The conditional superiority of fast silicon sampling
यह अध्ययन पाता है कि जहाँ फ्रंटियर मॉडल्स का उपयोग करके सिलिकॉन सैंपलिंग एक प्रारंभिक चरण की विधि बनी हुई है जो मत की विविधता को कम आंकती है और प्रासंगिक स्थान को विकृत करती है, वहीं इसका "फास्ट" मोड "स्लो" मोड की तुलना में एक सशर्त श्रेष्ठता प्रदान करता है क्योंकि यह कंप्यूट संसाधनों और रनटाइम की काफी अधिक दक्षता के साथ उच्च एल्गोरिद्मिक निष्ठा (फिडेलिटी) प्रदान 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 यह अनुमान लगाने की कोशिश कर रहे हैं कि लोगों की भीड़ किसी नए कानून, किसी अजीब फिल्म या किसी तीखे भोजन के चलन पर कैसी प्रतिक्रिया देगी। अतीत में, आपको बाहर जाना पड़ता था, दरवाज़े खटखटाने पड़ते थे और हज़ारों वास्तविक मनुष्यों से पूछना पड़ता था। लेकिन अब, हमारे पास "लार्ज लैंग्वेज मॉडल्स" (LLMs) हैं। इन्हें एक 'सुपर-स्मार्ट', डिजिटल मस्तिष्क के रूप में सोचें जिन्होंने इंटरनेट पर लगभग सब कुछ पढ़ लिया है। वे मानव बातचीत की नकल करने में इतने अच्छे हैं कि वे लोगों का ढोंग कर सकते हैं। इस वजह से शोधकर्ताओं ने एक जंगली विचार निकाला: वास्तविक लोगों से पूछने के बजाय, क्यों न सीधे एआई (AI) से पूछा जाए? इसे "सिलिकॉन सैंपलिंग" कहा जाता है। यह एक कमरे में डिजिटल क्लोन से सर्वेक्षण भरने के लिए कहने जैसा है। लेकिन यहाँ बड़ा सवाल यह है: यदि हम इन डिजिटल क्लोनों से जल्दी में, एक बड़ी हड़बड़ी में जवाब देने को कहते हैं, तो क्या उनके जवाब अच्छे होंगे? या हमें उन्हें एक बार में एक सवाल, धीरे-धीरे और सावधानी से पूछने की ज़रूरत है ताकि सच सामने आ सके? यह शोध पत्र ठीक इसी सवाल की जांच करता है, कि क्या गति मानवीय विचारों का अनुकरण करते समय सटीकता को खत्म कर देती है।
शोधकर्ताओं ने इस विचार का परीक्षण करने का निर्णय लिया और इसके लिए एक विशिष्ट समूह को चुना: सिंगापुर के लोग। उन्होंने एक वास्तविक सर्वेक्षण लिया जो वास्तव में 2,000 से अधिक सिंगापुर वासियों को अप्रवासन (immigration) और नैतिक नियमों (जैसे कि क्या टैक्स गलत तरीके से भरना या बदतमीजी करना ठीक है) जैसी चीजों के बारे में दिया गया था। फिर, उन्होंने एक बहुत ही उन्नत एआई मॉडल (OpenAI का GPT-5.4) का उपयोग करके "डिजिटल क्लोन" के दो अलग-अलग सेट बनाए। एक सेट "धीमी" विधि का उपयोग करके बनाया गया था: एआई को एक समय में एक प्रश्न पूछा गया, हर प्रश्न के लिए एक नई शुरुआत के साथ, बिल्कुल वैसे ही जैसे एक इंसान परीक्षा देता है। दूसरा सेट "तेज़" विधि का उपयोग करके बनाया गया था: एआई को प्रश्नों की पूरी सूची एक विशाल, जटिल प्रॉम्प्ट के रूप में दी गई और उसे एक साथ सभी उत्तर उगलने के लिए कहा गया।
