कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि एक व्यक्ति आगे क्या करेगा। अर्थशास्त्र और मनोविज्ञान की दुनिया में, हम अक्सर "स्टोकेस्टिक चॉइस" (stochastic choice) नामक एक उपकरण का उपयोग करते हैं। इसे एक ऐसे भविष्यवक्ता के रूप में सोचें जो केवल एक भविष्य नहीं दिखाता, बल्कि संभावनाओं का एक बादल दिखाता है। यह इस बात को स्वीकार करता है कि लोग रोबोट नहीं हैं; कभी वे कॉफी चुनते हैं, कभी चाय, और कभी वे सिक्का उछालते हैं। दशकों तक, इस यादृच्छिकता (randomness) को समझाने का मानक तरीका "डायनेमिक रैंडम यूटिलिटी" (Dynamic Random Utility) था। एक व्यक्ति की पसंद को एक छिपे हुए, बहते हुए बादल के रूप में देखें। व्यक्ति जानता है कि बादल कहाँ है, लेकिन एक बाहरी पर्यवेक्षक (जैसे एक डेटा विश्लेषक) केवल उन विकल्पों को देखता है जो व्यक्ति चुनता है। पर्यवेक्षक यह अनुमान लगाने की कोशिश करता है कि बादल कहाँ है, उन विकल्पों को देखकर जो उसने देखे हैं। इस पुराने मॉडल में, बादल अपने आप बहता है, जैसे हवा में एक पत्ता। पर्यवेक्षक के अनुमान अधिक विकल्प देखते समय बेहतर हो सकते हैं, लेकिन विकल्प स्वयं हवा या पत्ते के पथ को कभी बदलते नहीं हैं। व्यक्ति की प्राथमिकताएं एक रहस्य हैं जो धीरे-धीरे प्रकट होती हैं, लेकिन प्रकट होने की प्रक्रिया से कभी बदलती नहीं हैं।

लेकिन क्या होगा यदि चुनाव करने की क्रिया वास्तव में व्यक्ति की भविष्य की पसंद को बदल देती है? क्या होगा यदि बादल केवल बहता नहीं है, बल्कि पर्यवेक्षक के प्रति प्रतिक्रिया करता है? यह वह प्रश्न है जो परमहंस प्रमाणिक के नए शोध को प्रेरित करता है। यह शोध पत्र पूछता है: क्या होता है यदि हमारे पिछले निर्णय न केवल हमें यह बताते हैं कि हम कौन हैं, बल्कि सक्रिय रूप से इस बात को भी आकार देते हैं कि हम भविष्य में क्या बनेंगे? लेखक एक नया गणितीय ढांचा तैयार करते हैं जहाँ एक व्यक्ति की "लेटेंट प्रेफरेंस" (छिपी हुई इच्छाएं) उनके अतीत में किए गए चुनावों के वितरण (distribution) से प्रभावित होती हैं। यह एक निरंतर-समय (continuous-time) मॉडल है, जिसका अर्थ है कि यह बड़े, भारी कदमों के बजाय हर क्षण होने वाले परिवर्तनों को ट्रैक करता है। पेपर यह सिद्ध करता है कि यह एक पूरी तरह से नए प्रकार के व्यवहार को जन्म देता है जिसे पुराने "ड्रिफ्टिंग क्लाउड" (बहते बादल) मॉडलों द्वारा समझाया नहीं जा सकता है। यह दिखाता है कि जब प्राथमिकताएं चुनावों के इतिहास पर निर्भर करती हैं, तो गणित मौलिक रूप रूप से बदल जाता है, जिससे एक फीडबैक लूप बनता है जहाँ पर्यवेक्षक का डेटा और निर्णय लेने वाले का भविष्य एक नृत्य में बंधे होते हैं।

