Co-evolution of social reward and punishment under institutional interventions

कल्पना कीजिए कि एक ऐसी दुनिया है जहाँ हर कोई मिल-जुलकर रहने की कोशिश कर रहा है, लेकिन वहाँ धोखा देने का एक गुप्त प्रलोभन भी मौजूद है। यह क्लासिक "प्रिजनर्स डिलेमा" (Prisoner's Dilemma) है, जो विकासवादी गेम थ्योरी (evolutionary game theory) के क्षेत्र में एक प्रसिद्ध पहेली है। इसे एक ग्रुप प्रोजेक्ट की तरह समझें जहाँ अगर सब अपना हिस्सा ईमानदारी से निभाते हैं, तो सबको 'A' ग्रेड मिलता है, लेकिन अगर आप दूसरों की मेहनत पर मुफ्तखोरी (free-riding) करते हुए काम चोरी करते हैं, तो आपको बिना मेहनत के और भी बेहतर ग्रेड मिलता है और कड़ी मेहनत करने वालों को बुरा ग्रेड मिलता है। असल जिंदगी में, यह हर जगह होता है: पड़ोसियों द्वारा कचरा प्रबंधन साझा करने से लेकर प्रदूषण रोकने की कोशिश करने वाले देशों तक। बड़ा सवाल जो वैज्ञानिक दशकों से पूछ रहे हैं, वह यह है: हम धोखेबाजों को कैसे रोकें और सभी को सहयोग करने के लिए कैसे प्रेरित करें?

आमतौर पर, हम इसे ठीक करने के दो मुख्य तरीके सोचते हैं। पहला है "पीयर प्रेशर" (peer pressure/साथियों का दबाव), जहाँ आम लोग ढीठ लोगों को दंडित करते हैं या मेहनती लोगों को पुरस्कृत करते हैं। दूसरा है "संस्थागत शक्ति" (institutional power), जैसे कि कोई सरकार या रेफरी जो जुर्माना लगाने या बोनस देने के लिए हस्तक्षेप करता है। लेकिन क्या होता है जब आप इन दोनों को मिला देते हैं? क्या होगा अगर सरकार उन लोगों को नियंत्रित करने की कोशिश करे जो पहले से ही एक-दूसरे की निगरानी करने की कोशिश कर रहे हैं? क्या इससे मदद मिलती है, या यह एक अराजक स्थिति पैदा कर देता है? यह शोध पत्र इसी सटीक प्रश्न की जांच करता है, जिसमें गणित और कंप्यूटर सिमुलेशन का उपयोग करके यह देखा गया है कि पुरस्कार और दंड के विभिन्न संयोजन पूरे जनसंख्या के व्यवहार को कैसे बदलते हैं।

शोधकर्ताओं ने चार प्रकार के पात्रों के साथ एक डिजिटल दुनिया बनाई: सहयोगी (Cooperator) (जो हमेशा निष्पक्ष खेलता है), धोखेबाज (Defector) (जो हमेशा धोखा देता है), सामाजिक दंड देने वाला (Social Punisher) (एक निष्पक्ष खिलाड़ी जो धोखेबाजों को दंडित करने के लिए एक छोटी सी राशि खर्च करता है), और सामाजिक पुरस्कार देने वाला (Social Rewarder) (एक निष्पक्ष खिलाड़ी जो अन्य निष्पक्ष खिलाड़ियों को बोनस देने के लिए एक छोटी सी राशि खर्च करता है)। इसके बाद उन्होंने देखा कि ये समूह दो अलग-अलग सेटिंग्स में अस्तित्व के लिए कैसे संघर्ष करते हैं: एक "वेल-मिक्सड" (well-mixed) भीड़ जहाँ हर कोई यादृच्छिक रूप से सभी के साथ बातचीत करता है, और एक "स्ट्रक्चर्ड" (structured) पड़ोस जहाँ लोग केवल अपने निकटतम पड़ोसियों के साथ बातचीत करते हैं, जैसे कि एक विशाल चेकरबोर्ड पर।

यहाँ उन्हें क्या मिला, यह आपकी उम्मीद से थोड़ा अलग है।

सबसे पहले, जब बात खुद पुलिसिंग करने वाले लोगों की आती है, तो सहयोग प्राप्त करने के लिए दंड देना सबसे प्रभावशाली हथियार है। यदि आप धोखेबाजों को रोकना चाहते हैं, तो ऐसे पड़ोसी जो उन्हें जुर्माना लगाने के लिए तैयार हों, सबसे अच्छा काम करते हैं। हालाँकि, पुरस्कार देना समग्र खुशी के लिए एक गुप्त मंत्र है। जबकि दंड देना धोखेबाजों को रोकता है, दंड देने में पैसा खर्च होता है, जिससे कुल "सामाजिक कल्याण" (social welfare/समूह की कुल खुशी) कम हो जाता है। दूसरी ओर, पुरस्कार देने से मूल्य जुड़ता है बिना बहुत अधिक नुकसान पहुँचाए, जिससे लंबे समय में पूरा समाज समृद्ध होता है।

