Wisdom Of The (AI) Crowd: Investigating Artificial Swarm Intelligence In Large Language Models
यह शोध पत्र यह प्रदर्शित करता है कि विभिन्न आर्किटेक्चर के भीतर और उनके बीच, कई लार्ज लैंग्वेज मॉडल्स के आउटपुट को एकत्रित करना, अनुमान त्रुटियों को काफी कम करता है और अनिश्चितता के प्रति मेटाकॉग्निटिव जागरूकता को प्रकट करता है, जो संगठनात्मक निर्णय लेने के लिए मानव झुंड बुद्धिमत्ता (human swarm intelligence) के एक स्केलेबल विकल्प के रूप में कार्य 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 विचार: क्या AI "भीड़ की बुद्धिमत्ता" का उपयोग कर सकता है?
कल्पना कीजिए कि आप एक विशाल बैल के वजन का अनुमान लगाने की कोशिश कर रहे हैं। यदि आप एक व्यक्ति से पूछते हैं, तो वह बहुत गलत हो सकता है। लेकिन यदि आप 100 लोगों से पूछते हैं और उनके अनुमानों का औसत लेते हैं, तो परिणाम अक्सर अविश्वसनीय रूप से सटीक होता है। यह प्रसिद्ध "भीड़ की बुद्धिमत्ता" (Wisdom of the Crowd) है।
द दशकों से, मनुष्यों ने इस तरकीब का उपयोग किया है। लेकिन 100 लोगों को इकट्ठा करना धीमा, महंगा और कठिन है।
यह शोध पत्र एक नया प्रश्न पूछता है: क्या हम GPT-5, Gemini और Claude जैसे लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करके एक "कृत्रिम भीड़" (Artificial Crowd) बना सकते हैं? एक इंसान से 100 बार पूछने के बजाय, क्या हम एक AI से 30 बार पूछ सकते हैं, या तीन अलग-अलग AI से 10-10 बार पूछ सकते हैं, और केवल एक से पूछने की तुलना में बेहतर उत्तर प्राप्त कर सकते हैं?
प्रयोग: "अनुमान लगाने का खेल"
शोधकर्ताओं ने इसका परीक्षण करने के लिए एक नियंत्रित खेल तैयार किया। उन्होंने AI से "राष्ट्रपति कौन है?" जैसे सरल प्रश्न नहीं पूछे क्योंकि AI इन तथ्यों को याद कर लेते हैं। इसके बजाय, उन्होंने उन्हें 8 कठिन अनुमान संबंधी समस्याएँ दीं जिनमें अनुमान और तर्क की आवश्यकता होती है, जैसे:
- "पूरे NYC सबवे सिस्टम को शून्य से फिर से बनाने में कितनी लागत आएगी?"
- "एक कार अपने जीवनकाल में कितने गैलन गैस का उपयोग करती है?"
- "अगले साल किसी विशिष्ट कंपनी के स्टॉक की कीमत क्या होगी?"
उन्होंने AI के साथ एक भीड़ की तरह व्यवहार किया। उन्होंने तीन मुख्य रणनीतियों का उपयोग किया:
- सोलो आर्टिस्ट (Solo Artist): उन्होंने एक विशिष्ट AI (जैसे, केवल GPT-5) से एक ही प्रश्न 30 बार पूछा। चूंकि AI थोड़ा रैंडम (यादृच्छिक) होता है (जैसे कि किसी इंसान का "बुरा दिन" या "अच्छा दिन" होना), इसलिए इसने 30 थोड़े अलग उत्तर दिए।
- विशेषज्ञों का पैनल (Panel of Experts): उन्होंने तीन अलग-अलग AI (GPT-5, Gemini और Claude) से एक ही प्रश्न 10-10 बार पूछा।
- ग्रैंड एवरेज (Grand Average): उन्होंने उन सभी उत्तरों को लिया और उन्हें एक साथ औसत निकाला यह देखने के लिए कि क्या "भीड़" किसी भी एकल व्यक्तिगत अनुमान से अधिक स्मार्ट है।
उन्हें क्या पता चला
1. भीड़ अधिक स्मार्ट है (ज्यादातर मामलों में)
इंसानों की तरह, "कृत्रिम भीड़" आमतौर पर किसी भी एकल AI अनुमान की तुलना में अधिक सटीक थी।
