How Affect Propagates among LLM Agents: Emergent Emotional Contagion in Crowd Simulation
यह शोध पत्र यह प्रदर्शित करता है कि मल्टी-एजेंट क्राउड सिमुलेशन में उभरता हुआ भावनात्मक संक्रामकता (इमोशनल कंटाजियन), बिना किसी स्पष्ट हस्तांतरण तंत्र के, एक एलएलएम-संचालित धारणा-मूल्यांकन-अभिव्यक्ति लूप से स्वाभाविक रूप से उत्पन्न होता है—जहाँ चेतावनी एक चलती हुई लहर (ट्रैवलिंग फ्रंट) के रूप में प्रसारित होती है और घबराहट की गतिशीलता को स्थानिक लेआउट, व्यक्तित्व प्रोफाइल और उपयोग किए गए विशिष्ट एलएलएम बैकएंड द्वारा आकार दिया जाता 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
एक ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर केवल नंबरों की गणना ही नहीं करते, बल्कि मानवीय तर्क की जटिलता के साथ कार्य करते हैं। यह कंप्यूटेशनल सोशल साइंस का रोमांचक क्षेत्र है, एक ऐसा क्षेत्र जहाँ शोधकर्ता डिजिटल समाज बनाते हैं ताकि वे देख सकें कि कृत्रिम मस्तिष्क के समूह आपस में कैसे क्रिया करते हैं। इस शोध पत्र को समझने के लिए, आपको दो सरल विचारों को जानना आवश्यक है। पहला, इमोशनल कॉन्टैजियन (भावनात्मक संक्रामकता) वास्तविक दुनिया की वह घटना है जहाँ भावनाएँ जुकाम की तरह फैलती हैं; यदि आप किसी को हंसते हुए देखते हैं, तो आप मुस्कुरा सकते हैं, और यदि आप किसी को घबराते हुए देखते हैं, तो आपका दिल तेजी से धड़क सकता है। दूसरा, लार्ज लैंग्वेज मॉडल्स (LLMs) इस अध्ययन के पीछे के अति-बुद्धिमान AI मस्तिष्क हैं। ये वे इंजन हैं जो इन डिजिटल पात्रों को एक स्थिति को समझने, उसके बारे में अपनी भावना तय करने और फिर उस भावना पर कार्य करने की अनुमति देते हैं, ठीक वैसे ही जैसे एक इंसान करता है। यह क्यों मायने रखता है? क्योंकि जैसे-जैसे हम अपने गेम, फिल्मों और यहाँ तक कि आपातकालीन सिमुलेशन में AI एजेंटों को डालना शुरू कर रहे हैं, हमें यह जानने की आवश्यकता है: यदि एक AI डर जाता है, तो क्या पूरा डिजिटल जनसमूह घबरा जाएगा? और क्या इससे फर्क पड़ता है कि AI स्वाभाविक रूप से "घबराया हुआ" है या "शांत"?
यह शोध पत्र एक डिजिटल क्राउड सिमुलेशन (भीड़ के अनुकरण) में उतरकर यह देखता है कि इन AI एजेंटों के बीच भय, आनंद और क्रोध वास्तव में कैसे फैलता है। शोधकर्ताओं ने एक ऐसी प्रणाली बनाई जहाँ प्रत्येक एजेंट का एक अद्वितीय व्यक्तित्व होता है (प्रसिद्ध "बिग फाइव" लक्षणों जैसे कि न्यूरोटिसिज्म और एग्रीएबिलिटी पर आधारित) और उनका मस्तिष्क LLM द्वारा संचालित होता है। AI को "यदि पड़ोसी चिल्लाता है, तो चिल्लाओ" जैसे हार्ड-कोडेड नियमों के साथ प्रोग्राम करने के बजाय, टीम ने एजेंटों को स्थिति को स्वयं प्रोसेस करने दिया। प्रत्येक एजेंट अपने पड़ोसियों को देखता है, उनकी बातों को सुनता है, और भीड़ के दबाव को महसूस करता है। फिर, उसका AI मस्तिष्क स्थिति का आकलन करता है: "क्या यह डरावना है? क्या यह मजेदार है?" उस विचार के आधार पर, एजेंट अपनी आंतरिक अवस्था चर (internal state variable) को अपडेट करता है और इसे व्यक्त करने का निर्णय लेता है—शायद चिल्लाकर, भागकर, या मुस्कुराकर। यह नई अभिव्यक्ति फिर अगले पड़ोसी द्वारा देखी जाती है, जिससे एक श्रृंखला अभिक्रिया (चेन रिएक्शन) उत्पन्न होती है।
