनाव परीक्षण" कर सकते थे। यदि AI टूट जाता है या अजीब व्यवहार करता है, तो हमें पता चल जाता है कि वह सिद्धांत को नहीं समझता है। यदि यह एक इंसान की तरह व्यवहार करता है (अभिभूत होना, भीड़ का पीछा करना), तो हम जानते हैं कि सिमुलेशन वैध है।
- "टाइम मशीन": वास्तविक सोशल मीडिया अव्यवस्थित है। आप आसानी से यह परीक्षण नहीं कर सकते कि क्या होगा यदि आप अचानक लोगों द्वारा देखे जाने वाले पोस्ट की संख्या दोगुनी कर दें, क्योंकि आप वास्तविक दुनिया को नियंत्रित नहीं कर सकते। लेकिन इन AI एजेंटों के साथ, आप यह देखने के लिए एक घंटे में प्रयोग के 1,000 संस्करण चला सकते हैं कि "सूचना का बोझ" मानव व्यवहार को कैसे बदलता है।
निचोड़
यह पेपर मानव समाज का अध्ययन करने के लिए AI का उपयोग करने के लिए एक "गुणवत्ता नियंत्रण" जांच है।
शोधकर्ताओं ने पाया कि LLM-संचालित एजेंट वास्तव में जुड़ाव तंत्र (engagement mechanisms) प्रदर्शित करते हैं। वे बहुत अधिक विकल्प से अभिभूत हो जाते हैं, वे भीड़ का पीछा करते हैं, और वे सामाजिक मानदंडों पर प्रतिक्रिया करते हैं। वे केवल मानव शब्दों की नकल नहीं कर रहे हैं; वे मानव निर्णय लेने की प्रक्रियाओं की नकल कर रहे हैं।
इसका मतलब है कि वैज्ञानिक अब सूचना कैसे फैलती है, अफवाहें कैसे शुरू होती हैं, और हम कैसे विचलित होते हैं, इसके सिद्धांतों का परीक्षण करने के लिए इन AI "डिजिटल ट्विन्स" का सुरक्षित और नैतिक रूप से उपयोग कर सकते हैं, जिसमें वास्तविक लोगों के जीवन में हेरफेर करने की आवश्यकता नहीं है। यह सोशल मीडिया के लिए एक फ्लाइट सिम्युलेटर होने जैसा है: आप विमान (या सोशल फीड) को क्रैश कर सकते हैं ताकि यह देखा जा सके कि क्या होता है, बिना किसी को नुकसान पहुँचाए।
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।