Nudging Sustainable Choices through LLM-Generated Recommendation Explanations
यह अध्ययन प्रदर्शित करता है कि जबकि LLM-जनित अनुशंसा स्पष्टीकरणों में केवल स्थिरता संबंधी जानकारी प्रकट करना उपयोगकर्ता के विकल्पों को बदलने में विफल रहता है, वहीं ऐसी जानकारी को फ्रेम करना या वर्णनात्मक सामाजिक मानदंडों का आह्वान करना कम-और-उच्च-जुड़ाव वाले डोमेन दोनों में उपभोक्ताओं को टिकाऊ चयन की ओर प्रभावी ढंग से प्रेरित (नज) 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
कल्पना कीजिए कि आप एक विशाल, डिजिटल सुपरमार्केट में घूम रहे हैं जहाँ एक मददगार रोबोट सहायक यह अनुमान लगाने की कोशिश कर रहा है कि आप क्या खरीदना चाहते हैं। यह रोबोट एक "अनुशंसा प्रणाली" (recommender system) है, जो एक ऐसा सॉफ्टवेयर है जो आपके द्वारा पहले पसंद की गई चीजों के आधार पर सुझाव देता है। अब, कल्पना कीजिए कि दुनिया सभी को ऐसे विकल्प चुनने के लिए प्रेरित करने की कोशिश कर रही है जो पृथ्वी के लिए बेहतर हों, जैसे कि ऐसी कॉफी चुनना जिसमें कम प्लास्टिक का उपयोग होता हो या ऐसा होटल जो ऊर्जा बचाता हो। वैज्ञानिक पूछ रहे हैं: क्या हम इस रोबोट को न केवल यह बताने के लिए सिखा सकते हैं कि आपको क्या पसंद है, बल्कि उसे धीरे से उस चीज़ की ओर भी मोड़ सकते हैं जो पृथ्वी के लिए अच्छी है, बिना आपको मजबूर किए?
इसे करने के लिए, शोधकर्ता दो मुख्य विचारों का उपयोग करते हैं। पहला, वे "व्याख्याओं" (explanations) का उपयोग करते हैं। केवल यह कहने के बजाय कि, "यहाँ एक कॉफी है," रोबोट कहता है, "यहाँ एक कॉफी है क्योंकि आपको डार्क रोस्ट पसंद है।" यह एक वेटर की तरह है जो बताता है कि कोई व्यंजन क्यों अच्छा है। दूसरा, वे "नज" (nudges) का उपयोग करते हैं। 'नज' कोई धक्का नहीं है; यह जानकारी प्रस्तुत करने का एक सूक्ष्म तरीका है जो सही विकल्प को आसान या अधिक आकर्षक बनाता है, जैसे कैफेटेरिया में फलों को आंखों के स्तर पर रखना। बड़ा सवाल यह है: यदि हम रोबोट को बताते हैं कि कोई वस्तु पर्यावरण के अनुकूल क्यों है, तो क्या लोग वास्तव में उसे खरीदेंगे? और क्या इससे फर्क पड़ता है कि रोबोट इसे कैसे कहता है?
यह शोध पत्र इस प्रश्न की गहराई में जाने के लिए इस रोबोट की व्याख्या को एक सुपर-स्मार्ट, AI-संचालित कहानीकार में बदलकर इस पर काम करता है। शोधकर्ताओं, हया हलिमेह, डिटमार जानैक और ओलिवर मुलर ने यह देखना चाहा कि क्या वे इन पर्यावरण के अनुकूल व्याख्याओं को तुरंत उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग कर सकते हैं—वही AI जो निबंध लिखता है और आपसे चैट करता है। उन्होंने इसका परीक्षण दो बहुत अलग दुनियाओं में किया: एक सस्ती इंस्टेंट कॉफी खरीदना (एक त्वरित, कम जोखिम वाला निर्णय) और छुट्टियों के लिए एक होटल बुक करना (एक बड़ा, महंगा, उच्च-जोखिम वाला निर्णय)।
टीम ने एक खेल तैयार किया जिसमें 529 वास्तविक लोगों को चार वस्तुओं के बीच चयन करना था जो उनकी व्यक्तिगत पसंद से पूरी तरह मेल खाती थीं। कुछ वस्तुएं "अधिक हरी" (जैसे कि पुनर्चक्रण योग्य पैकेजिंग या हरित प्रमाणन होना) थीं, और कुछ नहीं थीं। ट्विस्ट उन व्याख्याओं में था जो AI ने प्रत्येक आइटम के लिए दी थीं। उन्होंने इन हरित विशेषताओं के बारे में बात करने के चार अलग-अलग तरीकों का परीक्षण किया:
