Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents
यह शोध पत्र यह प्रदर्शित करता है कि विविध समुदायों में परस्पर क्रिया करने वाले 10,000 से अधिक एआई एजेंटों का सामूहिक व्यवहार सांख्यिकीय-यांत्रिकी औपचारिकता द्वारा सटीक रूप से पूर्वानुमानित और व्याख्यायित किया जा सकता है, जो सामाजिक दबाव को कम करने की एजेंटों की प्रवृत्ति द्वारा संचालित तीन विशिष्ट गतिशील व्यवस्थाओं (उदासीनता, ध्रुवीकरण और आम सहमति) को प्रकट 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
आधुनिक दुनिया में, आर्टिफिशियल इंटेलिजेंस अब केवल एक एकल प्रश्न का उत्तर देने वाला एक अकेला कैलकुलेटर नहीं रह गया है। हम इन प्रणालियों को समूहों में कार्य करते हुए देख रहे हैं, जहाँ कई डिजिटल एजेंट एक-दूसरे से बात करते हैं, जानकारी साझा करते हैं और मिलकर निर्णय लेते हैं। यह बदलाव मानव समाज के कामकाज को दर्शाता है, जहाँ हमारे विचार न केवल हमारे अपने ज्ञान से, बल्कि उन लोगों से भी आकार लेते हैं जिन पर हम भरोसा करते हैं और उन लोगों से भी जिनसे हम बहस करते हैं। वैज्ञानिकों ने लंबे समय से इस बात का अध्ययन किया है कि कैसे समूहों में लोग सहमति तक पहुँचते हैं या गहरे मतभेद में गिर जाते हैं, जिसमें उन्होंने ऐसे गणितीय ढांचे का उपयोग किया जो मानवीय विश्वासों को भौतिक बलों (physical forces) की तरह मानते हैं। अब, शोधकर्ता यह समझने के लिए इन्हीं सिद्धांतों को लागू कर रहे हैं कि जब कृत्रिम एजेंट आपस में बातचीत करते हैं तो वे कैसा व्यवहार करते हैं। सवाल अब केवल यह नहीं है कि क्या एक अकेली मशीन बुद्धिमान हो सकती है, बल्कि यह है कि क्या मशीनों का एक समुदाय प्रभावी ढंग से मिलकर सोच सकता है, या क्या वे केवल एक-दूसरे की गलतियों और पूर्वाग्रहों को बढ़ा देंगे।
स्टैनफोर्ड यूनिवर्सिटी और यूनिवर्सिटी ऑफ कैलिफोर्निया, सांता बारबरा के शोधकर्ताओं की एक टीम ने इस घटना को क्रिया में देखने के लिए एक प्रयोग किया। उन्होंने 10,000 से अधिक सिम्युलेटेड समुदायों वाले भाषा-मॉडल एजेंटों का एक विशाल डिजिटल प्रयोग तैयार किया। प्रत्येक समुदाय में, दर्जनों एजेंटों को विशिष्ट व्यक्तित्व या विशेषज्ञता के क्षेत्र दिए गए थे। कुछ को गणित के विशेषज्ञ की भूमिका दी गई थी, जबकि अन्य को विभिन्न राजनीतिक विचारों को दर्शाने वाली प्रोफाइल दी गई थी। इन एजेंटों को फिर विभिन्न संचार नेटवर्क में रखा गया, जहाँ वे अपने कुछ पड़ोसियों के साथ संदेशों का आदान-प्रदान कर सकते थे और दूसरों को अनदेखा कर सकते थे। शोधकर्ताओं ने देखा कि इन समूहों ने दो प्रकार के प्रश्नों पर बहस की: वस्तुनिष्ठ गणितीय समस्याएँ जिनका एक ही सही उत्तर होता है, और व्यक्तिपरक राजनीतिक कथन जहाँ कोई एक सत्य नहीं होता। आठ दौर की बातचीत के दौरान, एजेंटों ने अपने पड़ोसियों से जो सुना उसके आधार पर बार-बार अपनी राय बदली।
