Artificial Institutions: How Institutional Design Shapes LLM Simulations
यह शोध पत्र तर्क देता है कि एलएलएम-आधारित कृत्रिम समाजों को आकार देने में संस्थागत डिज़ाइन, एजेंट के गुणों जितना ही महत्वपूर्ण है, जो एक बाजार प्रयोग के माध्यम से यह प्रदर्शित करता है कि विनिमय नियमों में भिन्नता दक्षता, कीमतों और अधिशेष वितरण को महत्वपूर्ण रूप से बदल देती है, भले ही एजेंट और स्थितियाँ स्थिर रहें।
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
मंच अभिनेताओं से अधिक महत्वपूर्ण है
कल्पना कीजिए कि आप एक नाटक देख रहे हैं। आमतौर पर, हमारा ध्यान अभिनेताओं पर होता है: क्या वे प्रतिभाशाली हैं? क्या उन्हें अपने संवाद याद हैं? क्या उनमें सही भावनाएँ हैं? लेकिन क्या होगा अगर मंच स्वयं—वे नियम जिनसे वे चलते हैं, वे किससे बात कर सकते हैं, और वे कब बोल सकते हैं—वास्तव में शो का सबसे महत्वपूर्ण हिस्सा हो? यह प्रश्न "कृत्रिम समाजों" (artificial societies) की दुनिया में एक नए अध्ययन के केंद्र में है।
इसे समझने के लिए, हमें दो चीजों के बारे में जानना होगा। पहला, लार्ज लैंग्वेज मॉडल्स (LLMs)। इन्हें अत्यंत बुद्धिमान, डिजिटल मस्तिष्क के रूप में सोचें जो मनुष्यों की तरह पढ़, लिख और चैट कर सकते हैं। वैज्ञानिक इनका उपयोग कृत्रिम दुनिया बनाने के लिए करने लगे हैं जहाँ ये AI "एजेंट्स" एक-दूसरे के साथ बातचीत करते हैं ताकि यह देखा जा सके कि वे समस्याओं को कैसे हल करते हैं, वस्तुओं का व्यापार करते हैं या निर्णय लेते हैं। दूसरा, संस्थाओं (institutions) का विचार है। रोजमर्रा की जिंदगी में, एक संस्था केवल एक इमारत नहीं है; यह नियमों का एक समूह है। यह ट्रैफिक लाइट है जो कारों को बताती है कि कब रुकना है, फुटबॉल जैसे खेल के नियम हैं, या किसी बाजार का संगठन कैसे होता है। वैज्ञानिक जो बड़ा सवाल पूछ रहे हैं वह यह है: जब हम इन AI मस्तिष्क को एक नकली दुनिया में रखते हैं, तो क्या वे नियमों के बावजूद एक ही तरह से व्यवहार करते हैं? या क्या "मंच का डिज़ाइन" पूरी कहानी को बदल देता है? यह इसलिए महत्वपूर्ण है क्योंकि यदि हम चाहते हैं कि AI वास्तविक दुनिया के बाजारों, नीतियों या सामाजिक प्रणालियों को डिजाइन करने में हमारी मदद करे, तो हमें यह जानना होगा कि क्या AI केवल अपने व्यक्तित्व का पालन कर रहा है या वह उन नियमों के प्रति प्रतिक्रिया दे रहा है जो हम उसे देते हैं।
महान AI बाजार प्रयोग
इस शोध पत्र में, मैक्सिम चुपिल्किन नामक एक शोधकर्ता ने एक छोटे, डिजिटल बाजार को स्थापित करके इस विचार का परीक्षण करने का निर्णय लिया। एक खेल की कल्पना करें जहाँ चार AI खरीदार और चार AI विक्रेता एक वस्तु का व्यापार करने के लिए मिलते हैं। खरीदारों के पास गुप्त "मूल्य" (उनकी इच्छा, जो 50 से 100 के बीच है) होते हैं, और विक्रेताओं के पास गुप्त "लागत" (उन्हें इसे बनाने में कितनी लागत आती है, जो 30 से 85 के बीच है) होती है। लक्ष्य सरल है: जितना संभव हो सके व्यापार करना ताकि सभी के लिए अधिकतम पैसा बनाया जा सके।
प्रयोग का चतुर हिस्सा यह है कि अभिनेता कभी नहीं बदले। वही AI मॉडल (जैसे GPT-5, Claude Sonnet, और Gemini) बार-बार खेल खेलते रहे। उनके पास समान गुप्त मूल्य, समान निर्देश और समान इतिहास था। एकमात्र चीज जो बदली, वह थी संस्था (institution)—खेल के नियम। शोधकर्ता ने AI को पांच अलग-अलग प्रकार के बाजारों में खेलने के लिए बनाया:
- कॉल मार्केट (Call Market): हर कोई एक साथ अपनी कीमत चिल्लाता है, और एक कंप्यूटर उन्हें आपस में मिला देता है।
- पोस्टेड-ऑफर मार्केट (Posted-Offer Market): विक्रेता एक "ले लो या छोड़ दो" वाली कीमत रखते हैं, और खरीदार चुनते हैं।
- पोस्टेड-बिड मार्केट (Posted-Bid Market): खरीदार एक कीमत रखते हैं, और विक्रेता चुनते हैं।
- कंटीन्यूअस डबल ऑक्शन (Continuous Double Auction): एक अराजक, वास्तविक समय का बाजार जहाँ लोग किसी भी क्षण अंदर आ सकते हैं या बाहर जा सकते हैं।
