तकनीकी सारांश: अंत ही साधन को न्यायसंगत बनाता है: आनुपातिक क्रमिक निर्णयों के लिए एक रैखिक रैंकिंग नियम

1. समस्या विवरण

यह शोध पत्र लोकतांत्रिक डिजाइन संदर्भों (जैसे कि AI संरेखण, संसाधन आवंटन (उदाहरण के लिए, किडनी एक्सचेंज, भोजन दान), और सहभागी डिजाइन) में बार-बार उपयोग के लिए एक सामूहिक निर्णय नियम चुनने की चुनौती को संबोधित करता है। विशेष रूप से, लेखक रैखिक रैंकिंग नियमों (linear ranking rules) पर ध्यान केंद्रित करते हैं, जहाँ $m$ वस्तुओं का एक बैच $X = (x_1, \dots, x_m)$, जिसमें प्रत्येक वस्तु एक फीचर वेक्टर $x \in \mathbb{R}^d$ द्वारा वर्णित है, एक निश्चित स्कोरिंग वेक्टर $\theta$ से प्राप्त स्कोर $s_\theta(x) = \langle \theta, x \rangle$ के आधार पर रैंक किया जाता है।

मुख्य एकत्रीकरण समस्या इस प्रकार परिभाषित है: $n$ मतदाता प्रकारों (voter types) को देखते हुए, जिनके आदर्श स्कोरिंग वेक्टर $\theta^{(1)}, \dots, \theta^{(n)}$ और जनसंख्या अंश $\alpha^{(1)}, \dots, \alpha^{(n)}$ हैं, एक सामूहिक स्कोरिंग वेक्टर $\theta^*$ का चयन कैसे किया जाना चाहिए?

केंद्रीय चिंता समय के साथ प्रतिनिधित्व संबंधी असमानता (representational inequality over time) है। बार-बार उपयोग किए जाने वाले एक निश्चित नियम से लगातार बहुमत के विचारों के अनुरूप होने और व्यवस्थित रूप से अल्पसंख्यक दृष्टिकोणों को दरकिनार करने की संभावना होती है। यह शोध पत्र एक ऐसा एकत्रीकरण तंत्र खोजने का प्रयास करता है जो व्यक्तिगत आनुपातिकता (Individual Proportionality - IP) को संतुष्ट करता हो: यदि मतदाता प्रकार $i$, जनसंख्या का एक अंश $\alpha^{(i)}$ है, तो सामूहिक रैंकिंग को आइटम के कम से कम $\alpha^{(i)}$ अंश जोड़ों (item pairs) पर प्रकार $i$ के पसंदीदा रैंकिंग के साथ सहमत होना चाहिए।

यह पत्र IP के दो रूपों में अंतर करता है:

1. दीर्घकालिक IP (Long-Run IP): आनुपातिकता वितरण $\mathcal{D}$ से लिए गए बैचों के ऊपर अपेक्षा (expectation) में बनी रहती है।
2. प्रति-बैच IP (Per-Batch IP): आनुपातिकता प्रत्येक विशिष्ट बैच $X$ (या एक बैच के भीतर न्यूनतम सहमति के ऊपर अपेक्षा) के लिए बनी रहती है।

2. कार्यप्रणाली और सैद्धांतिक ढांचा

2.1. अंकगणितीय माध्य की विफलता (The Failure of the Arithmetic Mean)

साहित्य में मानक दृष्टिकोण अंकगणितीय माध्य ($\theta_{\text{arith}}$) है, जिसे व्यक्तिगत स्कोरिंग वेक्टर्स के भारित औसत (weighted average) के रूप में परिभाषित किया गया है। लेखक Feffer et al. [2023] का हवाला देते हुए यह प्रदर्शित करते हैं कि $\theta_{\text{arith}}$ अत्यधिक बहुसंख्यकवादी (majoritarian) है। "एंटीपोडल कंस्ट्रक्शंस" (जहाँ दो मतदाता प्रकारों के विपरीत वेक्टर होते हैं) में, अंकगणितीय माध्य पूरी तरह से बहुमत के वेक्टर की ओर झुक सकता है, जिसके परिणामस्वरूप अल्पसंख्यक के लिए शून्य सहमति होती है, चाहे बैच का आकार या वितरण कुछ भी हो।

2.2. कोणीय माध्य (The Angular Mean - $\theta_{\text{ang}}$)

