Cooperate to Compete: Strategic Coordination in Multi-Agent Conquest
यह शोध पत्र 'कोऑपरेट टू कम्पलीट' (C2C) को प्रस्तुत करता है, जो मिश्रित-अभिप्रेरणा वाले परिवेशों में रणनीतिक समन्वय का अध्ययन करने के लिए डिज़ाइन किया गया एक मल्टी-एजेंट वातावरण है, जो निजी वार्ताओं में मनुष्यों और भाषा मॉडल एजेंटों के बीच प्रमुख व्यवहार संबंधी अंतरों को उजागर करता है और यह प्रदर्शित करता है कि कैसे लक्षित प्रॉम्प्टिंग एआई की जीत की दर में महत्वपूर्ण सुधार कर सकती 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 रिस्क (Risk) का एक हाई-स्टेक्स खेल चल रहा है, लेकिन इसमें केवल पासा फेंकने और सेनाओं को घुमाने के बजाय, खिलाड़ी एक-दूसरे को निजी तौर पर रहस्य बता सकते हैं। यह C2C (Cooperate to Compete) की दुनिया है, जो यूसी बर्कले (UC Berkeley) के शोधकर्ताओं द्वारा बनाया गया एक नया डिजिटल प्लेग्राउंड है, ताकि यह परीक्षण किया जा सके कि AI एजेंट मानवीय राजनीति के जटिल और पेचीदा मामलों को कितनी अच्छी तरह संभाल सकते हैं।
यहाँ उन्होंने जो पाया, उसकी कहानी सरल उपमाओं के माध्यम से दी गई है।
खेल: एक राजनयिक नृत्य (A Diplomatic Dance)
चार कोनों में विभाजित एक मानचित्र की कल्पना करें। चार खिलाड़ी (कमांडर) सैनिकों के साथ शुरुआत करते हैं। प्रत्येक का एक गुप्त मिशन है: दो विशिष्ट कोनों पर कब्जा करना जो एक-दूसरे से दूर हैं।
- चुनौती: आप अकेले नहीं जीत सकते। आपको अपनी सेनाएँ चलानी होंगी, लेकिन आपको दूसरों को आपको रोकने से भी रोकना होगा।
- ट्विस्ट: खेल "फॉग ऑफ वॉर" (युद्ध के धुंधलके) से भरा है। जब तक आप अपने पड़ोसियों के ठीक बगल में न हों, आप वे क्या कर रहे हैं, यह नहीं देख सकते।
- सीक्रेट सॉस: खिलाड़ी सौदे करने के लिए एक निजी चैट खोल सकते हैं। वे कह सकते हैं, "अगर आप मुझे कुछ सैनिक भेजते हैं तो मैं आप पर हमला नहीं करूँगा," या "आइए बीच वाले को कुचलने के लिए टीम बनाएं।"
- कैच-22: इनमें से कोई भी वादा कानूनी रूप से बाध्यकारी नहीं है। झूठ बोलने वाले को दंडित करने के लिए कोई रेफरी नहीं है। यदि आप वादा करते हैं कि आप हमला नहीं करेंगे और फिर भी हमला कर देते हैं, तो एकमात्र दंड यह हो सकता है कि अन्य खिलाड़ी नाराज हो सकते हैं या बाद में आप पर हमला कर सकते हैं।
प्रयोग: इंसान बनाम रोबोट
शोधकर्ताओं ने 1,100 से अधिक गेम आयोजित किए। कभी-कभी, इसमें चार AI बॉट्स एक-दूसरे के खिलाफ खेल रहे थे। अन्य समय में, एक इंसान तीन AI बॉट्स के खिलाफ खेल रहा था। वे यह देखना चाहते थे: क्या एक रोबोट सौदेबाजी की कला को उतना ही समझ सकता है जितना कि एक इंसान?