अब, आइए "संस्था" (रेफरी) को शामिल करें। इस पत्र में परीक्षण किया गया कि क्या होता है जब संस्था पैसा या जुर्माना बांटने का निर्णय लेती है।

अच्छी खबर: यदि संस्था सहयोग को बढ़ावा देना चाहती है, तो सबसे अच्छा कदम प्रवर्तनकर्ताओं (enforcers) को सब्सिडी देना है। सामाजिक दंड देने वालों और सामाजिक पुरस्कार देने वालों को अतिरिक्त पैसा देने से वे मजबूत होते हैं, और पूरा समूह अधिक सहयोग करता है। यह वैसा ही है जैसे सरकार 'नेबरहुड वॉच' (neighborhood watch) को अनुदान देती है; यह उन्हें अपना काम बेहतर ढंग से करने में मदद करती है।

बुरी खबर: यदि संस्था सीधे तौर पर साधारण सहयोगियों (Cooperators) (वे अच्छे लोग जो दंड या पुरस्कार नहीं देते) को पैसा देने की कोशिश करती है, तो यह मूल रूप से कुछ नहीं करता है। यह एक छात्र को बोनस देने जैसा है जो बस कक्षा में चुपचाप बैठा रहता है और किसी की मदद नहीं करता; यह व्यवहार को नहीं बदलता है। शोध पत्र सुझाव देता है कि यदि लक्ष्य धोखेबाजी को रोकना है, तो इन "साधारण" सहयोगियों को सब्सिडी देना बजट की बर्बादी है।

दुखद गलती: सबसे खतरनाक काम जो एक संस्था कर सकती है, वह है प्रवर्तनकर्ताओं को दंडित करना। शोध पत्र दिखाता है कि यदि सरकार सामाजिक दंड देने वालों या सामाजिक पुरस्कार देने वालों को जुर्माना लगाना शुरू कर देती है, तो पूरा सिस्टम ध्वस्त हो जाता है। यह पुलिस द्वारा चोरी रोकने की कोशिश करने वाले 'नेबरहुड वॉच' को गिरफ्तार करने जैसा है। जब आप उन लोगों को दंडित करते हैं जो नियमों को लागू करने की कोशिश कर रहे हैं, तो नियम गायब हो जाते हैं, धोखेबाज हावी हो जाते हैं, और अंत में सभी का बुरा होता है। शोध पत्र स्पष्ट रूप से तर्क देता है कि सहयोग को अधिकतम करने का मतलब हमेशा सामाजिक कल्याण को अधिकतम करना नहीं होता है; कभी-कभी, उच्च सहयोग वाला तंत्र जिसमें भारी दंड लागत शामिल है, वास्तव में समाज के लिए शुद्ध हानि है।

"धोखेबाज" की समस्या: एक आश्चर्यजनक निष्कर्ष यह है कि सर्वोत्तम नीतियों के बावजूद, धोखेबाज शायद ही कभी पूरी तरह से गायब होते हैं। सिमुलेशन में, वे आमतौर पर जनसंख्या में बने रहते हैं। संस्था का लक्ष्य उन्हें पूरी तरह से खत्म करना नहीं है (जो इन मॉडलों में असंभव लगता है), बल्कि यह पता लगाना है कि कौन सा मिश्रण उनके साथ रह सकता है ताकि कुल सामाजिक कल्याण को उच्च रखा जा सके।

अंत में, अध्ययन सुझाव देता है कि यदि आप एक टूटे हुए समाज को ठीक करने की कोशिश करने वाले नेता हैं, तो केवल "अच्छे लोगों" पर पैसा न लुटाएं। इसके बजाय, उन लोगों का समर्थन करें जो सक्रिय रूप से शांति बनाए रखने की कोशिश कर रहे हैं (दंड देने वाले और पुरस्कार देने वाले)। और आप जो भी करें, शांति रक्षकों को कभी दंडित न करें। यदि आप ऐसा करते हैं, तो आप पाएंगे कि धोखेबाज जीत जाते हैं, अच्छे लोग चले जाते हैं, और पूरा पड़ोस एक बंजर भूमि में बदल जाता है। यह शोध पत्र कंप्यूटर सिमुलेशन का उपयोग करके इन पैटर्न को स्पष्ट रूप से दिखाता है, जो यह सुझाव देता है कि हालांकि हम पूर्ण सहयोग को मजबूर नहीं कर सकते, हम ऐसी प्रणालियाँ बना सकते हैं जो धोखेबाजों को नियंत्रण में रखें और कुल खुशी को उच्च बनाए रखें।