- द्विपक्षीय सौदेबाजी (Bilateral Bargaining): खरीदारों और विक्रेताओं को आमने-सामने मोलभाव करने के लिए बेतरतीब ढंग से जोड़ा जाता है।
चौंकाने वाली खोज: नियम परिणाम को बदल देते हैं
परिणाम आश्चर्यजनक थे। भले ही AI "व्यक्तित्व" बिल्कुल समान थे, लेकिन उनके द्वारा कमाया गया पैसा और उनके बीच का बँटवारा नियमों के आधार पर बहुत अधिक बदल गया।
- सर्वश्रेष्ठ मंच: कॉल मार्केट सुपरस्टार था। इसने AI एजेंटों को अधिकतम संभावित लाभ का 88.6% प्राप्त करने में सक्षम बनाया। यह व्यापार करने का सबसे कुशल तरीका था।
- मध्यम स्तर: कंटीन्यूअस डबल ऑक्शन ठीक-ठाक था, जिसने 71.5% दक्षता हासिल की।
- संघर्ष: पोस्टेड-ऑफर और पोस्टेड-बिड बाजार बहुत खराब थे, जिन्होंने केवल लगभग 66% दक्षता प्राप्त की।
- सबसे खराब मंच: द्विपक्षीय सौदेबाजी (एक-पर-एक सौदेबाजी) सबसे कम कुशल थी, जो केवल 56.4% संभावित लाभ ही जुटा सकी।
यह एक ही समूह के अभिनेताओं द्वारा एक दृश्य प्रस्तुत करने जैसा है। यदि आप उन्हें एक घेरे में खड़े होकर अपने संवाद चिल्लाने के लिए कहते हैं, तो दृश्य पूरी तरह से काम करता है। लेकिन यदि आप उन्हें एक अंधेरे कमरे में एक समय में एक व्यक्ति से फुसफुसाकर बात करने के लिए कहते हैं, तो दृश्य बिखर जाता है, भले ही अभिनेता वही हों।
ऐसा क्यों हुआ?
शोध पत्र इस बात की गहराई में जाता है कि नियम इतने महत्वपूर्ण क्यों थे। ऐसा नहीं था कि कुछ बाजारों में AI "कम बुद्धिमान" हो गया था; बल्कि यह था कि अलग-अलग नियमों ने अलग-अलग प्रकार की पहेलियाँ बनाईं।
- छूटे हुए अवसर: "पोस्टेड" बाजारों में (जहाँ एक पक्ष कीमत तय करता है), AI एजेंटों ने अक्सर अच्छे सौदों को खो दिया। वे बहुत सतर्क थे या सही मिलान नहीं कर सके, जिससे पैसा हाथ से निकल गया।
- सौदेबाजी का जाल: एक-पर-एक सौदेबाजी में, AI एजेंटों ने वास्तव में व्यापार करने पर उचित कीमतों पर सहमति जताई। हालांकि, वे उतना व्यापार करने में विफल रहे जितना उन्हें करना चाहिए था। वे "नो-ट्रेड" (व्यापार न होने वाले) काल में फंस गए जहाँ वे बीच का रास्ता निकालने में सहमत नहीं हो सके।
- पैसा किसे मिलता है? नियमों ने यह भी बदल दिया कि कौन अमीर बना। "पोस्टेड-ऑफर" बाजार में (जहाँ विक्रेता कीमतें तय करते हैं), खरीदारों ने 83.7% लाभ रखा। लेकिन "पोस्टेड-बिड" बाजार में (जहाँ खरीदार कीमतें तय करते हैं), खरीदारों ने केवल 14.3% ही रखा। AI के पास "निष्पक्षता" का कोई निश्चित विचार नहीं था; इसने बस इस बात पर प्रतिक्रिया दी कि उस विशिष्ट नियम सेट में शक्ति किसके पास थी।
भविष्य के लिए इसका क्या अर्थ है
सबसे महत्वपूर्ण निष्कर्ष यह है कि AI व्यवहार तटस्थ नहीं है। आप केवल यह नहीं कह सकते, "यह AI मॉडल अर्थशास्त्र में अच्छा है।" आपको कहना होगा, "यह AI मॉडल अर्थशास्त्र में तब अच्छा है जब नियम इस तरह से सेट किए गए हों।"
शोध पत्र सुझाव देता है कि यदि हम वास्तविक दुनिया की प्रणालियों को डिजाइन करने के लिए AI का उपयोग करना चाहते हैं—जैसे कि एक नया शेयर बाजार, एक सोशल मीडिया प्लेटफॉर्म, या किसी शहर के लिए एक नीति—तो हम केवल AI को स्मार्ट बनाने पर ध्यान केंद्रित नहीं कर सकते। हमें खेल के नियमों को भी उतनी ही सावधानी से डिजाइन करना होगा। लोग कैसे संवाद करते हैं या सौदे कैसे किए जाते हैं, इसमें एक छोटा सा बदलाव भी परिणाम को पूरी तरह से बदल सकता है।
लेखक चेतावनी देते हैं कि हमें इन नियमों को उबाऊ पृष्ठभूमि विवरणों के रूप में नहीं मानना चाहिए। वास्तव में, नियम स्वयं प्रयोग का हिस्सा हैं। यदि हम उन्हें अनदेखा करते हैं, तो हमें लग सकता है कि एक AI विफल हो रहा है जबकि वह वास्तव में खराब नियमों वाले खेल को खेल रहा है। विभिन्न नियमों का परीक्षण करके, हम मनुष्यों और मशीनों दोनों के लिए बेहतर, निष्पक्ष और अधिक कुशल प्रणाली बनाना सीख सकते हैं। अध्ययन दिखाता है कि कृत्रिम समाजों की दुनिया में, मंच का डिज़ाइन अभिनेताओं जितना ही महत्वपूर्ण 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।