आत्म-चिंतनशील बादल की कहानी

आइए इस पेपर के बड़े विचार में उतरें: डिस्ट्रीब्यूशन-डिपेंडेंट यूटिलिटी (DDU)।

इसे समझने के लिए, कल्पना करें कि आप रसोई में एक शेफ हैं। पुराने मॉडल (डायनेमिक रैंडम यूटिलिटी) में, आपकी स्वाद कलिकाएं (taste buds) आपकी जेब में छिपे एक गुप्त रेसिपी कार्ड की तरह हैं। आप रेसिपी जानते हैं, लेकिन फूड क्रिटिक (विश्लेषक) नहीं जानता। जैसे-जैसे आप खाना बनाते हैं, क्रिटिक आपके द्वारा परोसे गए भोजन को देखता है। यदि आप तीखा भोजन परोसते हैं, तो क्रिटिक अनुमान लगाता है, "आह, इस शेफ को तीखा पसंद है!" क्रिटिक का अनुमान समय के साथ बेहतर होता जाता है, लेकिन आपके वास्तविक स्वाद कलिकाएं क्रिटिक के देखने से कभी नहीं बदलते। तीखेपन के लिए आपकी प्राथमिकता हमेशा वहीं थी, बस खोजे जाने की प्रतीक्षा कर रही थी।

प्रमाणिक के नए मॉडल में, रसोई अलग है। यहाँ, आपकी स्वाद कलिकाएं एक जीवित, सांस लेती हुई बादल हैं जो क्रिटिक के नोट्स पर प्रतिक्रिया करती हैं। हर बार जब आप एक व्यंजन परोसते हैं, तो क्रिटिक एक नोट लिखता है। लेकिन यहाँ एक मोड़ है: उन सभी नोट्स का संग्रह (आपके पिछले चुनावों का वितरण) वास्तव में आपके अगले भोजन के लिए आपकी स्वाद कलिकाओं के रसायन विज्ञान को बदल देता है। यदि क्रिटिक देखता है कि आप तीखा भोजन परोस रहे हैं, तो आपकी स्वाद कलिकाएं अगली बार कुछ मीठा चाहने के लिए बदल सकती हैं, इसलिए नहीं कि आपने ऐसा निर्णय लिया, बल्कि इसलिए क्योंकि आपके पिछले चुनावों के "वातावरण" ने आपकी आंतरिक स्थिति को बदल दिया।

यही वह चीज़ है जिसे पेपर एंडोजेनस प्रेफरेंस इवोल्यूशन (endogenous preference evolution) कहता है। "एंडोजेनस" एक भारी शब्द है जिसका अर्थ है "भीतर से आना"। पेपर का तर्क है कि वास्तविक दुनिया में, हमारे चुनाव अक्सर हमारे भविष्य के स्वरूप को बदलते हैं। यदि आप आज व्यायाम करने का चुनाव करते हैं, तो आप कल अधिक ऊर्जावान महसूस कर सकते हैं, जिससे आपके दोबारा व्यायाम करने की संभावना बढ़ जाती है। यदि आप एक लग्जरी कार खरीदने का चुनाव करते हैं, तो आप एक धनी व्यक्ति की तरह महसूस करना शुरू कर सकते हैं, जिससे भविष्य की खरीदारी के प्रति आपका दृष्टिकोण बदल जाता है। पेपर इसे एक निरंतर लूप के रूप में मॉडल करता है:

1. आप एक चुनाव करते हैं।
2. पर्यवेक्षक इसे देखता है और आपकी प्राथमिकताओं के बारे में अपने मानसिक मानचित्र को अपडेट करता है (यह "कंडीशनल डिस्ट्रीब्यूशन" है)।
3. महत्वपूर्ण रूप से, यह अपडेट किया गया मानचित्र आपके मस्तिष्क में वापस जाता है, और आपकी भविष्य की प्राथमिकताओं को बदल देता है।
4. आप इन नई प्राथमिकताओं के आधार पर एक नया चुनाव करते हैं।

पेपर सिद्ध करता है कि यह फीडबैक लूप एक "बिहेवियरल डिस्ट्रीब्यूशनल फीडबैक" (behavioral distributional feedback) बनाता है। यह एक कठिन शब्द है, लेकिन इसका सीधा सा अर्थ है कि आपके चुनावों का पैटर्न आपके भविष्य के चुनावों के नियमों को बदल देता है।

