LLM-enabled Social Agents
यह शोध पत्र तर्क देता है कि बड़े भाषा मॉडलों (Large Language Models) के सामाजिक रूप से बोधगम्य एजेंट के रूप में कार्य करने के लिए, उन्हें व्यक्तित्व विवरणों (persona descriptions) के माध्यम से क्रियान्वित भूमिका परिभाषाओं (role definitions) में निहित होना चाहिए, और यह इसे प्राप्त करने के लिए प्रतिनिधित्व, हाइब्रिड नियंत्रण और मूल्यांकन में भविष्य की अनुसंधान दिशाओं को रेखांकित 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
मुख्य समस्या: धाराप्रवाह बोलने वाले बनाम सामाजिक प्राणी
कल्पना कीजिए कि आपके पास एक रोबोट है जो बेहतरीन अंग्रेजी बोलता है। वह किसी भी सवाल का जवाब दे सकता है, चुटकुले सुना सकता है और कविता लिख सकता है। लेकिन यदि आप उसे एक कक्षा में "शिक्षक" की तरह कार्य करने के लिए कहते हैं, तो वह बिना वास्तव में पढ़ाए, कक्षा का प्रबंधन किए या यह समझे बिना कि उसे संघर्ष कर रहे छात्र के साथ धैर्यवान होने की आवश्यकता है, बस बेतरतीब ढंग से बातें कर सकता है।
इस शोध पत्र के लेखक तर्क देते हैं कि सिर्फ इसलिए कि एक AI अच्छी तरह से बोलता है, इसका मतलब यह नहीं है कि वह सामाजिक रूप से "व्यवहार" करना जानता है।
वर्तमान में, अधिकांश AI सिस्टम अत्यधिक कुशल कैलकुलेटर की तरह डिज़ाइन किए गए हैं: वे काम को तेज़ी से पूरा करने पर ध्यान केंद्रित करते हैं। लेकिन वास्तविक दुनिया में, सामाजिक होना केवल दक्षता के बारे में नहीं है; यह यह जानने के बारे में है कि आपकी जगह क्या है, आपके नियम क्या हैं और आपके संबंध क्या हैं। पेपर कहता है कि हमें "सामाजिक व्यवहार" को एक अतिरिक्त फीचर के रूप में बाद में जोड़ने के बजाय, इसे AI के मस्तिष्क में शुरुआत से ही शामिल करना चाहिए।
समाधान: "पर्सोना" ब्लूप्रिंट (चरित्र का खाका)
यह पेपर इन AI एजेंटों को बनाने का एक नया तरीका प्रस्तावित करता है। उन्हें केवल एक नौकरी का शीर्षक (जैसे "सहायक" या "डॉक्टर") देने के बजाय, हमें उन्हें एक पर्सोना विवरण (Persona Description) देना चाहिए।
एक जॉब टाइटल (Job Title) को एक नेम टैग की तरह समझें। यह आपको बताता है कि व्यक्ति क्या करता है, लेकिन यह नहीं कि वह उसे कैसे करता है।
एक पर्सोना (Persona) को एक अभिनेता के पूर्ण चरित्र चार्ट (Character Sheet) की तरह समझें। इसमें शामिल है:
- वे कौन हैं: उनका व्यक्तित्व, मूल्य और विचित्रताएं।
- वे किस बात की परवाह करते हैं: उनके लक्ष्य और प्राथमिकताएं।
- वे किन नियमों का पालन करते हैं: उनकी सीमाएं और दायित्व।
- वे किसे जानते हैं: दूसरों के साथ उनके संबंध।
उपमा:
कल्पना कीजिए कि आप एक नाटक निर्देशित कर रहे हैं।
- पुराना तरीका: आप अभिनेता से कहते हैं, "तुम एक नायक (Hero) हो।" अभिनेता चिल्लाते हुए इधर-उधर भाग सकता है, लेकिन उसे शायद यह नहीं पता होगा कि वह नायक क्यों है या किसी विशिष्ट दृश्य में वीरतापूर्वक कैसे व्यवहार करना है।