- केवल तथ्य: "यह वस्तु अनुशंसित है क्योंकि इसमें पुनर्चक्रण योग्य पैकेजिंग है।"
- "अच्छी खबर" का फ्रेम: "यह वस्तु अनुशंसित है क्योंकि इसकी पुनर्चक्रण योग्य पैकेजिंग लैंडफिल कचरे को कम करने में मदद करती है और एक स्वच्छ भविष्य का समर्थन करती है।" (सकारात्मक लाभ पर ध्यान केंद्रित करना)।
- "बाकी सब भी ऐसा ही कर रहे हैं" का नज: "यह वस्तु अनुशंसित है क्योंकि समान उत्पादों को देखने वाले कई अन्य ग्राहकों ने इसके पुनर्चक्रण योग्य पैकेजिंग के लिए इसे चुना।" (सहपाठियों/साथियों के व्यवहार पर ध्यान केंद्रित करना)।
- कोई हरित जानकारी नहीं: केवल यह समझाना कि यह आपकी पसंद के अनुसार क्यों है, पर्यावरण के बारे में कोई उल्लेख नहीं।
यहाँ उन्हें क्या मिला, यह थोड़ा चौंकाने वाला है। केवल लोगों को हरित तथ्य बताना ( "केवल तथ्य" समूह) उनके मन को बिल्कुल नहीं बदल पाया। लोग अभी भी गैर-हरित वस्तुओं को उतनी ही बार चुन रहे थे जितनी पहले। AI ने जादू से उन्हें तब तक नहीं मनाया जब तक कि केवल डेटा की सूची नहीं दी गई।
हालाँकि, जब AI ने "अच्छी खबर" वाले फ्रेम या "बाकी सब भी ऐसा ही कर रहे हैं" वाले नज का उपयोग किया, तो परिणाम नाटकीय थे। इन समूहों में, टिकाऊ विकल्प चुनने वाले लोगों की संख्या लगभग 51% (लगically एक सिक्का उछालने जैसा) से बढ़कर लगभग 69% और 67% हो गई। शोधकर्ताओं ने पाया कि यह केवल जानकारी होने के बारे में नहीं था; यह इस बारे में था कि जानकारी को कैसे पेश किया गया। "अच्छी खबर" वाला फ्रेम, जो सकारात्मक परिणाम पर प्रकाश डालता था, सबसे शक्तिशाली था, जिसने निर्णय को अधिक आसान और संतोषजनक बना दिया।
दिलचस्प रूप से, शोधकर्ताओं ने लोगों के कहने और उनके करने के बीच एक मजेदार अंतर देखा। जब लोगों ने सादे तथ्य देखे, तो उन्हें लगा कि व्याख्याएं मददगार और स्पष्ट थीं। लेकिन यह व्यवहार में बदलाव में नहीं बदला। यह तभी हुआ जब व्याख्या को एक लाभ या एक सामाजिक चलन के रूप में पेश किया गया। यह सुझाव देता है कि यह जानना कि कुछ "अच्छा" है, पर्याप्त नहीं है; आपको वास्तव में बदलाव करने के लिए सकारात्मक प्रभाव को महसूस करने या यह देखने की आवश्यकता है कि अन्य लोग भी ऐसा कर रहे हैं।
अध्ययन ने यह भी जांचा कि क्या यह त्वरित निर्णयों (कॉफी) और बड़े निर्णयों (होटल) दोनों के लिए काम करता है। उत्तर हाँ था: वही नियम दोनों पर लागू होते हैं। चाहे आप 500, एक अच्छी तरह से तैयार की गई व्याख्या आपको बिना आपकी स्वतंत्रता छीने, एक हरित विकल्प की ओर मोड़ सकती है। शोधकर्ता निष्कर्ष निकालते हैं कि विशिष्ट, सिद्धांत-आधारित कहानियाँ बनाने के लिए AI का उपयोग करना टिकाऊ आदतों को प्रोत्साहित करने के लिए एक शक्तिशाली उपकरण है, लेकिन यह तभी काम करता है जब आप कहानी सही तरीके से सुनाते हैं। केवल तथ्यों को सूचीबद्ध करना पर्याप्त नहीं 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।