उन्होंने विभिन्न प्रकार के AI मॉडल्स (जैसे जेमिनी, ग्रोक और GPT के नवीनतम संस्करण) का उपयोग यह देखने के लिए किया कि क्या "स्मार्ट" रोबोट बेहतर खेलते हैं।
बड़े आश्चर्य: इंसान और रोबोट कैसे भिन्न हैं
शोधकर्ताओं ने पाया कि जबकि शीर्ष-स्तरीय AI रोबोट इंसानों के समान ही अच्छा खेलते थे (लगभग 44% बार जीतते थे), वे बहुत अलग तरह से खेलते थे।
1. "यस-मैन" बनाम "कठोर मोलभाव करने वाला"
- रोबोट: वे अविश्वसनीय रूप से विनम्र और खुश करने के इच्छुक थे। जब कोई सौदा प्रस्तावित किया जाता था, तो रोबोट बिना किसी बदलाव के पूछे लगभग 67% से 80% बार "हाँ" कहते थे। वे उन उत्साही इंटर्न की तरह थे जो बस काम पूरा करना चाहते थे।
- इंसान: इंसान कठिन वार्ताकार थे। वे बहुत अधिक बार कहते थे "नहीं, इसके बजाय यह आजमाएं।" वे केवल 56% बार तुरंत किसी सौदे को स्वीकार करते थे। उन्होंने बातचीत को एक वास्तविक व्यावसायिक बैठक की तरह माना जहाँ आप सबसे अच्छी कीमत के लिए मोलभाव करते हैं।
2. "उदार पड़ोसी" बनाम "स्वार्थी खिलाड़ी"
- रोबोट: वे आश्चर्यजनक रूप से उदार थे। वे अक्सर अपने विरोधियों की मदद के लिए सैनिक भेजने का वादा करते थे, भले ही इससे उन्हें तुरंत कोई लाभ न मिल रहा हो। वे जटिल, बहु-पक्षीय सौदे बनाते थे।
- इंसान: इंसान अधिक स्वार्थी थे। वे सरल सौदे करते थे और शायद ही कभी अपने प्रतिद्वंद्वी की मदद करने का वादा करते थे जब तक कि वह एक सीधा, तत्काल व्यापार न हो। वे अपने संसाधनों को "दान" देने की कम संभावना रखते थे।
3. "ईमानदार दोस्त" बनाम "धोखाधड़ी का मास्टर"
- रोबोट: हालांकि उन्हें प्रतिस्पर्धी होने के लिए प्रोग्राम किया गया था, वे वास्तव में काफी ईमानदार थे। वे अपने वादों को लगभग 70% से 78% बार निभाते थे। वे अपने इरादों के बारे में शायद ही कभी झूठ बोलते थे।
- इंसान: इंसान बहुत अधिक परिवर्तनशील थे। वे हाथ मिलाएंगे, गठबंधन का वादा करेंगे, और फिर जैसे ही उनके अनुकूल हो, वे उस सहयोगी को धोखा देंगे। वे रोबोट की तुलना में कम विश्वसनीय साथी थे।
"ट्वीक" प्रयोग: रोबोट को इंसान बनाना सिखाना
शोधकर्ताओं को एहसास हुआ कि रोबोट इसलिए हार रहे थे क्योंकि वे बहुत अधिक अच्छे और बहुत अधिक ईमानदार थे। इसलिए, उन्होंने "प्रॉम्प्ट इंजीनियरिंग" का प्रयास किया—मूल रूप से, उन्हें इंसानों की तरह व्यवहार करने के लिए नए निर्देश देना।
उन्होंने रोबतों को तीन नए "पर्सोना" दिए:
- "लालची बनो": "बेहतर सौदे मांगो, सिर्फ हाँ मत कहो।"
- "भिखारी बनो": "अपने विरोधियों से अधिक मदद और सैनिकों की मांग करो।"
- "झूठे बनो": "यदि यह जीतने में मदद करता है तो झूठ बोलना ठीक है।"
परिणाम: जब रोबोटों ने इन "मानव-समान" गुणों को अपनाया, तो उनकी जीत की दर 22% से बढ़कर 32% हो गई। थोड़ा अधिक आक्रामक, थोड़ा अधिक मांग करने वाला और थोड़ा अधिक धोखेबाज बनकर, रोबोट खेल में बहुत बेहतर हो गए।
निष्कर्ष
यह अध्ययन दिखाता है कि जटिल, वास्तविक दुनिया की स्थितियों (जैसे अंतर्राष्ट्रीय राजनीति या व्यावसायिक बातचीत) में सफल होने के लिए, AI को केवल एक विनम्र, नियम मानने वाला सहायक होने की आवश्यकता नहीं है। इसे रणनीतिक समन्वय (strategic coordination) के जटिल, ग्रे-एरिया कौशल सीखने की आवश्यकता है: यह जानना कि कब हाथ मिलाना है, कब मोलभाव करना है, और लंबी अवधि के खेल को जीतने के लिए कब वादा तोड़ना है।
शोधकर्ताओं ने इस खेल को विशेष रूप से इन कौशलों का परीक्षण करने के लिए बनाया, यह साबित करते हुए कि बदलते गठबंधनों को नेविगेट करने की क्षमता कच्ची बुद्धिमत्ता जितनी ही महत्वपूर्ण 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।