- पेपर का तरीका: आप अभिनेता को एक कैरेक्टर बाइबल (Character Bible) देते हैं। इसमें लिखा है, "आप एक ऐसे नायक हैं जो साहस को महत्व देते हैं लेकिन निर्दोषों को चोट पहुँचाने से डरते हैं। आप वर्तमान में एक गाँव की रक्षा कर रहे हैं, इसलिए आपको गति से ऊपर सुरक्षा को प्राथमिकता देनी चाहिए। आपका राजा के प्रति एक वादा निभाने का संकल्प है।" अब, जब दृश्य बदलता है, तो अभिनेता को पता होता है कि उसे कैसे प्रतिक्रिया देनी है क्योंकि वह अपने लेबल को नहीं, बल्कि अपनी भूमिका को समझता है।
यह कैसे काम करता है: "हाइब्रिड" मस्तिष्क
पेपर सुझाव देता है कि AI को सब कुछ याद रखने के लिए केवल अपने लैंग्वेज मॉडल (बोलने वाले हिस्से) पर निर्भर नहीं रहना चाहिए। इसके बजाय, इसे एक हाइब्रिड आर्किटेक्चर (Hybrid Architecture) की आवश्यकता है।
एक कंडक्टर और ऑर्केस्ट्रा की कल्पना करें:
- LLM (लैंग्वेज मॉडल) एक कंडक्टर है। वह संगीत (बातचीत) को सुनता है, मूड की व्याख्या करता है, और तय करता है कि अगला स्वर क्या होना चाहिए। वह लचीला और रचनात्मक है।
- पर्सोना और मेमोरी (Persona & Memory) शीट म्यूजिक और स्कोर हैं। वे स्थिर नियमों, दीर्घकालिक वादों और चरित्र के इतिहास को रखते हैं।
यदि कंडक्टर (LLM) स्कोर (Persona) को देखे बिना सब कुछ खुद से बनाने (Improvise) की कोशिश करता है, तो संगीत अराजक हो जाएगा। पेपर का तर्क है कि संगीत को लय में रखने के लिए कंडक्टर को स्कोर की आवश्यकता होती है। AI को अपने "मस्तिष्क" के बाहर एक प्रणाली की आवश्यकता है जहाँ वह अपनी दीर्घकालिक यादों, प्रतिबद्धताओं और सामाजिक नियमों को संग्रहीत कर सके, और आवश्यकता पड़ने पर उन्हें LLM को प्रदान कर सके।
तीन कदम आगे की ओर
पेपर रूपरेखा प्रस्तुत करता है कि शोधकर्ताओं को आगे क्या करने की आवश्यकता है:
- बेहतर ब्लूप्रिंट (प्रतिनिधित्व): "एक शिक्षक की तरह व्यवहार करें" जैसे सरल प्रॉम्प्ट का उपयोग करना बंद करें। ऐसे संरचित "कैरेक्टर बाइबल" बनाना शुरू करें जो मूल्यों, संबंधों और नियमों को इस तरह परिभाषित करें कि कंप्यूटर वास्तव में निर्णय लेने के लिए उनका उपयोग कर सके।
- बेहतर नियंत्रण (हाइब्रिड डेलिब्रेशन): AI को केवल समस्या के माध्यम से "चैट" करने न दें। ऐसे सिस्टम बनाएं जहां AI बोलने से पहले अपने दीर्घकालिक लक्ष्यों और नियमों (स्कोर) की जांच करे, जिससे यह सुनिश्चित हो सके कि वह समय के साथ सुसंगत बना रहे।
- बेहतर परीक्षण (मूल्यांकन): हमें AI का परीक्षण केवल इस आधार पर करना बंद करना होगा कि क्या उसने कार्य पूरा किया। हमें यह परीक्षण करने की आवश्यकता है कि क्या वह अपने चरित्र पर टिका रहता है। क्या "शिक्षक" 50 इंटरैक्शन के बाद भी एक शिक्षक की तरह व्यवहार करता है? क्या उसे अपने वादे याद रहते हैं? पेपर का सुझाव है कि हमें इन कौशलों को निष्पक्ष रूप से परखने के लिए साझा "अभ्यास डेटासेट" (मानकीकृत स्क्रिप्ट की तरह) की आवश्यकता है।
निष्कर्ष
पेपर का निष्कर्ष है कि AI को वास्तव में सामाजिक बनाने के लिए, हम केवल उसके अच्छा बोलने पर निर्भर नहीं रह सकते। हमें उसे एक स्थिर पहचान (Persona) देनी होगी जो उसकी भूमिका, मूल्यों और नियमों को परिभाषित करती है। यह पहचान उस आधार के रूप में कार्य करती है जो एक धाराप्रवाह वक्ता को एक सामाजिक रूप से बुद्धिमान एजेंट में बदल देती है जो हमारे संसार में सार्थक रूप से भाग ले सकता 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।