"असंभवता" की खोज

इस पेपर की सबसे रोमांचक खोजों में से एक एक "बिहेवियरल इमपॉसिबिलिटी थ्योरम" (व्यवहार संबंधी असंभवता प्रमेय) है। लेखक सिद्ध करते हैं कि आप इस तरह के आत्म-परिवर्तनकारी व्यवहार को पुराने "डायनेमिक रैंडम यूटिलिटी" मॉडलों का उपयोग करके नहीं समझा सकते।

इसे इस तरह सोचें: पुराने मॉडल एक ऐसे शहर के मानचित्र की तरह हैं जहाँ सड़कें स्थिर हैं। आप उन पर चल सकते हैं, और मानचित्र यह दिखाने के लिए अपडेट होता है कि आप कहाँ रहे हैं, लेकिन सड़कें कभी नहीं हिलतीं। नया मॉडल एक ऐसे शहर की तरह है जहाँ सड़कें इस आधार पर खुद को पुनर्गठित करती हैं कि कल कितने लोग उन पर चले थे। पेपर दिखाता है कि यदि आप एक ऐसे शहर को देखते हैं जहाँ सड़कें हिल रही हैं, तो आप यह ढोंग नहीं कर सकते कि यह स्थिर सड़कों वाला शहर है। आप कितनी भी कोशिश कर लें, हिलती हुई सड़कों के डेटा को स्थिर-सड़क मॉडल में फिट करने की कोशिश करेंगे, तो वह काम नहीं करेगा। पेपर गणितीय रूप से सिद्ध करता है कि इस "डिस्ट्रीबशनल फीडबैक" को दिखाने वाला कोई भी डेटा एक पूरी तरह से बड़े, अधिक जटिल व्यवहार वर्ग से संबंधित है जिसे पुराने मॉडल सरल रूप से कैप्चर नहीं कर सकते। यह केवल उसी मशीन की एक अलग सेटिंग नहीं है; यह पूरी तरह से एक अलग मशीन है।

जादू के पीछे का गणित: मैककीन-व्लासोव सिस्टम (McKean-Vlasov System)

लेखक यह सब कैसे करते हैं? वे एक परिष्कृत गणितीय उपकरण का उपयोग करते हैं जिसे कंडीशनल मैककीन-व्लासोव सिस्टम कहा जाता है।

यदि आपने कभी "मीन-फील्ड" (mean-field) मॉडल के बारे में सुना है, तो कल्पना करें कि लोगों की एक भीड़ है जहाँ हर किसी की गति पूरी भीड़ की औसत गति पर निर्भर करती है। वह एक मानक मीन-फील्ड मॉडल है। लेकिन प्रमाणिक का मॉडल एक दर्पण भूलभुलैया (mirror maze) जैसा है। दर्पण भूलभुलैया में, आपका प्रतिबिंब इस पर निर्भर करता है कि आप कहाँ हैं, लेकिन दर्पण स्वयं इस आधार पर व्यवस्थित होते हैं कि आप कहाँ रहे हैं।

पेपर दो मुख्य पात्रों के साथ एक सिस्टम सेट करता है:

1. छिपी हुई अवस्था ($X$): किसी भी क्षण व्यक्ति की वास्तविक, निजी प्राथमिकता।
2. कंडीशनल डिस्ट्रीब्यूशन ($\mu$): पर्यवेक्षक का उस प्राथमिकता के बारे में सबसे अच्छा अनुमान, जो उसने अब तक देखा है।

