The Epi-LLM Framework: probing LLM behavioral priors through epidemiological agent-based models
Epi-LLM ढांचा बड़े भाषा मॉडलों (LLMs) को एजेंट-आधारित महामारी विज्ञान सिमुलेशन के साथ एकीकृत करता है ताकि यह प्रदर्शित किया जा सके कि सिंथेटिक एजेंट प्रकोपों के प्रति मानवीय व्यवहार संबंधी प्रतिक्रियाओं को प्रभावी ढंग से मॉडल कर सकते हैं, जिससे यह प्रकट होता है कि कथित स्वास्थ्य गंभीरता क्वारंटाइन अनुपालन को प्रेरित करती है और विशिष्ट LLM आर्किटेक्चर व्यवहार संबंधी नियमों के परीक्षण बनाम वास्तविक दुनिया के निर्णय लेने का प्रतिनिधित्व करने के लिए विशिष्ट लाभ प्रदान करते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप समझना चाहते हैं कि एक वायरस भीड़ में कैसे फैलता है। पारंपरिक रूप से, वैज्ञानिक गणितीय सूत्रों का उपयोग करते हैं जो यह मान लेते हैं कि हर कोई एक जैसा व्यवहार करता है—जैसे कि एक रोबोट जो एक सरल नियम का पालन कर रहा हो। लेकिन असली लोग जटिल होते; वे डर जाते हैं, नियमों को अनदेखा करते हैं, दोस्तों की बात सुनते हैं, और हर दिन अलग-अलग निर्णय लेते हैं।
यह शोध पत्र एक नया उपकरण पेश करता है जिसे Epi-LLM कहा जाता है। इसे एक "डिजिटल सैंडबॉक्स" (digital sandbox) के रूप में समझें जहाँ वैज्ञानिक एक सिंथेटिक समाज का निर्माण करते हैं जो पूरी तरह से AI पात्रों (जिन्हें "एजेंट्स" कहा जाता है) से बना है। ये एजेंट केवल एक स्क्रिप्ट का पालन नहीं कर रहे हैं; वे लार्ज लैंग्वेज मॉडल्स (LLMs) द्वारा संचालित हैं—वही तरह की स्मार्ट AI जो निबंध लिखती है या आपसे चैट करती है। ये AI पात्र "सोच" सकते हैं, समाचार पढ़ सकते हैं, बीमार होने के डर को महसूस कर सकते हैं, और यह तय कर सकते हैं कि घर पर रहना है (क्वारंटाइन करना) या बाहर जाना है।
यहाँ शोधकर्ताओं द्वारा किए गए कार्यों और उनकी खोजों का विवरण दिया गया है, सरल उपमाओं का उपयोग करते हुए:
1. सेटअप: एक ट्विस्ट के साथ वीडियो गेम
शोधकर्ताओं ने बीमारी के प्रकोप के एक कंप्यूटर सिमुलेशन (जो इराक के छात्रों द्वारा खेले गए एक वास्तविक अध्ययन पर आधारित था) को लिया और मानव खिलाड़ियों को AI एजेंटों से बदल दिया।
- दुनिया: एजेंट एक डिजिटल शहर में रहते हैं जहाँ वे एक-दूसरे से टकराते हैं। यदि वे किसी बीमार व्यक्ति से टकराते हैं, तो वे बीमार हो सकते हैं।
- चुनाव: हर दिन, प्रत्येक एजेंट को एक चुनाव करना होता है: घर पर रहना (सुरक्षित, लेकिन आप गेम पॉइंट्स खो देते हैं) या बाहर जाना (जोखिम भरा, लेकिन आप अधिक अंक कमाते हैं)।
- दिमाग: शोधकर्ताओं ने इन AI एजेंटों को वास्तविक सर्वेक्षण डेटा के आधार पर "व्यक्तित्व" दिए। उन्होंने AI को बताया, "आप बीमार होने से डरे हुए हैं," या "आपको लगता है कि बीमारी मामूली है," यह देखने के लिए कि इससे उनके व्यवहार में क्या बदलाव आता है।
2. प्रयोग: विभिन्न "मस्तिष्कों" का परीक्षण
शोधकर्ता यह देखना चाहते थे कि क्या AI मस्तिष्क का प्रकार मायने रखता है। उन्होंने एक ही गेम चलाने के लिए चार अलग-अलग AI मॉडल (जैसे सुपर-कंप्यूटर के विभिन्न ब्रांड) का उपयोग किया।
- निष्कर्ष: यह पता चला कि AI का ब्रांड बहुत मायने रखता था।
- कुछ AI मॉडल बहुत सुसंगत और सतर्क थे। वे अक्सर घर पर ही रहे, जिससे वायरस का प्रसार बहुत कम हुआ।
- अन्य AI मॉडल अधिक अराजक और जोखिम भरे थे। वे अधिक बाहर गए, जिससे बड़े प्रकोप हुए।
- सबक: यदि आप एक विशिष्ट नियम का परीक्षण करना चाहते हैं (जैसे "क्या होगा यदि हर कोई घर पर रहे?"), तो आपको एक सुसंगत AI की आवश्यकता होती है। यदि आप वास्तविक मनुष्यों की अव्यवस्थ और अप्रत्याशित प्रकृति की नकल करना चाहते हैं, तो आपको शायद एक अधिक अराजक AI की आवश्यकता होगी।
3. "भूगोल" परीक्षण: क्या नाम बदलने से व्यवहार बदलता है?