प्रमुख पद्धतिगत योगदान के रूप में कोणीय माध्य (angular mean) को एक वैकल्पिक एकत्रीकरण नियम के रूप में प्रस्तावित किया गया है। इसे भारित वर्ग कोणीय दूरियों (squared angular distances) के योग को न्यूनतम करने वाले के रूप में परिभाषित किया गया है:
$$\theta_{\text{ang}} := \arg\min_{\theta \in S^{d-1}} \sum_{i=1}^n \alpha^{(i)} \angle(\theta, \theta^{(i)})^2$$
अंकगणितीय माध्य के विपरीत, जो यूक्लिडियन दूरी को न्यूनतम करता है, कोणीय माध्य गोलाकार सतह $S^{d-1}$ पर कार्य करता है, जो रैंकिंग दिशाओं की ज्यामितीय प्रकृति का सम्मान करता है।

2.3. सैद्धांतिक विश्लेषण

लेखक गोलीय सममित आइटम वितरणों ($\mathcal{D}^\circ$) की धारणा के तहत $\theta_{\text{ang}}$ के गुणों का विश्लेषण करते हैं।

• दीर्घकालिक IP: वे सिद्ध करते हैं कि $\theta_{\text{ang}}$ किसी भी प्रोफाइल के लिए दीर्घकालिक IP को संतुष्ट करता है (अर्थात, आनुपातिकता स्तर 1 प्राप्त करता है)। यह एक मौलिक ज्यामितीय गुण पर निर्भर करता है: कोणीय माध्य प्रत्येक मतदाता के आदर्श वेक्टर $\theta^{(i)}$ से $(1 - \alpha^{(i)})\pi$ के कोण के भीतर स्थित होता है।
• प्रति-बैच IP: यह शोध पत्र प्रति-बैच IP के लिए एक असंभवता परिणाम (impossibility result) स्थापित करता है। कोई भी निश्चित रैखिक नियम प्रत्येक विशिष्ट बैच के लिए आनुपातिकता की गारंटी नहीं दे सकता, भले ही हकदारी (entitlements) पूर्णांक हो। यह "निकट-सहरेख" (near-collinear) बैचों के कारण होता है जहाँ आइटम इस तरह से संरेखित होते हैं कि एक रैखिक नियम को कम से कम एक मतदाता प्रकार के साथ पूरी तरह से असहमत होने के लिए मजबूर करना पड़ता है।
• अभिसरण (Convergence): हालाँकि, लेखक सिद्ध करते हैं कि जैसे-जैसे बैच का आकार $m$ बढ़ता है, प्रति-बैच IP और दीर्घकालिक IP के बीच का अंतर तेजी से कम होता जाता है। विशेष रूप से, विचलन को $O(\sqrt{\frac{\min(\log n, d \log(m/d))}{m}})$ द्वारा सीमित किया गया है।

3. मुख्य योगदान

1. एक आनुपातिक रैखिक नियम का अस्तित्व: यह शोध पत्र सिद्ध करता है कि कोणीय माध्य एक सरल, व्याख्या योग्य, निश्चित रैखिक नियम है जो गोलाकार सममित वितरणों के लिए दीर्घकालिक व्यक्तिगत आनुपातिकता की गारंटी देता है। यह इस खुले प्रश्न को हल करता है कि क्या कोई भी निश्चित रैखिक नियम विषम मतों को संतुलित कर सकता है बिना स्वाभाविक रूप से बहुसंख्यकवादी हुए।
2. मौलिक ज्यामितीय गुण: लेखक $d$ आयामों में कोणीय माध्य के संबंध में एक नया प्रमेय (प्रमेय 3.3) स्थापित करते हैं: किसी भी प्रोफाइल के लिए, कोणीय माध्य किसी भी मतदाता $i$ के वेक्टर से $(1 - \alpha^{(i)})\pi$ के कोण के भीतर रहने की गारंटी देता है। यह 2D परिणामों का उच्च आयामों में सामान्यीकरण करता है।
3. असंभवता और अभिसरण सीमाएँ: यह शोध पत्र औपचारिक रूप से सिद्ध करता है कि निश्चित रैखिक नियमों के लिए प्रति-बैच IP असंभव है (प्रमेय 4.3), लेकिन यह भी दर्शाता है कि निश्चित नियमों तक सीमित रहने से होने वाला नुकसान बड़े बैच आकार के लिए नगण्य है (प्रमेय 4.5)।
4. मजबूती (Robustness): कोणीय माध्य को मजबूत दिखाया गया है; यदि कोई स्कोरिंग वेक्टर कोणीय दूरी में $\theta_{\text{ang}}$ के करीब है, तो इसके आनुपातिकता गारंटी केवल योगात्मक (additively) रूप से घटते हैं।

4. अनुभवजन्य परिणाम (Empirical Results)