पुरानी दुनिया में, पर्यवेक्षक का अनुमान ($\mu$) छिपी हुई अवस्था ($X$) की केवल एक निष्क्रिय छाया थी। इस नई दुनिया में, छाया ($\mu$) व्यक्ति ($X$) को पकड़ लेती है, और उसे एक नए दिशा में खींच लेती है। पेपर सिद्ध करता है कि इस सिस्टम का एक अद्वितीय समाधान (एक "वीक सॉल्यूशन") है, जिसका अर्थ है कि गणित सही रहता है और टूटता नहीं है। यह दिखाता है कि इस फीडबैक लूप के काम करने का एक विशिष्ट, स्थिर तरीका है, और "कंडीशनल डिस्ट्रीब्यूशन" वह प्रमुख चर है जो सब कुछ आपस में जोड़ता है।

इसका हमारे लिए क्या अर्थ है

यह पेपर केवल गणित के साथ नहीं खेलता; यह मानव व्यवहार को देखने का एक नया तरीका प्रदान करता है। यह सुझाव देता है कि जब हम डेटा देखते हैं—चाहे वह शेयर बाजार के ट्रेड हों, मतदान के पैटर्न हों, या किराने की दुकान पर लोग क्या खरीदते हैं—तो हम एक बहुत बड़े हिस्से को छोड़ सकते हैं यदि हम यह मान लेते हैं कि लोगों की प्राथमिकताएं स्थिर या केवल धीरे-धीरे बह रही हैं।

लेखक दिखाते हैं कि हम इस नए व्यवहार को दो चीजों को देखकर पहचान सकते हैं:

1. समकालीन चुनाव (Contemporaneous Choice): लोग अभी क्या चुन रहे हैं।
2. निरंतरता व्यवहार (Continuation Behavior): उनके भविष्य के चुनाव उनके अतीत के चुनावों के इतिहास पर कैसे निर्भर करते हैं।

यदि ये दोनों चीजें एक विशिष्ट तरीके से जुड़ी हुई हैं (जहाँ इतिहास भविष्य के नियमों को बदल देता है), तो हम जानते हैं कि हम "डिस्ट्रीब्यूशन-डिपेंडेंट यूटिलिटी" के क्षेत्र में हैं। पेपर एक "रिजिडिटी रिजल्ट" (rigidity result) प्रदान करता है, जो एक फैंसी तरीका है यह कहने का कि यदि आप डेटा में यह विशिष्ट पैटर्न देखते हैं, तो आप निश्चित रूप से जानते हैं कि व्यक्ति की प्राथमिकताएं एंडोजिनस रूप से विकसित हो रही हैं। आप इसे बनावटी नहीं दिखा सकते।

निष्कर्ष

यह पेपर हमारे सीखने और बदलने के तरीके को समझने में एक बड़ी सफलता है। यह हमें एक ऐसी दुनिया से हटाकर जहाँ हम अपनी छिपी हुई इच्छाओं के निष्क्रिय पर्यवेक्षक हैं, एक ऐसी दुनिया में ले जाता है जहाँ हमारे चुनाव हमारे भविष्य के स्वरूप को सक्रिय रूप से गढ़ते हैं। यह सिद्ध करता है कि पुराना सोचने का तरीका (डायनेमिक रैंडम यूटिलिटी) इस घटना को समझाने के लिए बहुत सरल है। एक फीडबैक लूप के साथ निरंतर-समय मॉडल का उपयोग करके, प्रमाणिक ने इस बात के बीच एक पुल बनाया है कि हम निर्णय कैसे लेते हैं, हम उनसे कैसे सीखते हैं, और वे निर्णय हमें क्या बनाते हैं, यह कैसे बदलते हैं।

यह पेपर केवल यह सुझाव नहीं देता कि ऐसा होता है; यह गणितीय रूप से इसे सिद्ध करता है। यह दिखाता है कि यदि आप वास्तविक दुनिया के डेटा में इस तरह का फीडबैक देखते हैं, तो यह एक वास्तविक, नया प्रकार का व्यवहार है जिसके लिए समझने के लिए एक नए प्रकार के गणित की आवश्यकता है। यह एक याद दिलाता है कि मानव पसंद की अर्थव्यवस्था में, अतीत केवल भविष्य का पीछा नहीं करता; बल्कि वह भविष्य का निर्माण करता है।