शोधकर्ताओं ने एक मजेदार प्रयोग किया। उन्होंने AI एजेंटों को बताया, "आप चीन से हैं," "आप इराक से हैं," "आप केन्या से हैं," या "आप यूके से हैं।" उन्हें उम्मीद थी कि इससे एजेंट वास्तविक लोगों की तरह व्यवहार करेंगे (उदाहरण के लिए, शायद "यूके" वाला एजेंट "इराक" वाले एजेंट की तुलना में अधिक घर पर रहता है)।
- परिणाम: यह काम नहीं आया। एजेंट अपने लेबल के बावजूद लगभग एक जैसा ही व्यवहार करते रहे।
- सबक: एजेंटों को केवल एक भौगोलिक नाम देने मात्र से उन्हें सांस्कृतिक रूप से कार्य करने के लिए तैयार नहीं किया जा सकता; आपको उनके विश्वासों और दृष्टिकोणों को स्पष्ट रूप से प्रोग्राम करना होगा, न कि केवल उनका पता।
4. एजेंट घर पर क्यों रुकता है?
शोधकर्ताओं ने विश्लेषण किया कि एजेंटों ने क्वारंटाइन करने का निर्णय क्यों लिया। उन्होंने पाया कि AI एजेंट आश्चर्यजनक रूप से मूल अध्ययन के वास्तविक मनुष्यों की तरह व्यवहार करते थे:
- डर मुख्य चालक है: एजेंट के घर पर रुकने का सबसे बड़ा कारण यह था कि यदि उन्हें लगा कि बीमारी गंभीर (डरावनी) है।
- गणित: कंप्यूटर मॉडल ने दिखाया कि "अनुभूत गंभीरता" (perceived severity) घर पर रहने का सबसे मजबूत भविष्यवक्ता था। यह वास्तविक मानव डेटा के साथ बहुत बारीकी से मेल खाता है।
- लागत: यदि घर पर रहने में बहुत अधिक अंक (पुरस्कार) खर्च होते, तो एजेंट ऐसा करने की कम संभावना रखते थे, ठीक वैसे ही जैसे वास्तविक लोग सुरक्षा नियमों को अनदेखा कर सकते हैं यदि इससे उनके काम या जेब पर असर पड़ता है।
5. खेल के नियमों को बदलना
अंत में, शोधकर्ताओं ने गेम के रिवॉर्ड सिस्टम (पुरस्कार प्रणाली) को बदल दिया। केवल घर पर रहने के लिए अंक देने के बजाय, उन्होंने ऐसा बनाया कि एजेंटों को लोगों से मिलने के लिए अंक मिलते।
- परिणाम: इस सरल बदलाव ने प्रकोप के स्वरूप को पूरी तरह से बदल दिया। एजेंट लंबे समय तक घर पर रहे और वायरस बहुत कम फैला।
- सबक: यह साबित करता है कि यह उपकरण नीति निर्माताओं के लिए उपयोगी है। वास्तविक दुनिया में एक नया नियम आज़माने से पहले, आप देख सकते हैं कि वे वास्तव में काम करते हैं या नहीं, इसके लिए आप इस डिजिटल सैंडबॉक्स में नियमों के साथ "खेल" सकते हैं।
सारांश
Epi-LLM फ्रेमवर्क AI पात्रों का उपयोग करके महामारी का अनुकरण करने का एक नया तरीका है जो वास्तविक मानव डेटा के आधार पर "सोच" और "महसूस" कर सकते हैं।
- अच्छी खबर: ये AI एजेंट वास्तविक मानव व्यवहार (जैसे डरने पर घर पर रहना) की नकल कर सकते हैं और वैज्ञानिकों को वास्तविक जीवन को जोखिम में डाले बिना विचारों का परीक्षण करने में मदद कर सकते हैं।
- चेतावनी: आपको इस बात के प्रति सावधान रहना होगा कि आप किस AI का उपयोग कर रहे हैं (कुछ बहुत कठोर हैं, कुछ बहुत अनियंत्रित) और आप केवल एक एजेंट पर देश का नाम चिपकाकर यह उम्मीद नहीं कर सकते कि वह सांस्कृतिक रूप से कार्य करेगा; आपको संस्कृति को प्रोग्राम करना होगा।
यह एक "प्रूफ ऑफ कॉन्सेप्ट" है—यह दिखाता है कि मशीन काम करती है और यह अध्ययन करने के लिए तैयार है कि मानव व्यवहार के माध्यम से बीमारियाँ कैसे फैलती हैं, एक सुरक्षित और जोखिम मुक्त प्रयोगशाला के रूप में।
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।