परिणाम बेहद दिलचस्प हैं। इन सिमुलेशन में, भावनाएँ वास्तव में फैलती हैं, लेकिन वे एक साधारण वायरस की तरह नहीं फैलतीं। इसके बजाय, वे एक लहर की तरह चलती हैं। जब शोधकर्ताओं ने एजेंटों की एक पंक्ति में घबराहट का एक एकल "बीज" बोया, तो डर तुरंत सभी तक नहीं पहुँचा; यह लगभग 1.04 सेकंड प्रति मीटर की गति से बाहर की ओर लहर की तरह फैला, दूर स्थित लोगों तक पहुँचने में समय लिया। अध्ययन में पाया गया कि यह "भावनात्मक लहर" इस बात पर बहुत अधिक निर्भर करती है कि एजेंट आपस में कैसे संवाद करते हैं। यदि आप उनके चेहरे देखने या आवाज सुनने की क्षमता को रोक देते हैं, तो घबराहट लगभग पूरी तरह से रुक जाती है। दिलचस्प बात यह है कि आवाज घबराहट का सबसे शक्तिशाली वाहक थी क्योंकि इसे दूर से सुना जा सकता है, जबकि हाव-भाव (जैसे खुद को ढंकना) देखे गए प्रति व्यक्ति सबसे प्रभावी थे। हालाँकि, सबसे आश्चर्यजनक खोज यह थी कि भीड़ का व्यक्तित्व ही सब कुछ निर्धारित करता था। "न्यूरोटिक" (आसानी से चिंतित होने वाले) एजेंटों की भीड़ में, एक अस्पष्ट, संदिग्ध शोर ने एक स्व-प्रवर्धित (self-amplifying) घबराहट पैदा की जिसने पूरे समूह में प्रसार किया। लेकिन एक "स्थिर" भीड़ में, उसी शोर को अनदेखा कर दिया गया। इसी तरह, जब एक "उत्तेजक" (provocateur) लड़ाई शुरू करने की कोशिश करता है, तो "असहमतिपूर्ण" (disagreeable) एजेंटों की भीड़ क्रोधित हो जाती है, जबकि एक सामान्य भीड़ केवल डर जाती है।
शोधकर्ताओं ने यह भी परीक्षण किया कि क्या अलग-अलग AI "मस्तिष्क" (बैकएंड मॉडल) परिणाम को बदलते हैं। उन्होंने पाया कि सिमुलेशन तभी काम करता था जब AI व्यक्तित्व के अंतर के प्रति संवेदनशील था। कुछ मॉडल इतने "सपाट" थे कि उन्होंने इस बात को अनदेखा कर दिया कि एजेंट घबराया हुआ था या शांत, और उन मामलों में, घबराहट की लहर कभी शुरू ही नहीं हुई। यह सुझाव देता है कि AI भीड़ के यथार्थवादी व्यवहार के लिए, अंतर्निहित AI को व्यक्तित्व की बारीकियों को समझने और प्रतिक्रिया देने में सक्षम होना चाहिए। अध्ययन निष्कर्ष निकालता है कि हालांकि ये डिजिटल भीड़ जटिल, मानवीय पैटर्न दिखाते हैं, फिर भी वे सिमुलेशन ही हैं। निष्कर्ष बताते हैं कि मल्टी-एजेंट सिस्टम में, एक एजेंट जिस तरह से खुद को व्यक्त करता है वह गहराई से उसके पड़ोसियों को प्रभावित कर सकता है, लेकिन परिणाम पूरी तरह से समूह के "स्वभाव" और शो चलाने वाले विशिष्ट AI मॉडल पर निर्भर करता है। यह एक चंचल लेकिन गंभीर दृष्टिकोण है कि कैसे डिजिटल दिमाग भविष्य में एक-दूसरे से भावनाएं "पकड़" सकते हैं, बिना यह संकेत दिए कि ये मशीनें वास्तव में भावनाओं का अनुभव करती हैं।
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।