- उपमा: कल्पना कीजिए कि तीन दोस्त जार में जेलीबीन्स की संख्या का अनुमान लगा रहे हैं। एक 500 कहता है, एक 1,000, और एक 2,000। औसत 1,166 है। यदि वास्तविक उत्तर 1,100 है, तो औसत किसी भी अकेले दोस्त के अनुमान की तुलना में बहुत करीब है।
- परिणाम: उत्तरों का औसत निकालने से त्रुटियां काफी कम हो गईं। कुछ मामलों में, "भीड़" एक एकल AI अनुमान की तुलना में 37% अधिक सटीक थी।
2. "इको चैंबर" (Echo Chamber) की समस्या
जब उन्होंने एक ही AI से 30 बार पूछा, तो इससे मदद मिली, लेकिन उतना नहीं जितना अलग-अलग AI से पूछने से मिली।
- उपमा: यदि आप एक ही व्यक्ति से 30 बार पूछते हैं, तो हो सकता है कि वह अपनी एक ही गलती 30 बार दोहरा दे, या उसका "खराब मूड" उसके सभी 30 अनुमानों को एक ही गलत दिशा में झुका दे।
- परिणाम: अलग-अलग प्रकार के AI को मिलाना (विशेषज्ञों का पैनल) सबसे अच्छा रहा क्योंकि वे अलग-अलग प्रकार की गलतियाँ करते थे, जो एक-दूसरे को काट देते थे।
3. "कॉन्फिडेंस मीटर" (Confidence Meter) काम करता है
शोधकर्ताओं ने AI से न केवल एक संख्या देने के लिए कहा, बल्कि एक "कॉन्फिडेंस इंटरवल" (एक सीमा जहाँ वे सोचते हैं कि उत्तर मौजूद है) भी मांगा।
- उपमा: कल्पना कीजिए कि एक मौसम विज्ञानी कहता है, "बारिश होगी, और मुझे 90% यकीन है कि यह दोपहर 1 बजे से 3 बजे के बीच होगी।"
- परिणाम: AI इस बारे में बताने में आश्चर्यजनक रूप से सक्षम थे कि वे कब अनिश्चित थे। जब उन्होंने एक चौड़ी सीमा दी (जैसे, "यह 10 और 100 के बीच कहीं भी हो सकता है"), तो वे आमतौर पर बहुत गलत थे। जब उन्होंने एक संकीर्ण सीमा दी (जैसे, "यह निश्चित रूप से 40 और 42 के बीच है"), तो वे आमतौर पर सही थे। यह सुझाव देता है कि AI में अपनी अनिश्चितता के बारे में "आत्म-जागरूकता" का एक रूप है।
4. सभी अनुमान समान नहीं होते
"भीड़" ऐतिहासिक पैटर्न वाली समस्याओं पर सबसे अच्छा काम करती है, जैसे स्टॉक की कीमतें या आर्थिक रुझान।
- उपमा: जुलाई के औसत तापमान का अनुमान लगाना आसान है क्योंकि आपके पास पिछले 10 वर्षों का डेटा है। एक काल्पनिक नए सबवे सिस्टम की लागत का अनुमान लगाना बहुत कठिन है जिसे कभी बनाया ही नहीं गया।
- परिणाम: AI भीड़ रुझानों (trends) की भविष्यवाणी करने में बेहतरीन थी लेकिन पूरी तरह से नए, रचनात्मक "क्या होगा अगर" वाले परिदृश्यों के साथ संघर्ष करती थी जहाँ सहारा लेने के लिए कोई पिछला डेटा नहीं था।
निचोड़ (The Bottom Line)
यह शोध पत्र सिद्ध करता है कि AI "भीड़ की बुद्धिमत्ता" की नकल कर सकता है। कई AI मॉडल (या एक ही मॉडल से कई बार) पूछकर और उनके उत्तरों का औसत निकालकर, आप किसी एकल AI पर भरोसा करने की तुलना में काफी अधिक सटीक परिणाम प्राप्त कर सकते हैं।
यह यह भी दिखाता है कि ये AI मॉडल हमें बता सकते हैं कि वे कब अंधेरे में तीर चला रहे हैं (चौड़ी कॉन्फिडेंस रेंज देकर), जो कि उन लोगों के लिए एक उपयोगी उपकरण है जो AI के साथ निर्णय लेने की कोशिश कर रहे हैं। हालांकि, यह "सुपर-क्राउड" तब सबसे अच्छा काम करता है जब अनुमान लगाने के लिए कुछ डेटा या इतिहास मौजूद हो, न कि शुद्ध कल्पना।
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।