लेखक तीन वास्तविक दुनिया के डेटासेट्स (Moral Machine, Kidney Exchange, Food Rescue) और उनके सिंथेटिक 2D वेरिएंट्स (जो मतदाता विषमता को बढ़ाने के लिए बनाए गए हैं) पर पाँच एकत्रीकरण तंत्रों का मूल्यांकन करते हैं:

• परीक्षण किए गए नियम: अंकगणितीय माध्य ($\theta_{\text{arith}}$), कोणीय माध्य ($\theta_{\text{ang}}$), ज्यामितीय माध्यिका (Geometric Median), बोर्डा काउंट (Borda Count), और आनुपातिक क्रमिक बोर्डा (PSB)।
• समरूप शासन (Homogeneous Regimes): मूल डेटासेट्स पर जहाँ मतदाता प्राथमिकताएँ अपेक्षाकृत समान हैं, सभी नियम (अंकगणितीय माध्य सहित) समान प्रदर्शन करते हैं और आनुपातिकता को संतुष्ट करते हैं।
• विषम शासन (Heterogeneous Regimes - 2D Data): जब मतदाता वेक्टर्स एक विस्तृत चाप (arc) में फैले होते हैं (उच्च असहमति का अनुकरण करते हुए):
  • अंकगणितीय माध्य और ज्यामितीय माध्यिका महत्वपूर्ण रूप से विफल होते हैं, जो अक्सर आनुपातिक हकदारी से नीचे गिर जाते हैं (Long-IP < 1)।
  • कोणीय माध्य अंकगणितीय माध्य और ज्यामितीय माध्यिका की तुलना में काफी बेहतर प्रदर्शन करता है, Long-IP $\ge 1$ बनाए रखता है।
  • PSB (एक गैर-रैखिक, गैर-निश्चित नियम) सबसे अच्छा प्रदर्शन करता है, जो पुष्टि करता है कि "निश्चित रैखिक" बाधा को हटाने से और अधिक लाभ मिलता है, लेकिन कोणीय माध्य सबसे अच्छा प्रदर्शन करने वाला निश्चित रैखिक नियम बना रहता है।
• अभिसरण: अनुभवजन्य परिणाम पुष्टि करते हैं कि बैच आकार $m$ बढ़ने पर प्रति-बैच IP, दीर्घकालिक IP में बहुत तेज़ी से अभिसरित होता है, यहाँ तक कि छोटे $m$ के लिए भी।

5. महत्व और दावे

यह शोध पत्र निर्णय नियमों को एकत्रित करने के लिए एक सर्वश्रेष्ठ-मामला बेंचमार्क (best-case benchmark) प्रदान करने का दावा करता है। यह दिखाकर कि एक निश्चित रैखिक नियम (कोणीय माध्य) दीर्घकालिक आनुपातिकता को संतुष्ट कर सकता है, लेखक तर्क देते हैं कि कम-सूचना वाले पाइपलाइन (जिन्हें शोर वाले डेटा से नियम सीखना होता है) को कोणीय माध्य की संरचना को संरक्षित करने का लक्ष्य रखना चाहिए।

इसका महत्व निम्नलिखित में निहित है:

• बहुसंख्यकवादी दोष को सुधारना: यह अंकगणितीय माध्य के एक सरल, व्याख्या योग्य विकल्प की पहचान करता है जो बार-बार निर्णय लेने में "बहुमत के अत्याचार" से बचता है।
• सैद्धांतिक गारंटी: यह पहला प्रमाण प्रदान करता है कि एक निश्चित रैखिक नियम दीर्घकालिक व्यक्तिगत आनुपातिकता को संतुष्ट कर सकता है, एक ऐसा गुण जिसे पहले निश्चित नियमों के लिए कठिन या असंभव माना जाता था।
• व्यावहारिक प्रयोज्यता: कोणीय माध्य गणनात्मक रूप से सुलभ है (ग्रेडिएंट-आधारित अनुकूलन के माध्यम से) और व्यावहारिक रूप से गैर-गोलीय वितरणों के प्रति मजबूत है, जो इसे AI संरेखण और सहभागी डिजाइन में वास्तविक दुनिया के अनुप्रयोगों के लिए एक व्यवहार्य उम्मीदवार बनाता है।

लेखक अपनी सीमाओं के बारे में विनम्र रहते हैं, यह स्वीकार करते हुए कि हालांकि $\theta_{\text{ang}}$ दीर्घकालिक समस्या को हल करता है, यह "निश्चित रैखिक" बाधा का त्याग किए बिना मजबूत प्रति-बैच गारंटी प्राप्त नहीं कर सकता है, जो कि एक ऐसा ट्रेड-ऑफ है जो बड़े बैच आकार के साथ कम हो जाता है।