परिणाम "बुरे नहीं हैं" और "निश्चित रूप से पूर्ण भी नहीं" का मिश्रण थे। सबसे पहले, बुरी खबर: डिजिटल क्लोन वास्तविक मनुष्यों की सटीक प्रति नहीं थे। हालांकि वे औसत राय का अनुमान लगाने में काफी अच्छे थे (उदाहरण के लिए, यदि अधिकांश वास्तविक लोगों को लगा कि कुछ "ठीक" था, तो एआई ने भी सोचा कि वह "ठीक" था), वे विचारों की विविधता को पकड़ने में विफल रहे। वास्तविक मनुष्यों की भावनाओं की एक विस्तृत श्रृंखला होती है; कुछ चीज़ों को पसंद करते हैं, कुछ नफरत करते हैं, और कुछ बीच में होते हैं। एआई, हालांकि, सब कुछ सपाट करने की प्रवृत्ति रखता है, जिससे हर कोई ऐसा लगता है जैसे उनकी भावना बिल्कुल एक जैसी हो। इसने विभिन्न विचारों के बीच के संबंधों को भी बिगाड़ दिया। उदाहरण के लिए, वास्तविक जीवन में, जो लोग अप्रवासन से नफरत करते हैं, वे किसी और चीज़ से भी एक विशिष्ट पैटर्न में नफरत कर सकते हैं। एआई के डिजिटल क्लोन उस पैटर्न को ठीक से नहीं समझ पाए; वास्तविक लोगों की तुलना में उनके विचारों का "आकार" विकृत दिखता था।
लेकिन, यहाँ एक मोड़ आता है जो इस शोध पत्र को रोमांचक बनाता है। शोधकर्ताओं ने पाया कि "तेज़" विधि वास्तव में "धीमी" विधि जितनी ही अच्छी थी, और कभी-कभी उससे भी थोड़ी बेहतर थी। यह आश्चर्यजनक है क्योंकि सभी ने माना था कि एआई को एक बार में प्रश्नों की एक लंबी सूची देने से वह भ्रमित हो जाएगा या कम प्रतिक्रियाशील हो जाएगा। लेकिन डेटा ने दिखाया कि तेज़ डिजिटल क्लोन, धीमे वाले क्लोन की तरह ही वास्तविक डेटा के प्रति वफादार थे। वास्तव में, तेज़ विधि समय बचाने वाली थी। एक व्यक्ति के उत्तरों का एक पूरा सेट उत्पन्न करने में लगभग 3 सेकंड लगे, जबकि धीमी विधि में 20 सेकंड लगे। इसने लगभग 64% कम कंप्यूटर संसाधन (टोकन) का उपयोग किया और लागत भी आधी रही।
तो, फैसला क्या है? शोध पत्र निष्कर्ष निकालता है कि हालांकि सिलिकॉन सैंपलिंग अभी भी एक ऐसा तरीका है जिसे "बहुत सावधानी" के साथ उपयोग करने की आवश्यकता है क्योंकि यह वास्तविक मानवीय सोच की अव्यवस्थित, विविध प्रकृति को पूरी तरह से नहीं पकड़ पाता है, लेकिन आपको सर्वोत्तम परिणाम प्राप्त करने के लिए धीमा होने की आवश्यकता नहीं है। यदि आप मानवीय विचारों का अनुकरण करने के लिए एआई का उपयोग करने जा रहे हैं, तो आप जितना अच्छा हो सके उतना तेज़ कर सकते हैं। यह परिणामों को खराब किए बिना समय और पैसा बचाता है। लेकिन लेखक हमें चेतावनी देते हैं कि अभी बहुत उत्साहित न हों: ये डिजिटल क्लोन अभी भी केवल खोजपूर्ण उपकरण (exploratory tools) हैं। वे विचारों का परीक्षण करने या किसी मॉडल के व्यवहार को देखने के लिए बेहतरीन हैं, लेकिन जब हमें यह जानने की आवश्यकता हो कि एक आबादी वास्तव में क्या सोचती है, विशेष रूप से सिंगापुर जैसे विविध स्थान में, तो उन्हें वास्तविक मानव सर्वेक्षणों के स्थान पर नहीं लाया जाना चाहिए। डिजिटल क्लोन बुनियादी बातों में बेहतर हो रहे हैं, लेकिन उन्होंने अभी तक वास्तव में मानवीय बनना नहीं सीखा 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।