इस विशाल सिमुलेशन से जो सामने आया, वह व्यवहार का एक आश्चर्यजनक रूप से संरचित पैटर्न था। एजेंटों की विशाल विविधता और उनके सामने आने वाले प्रश्नों के बावजूद, उनकी सामूहिक गतिशीलता तीन विशिष्ट अवस्थाओं में स्थिर हो गई। शुरुआत में, समूह अक्सर उदासीन थे, जहाँ एजेंट कमजोर या अनिश्चित राय रखते थे। लेकिन जैसे-जैसे वे परस्पर क्रिया करते गए, कुछ बदल गया। एजेंटों ने दृढ़ विश्वास बनाना शुरू कर दिया, अनिश्चितता से दूर होकर ठोस स्थितियों की ओर बढ़ने लगे। कई मामलों में, समूह अंततः एक सहमति पर पहुँच गया, जहाँ सभी एक ही दृष्टिकोण पर सहमत थे। अन्य मामलों में, समूह दो विरोधी गुटों में विभाजित हो गया, जो ध्रुवीकरण (polarization) की एक स्थिति थी जहाँ दोनों पक्षों पर मजबूत राय रखी गई थी। शोधकर्ताओं ने पाया कि समूह जिस मार्ग पर चलता है, वह प्रश्न की प्रकृति और एजेंटों के बीच के संबंधों पर बहुत अधिक निर्भर करता है।
जब एजेंटों ने वस्तुनिष्ठ गणितीय समस्याओं पर काम किया, तो बातचीत ने आम तौर पर समूह की सटीकता में सुधार किया। यदि समूह की शुरुआत गलत बहुमत से हुई थी, तो बातचीत ने अक्सर उन्हें अपनी गलती पहचानने और सही उत्तर की ओर स्विच करने में मदद की। सही उत्तर रखने वाले एजेंटों ने गलत उत्तर रखने वालों की तुलना में समूह पर अधिक प्रभाव डाला, जिससे प्रभावी रूप से समुदाय को सत्य की ओर निर्देशित किया गया। हालाँकि, व्यक्तिपरक राजनीतिक प्रश्नों के लिए कहानी अलग थी। यहाँ, बातचीत किसी एक सही उत्तर की ओर नहीं ले गई, बल्कि एक व्यवस्थित विचलन (systemic drift) की ओर ले गई। शोधकर्ताओं ने देखा कि समूह अक्सर राजनीतिक स्पेक्ट्रम के दाहिनी ओर सामूहिक राय को स्थानांतरित कर देते थे, चाहे उनकी शुरुआती स्थिति कुछ भी रही हो। इससे पता चला कि अंतर्निहित भाषा मॉडल (language models) में एक छिपा हुआ पूर्वाग्रह था जिसे एजेंटों के आपस में बात करने पर बढ़ा दिया गया।
यह समझने के लिए कि ये पैटर्न क्यों हुए, शोधकर्ताओं ने कणों (particles) की परस्पर क्रिया के भौतिकी पर आधारित एक सैद्धांतिक मॉडल विकसित किया। उन्होंने प्रत्येक एजेंट की कल्पना एक ऐसे कण के रूप में की जो उस "सामाजिक दबाव" को कम करना चाहता है जिसे वह महसूस करता है। यह दबाव दो स्रोतों से आता है: एजेंट का अपना आंतरिक विश्वास और उसके पड़ोसियों का प्रभाव। यदि कोई एजेंट किसी पड़ोसी के साथ मित्रवत है, तो वह उनके साथ सहमत होने के लिए खिंचाव महसूस करता है; यदि वह शत्रुतापूर्ण है, तो वह असहमत होने के लिए धक्का महसूस करता है। शोधकर्ताओं ने पाया कि इन सिमुलेशन में, मित्रवत संबंधों का खिंचाव, शत्रुतापूर्ण संबंधों के धक्के की तुलना में बहुत अधिक मजबूत था। इस असंतुलन का अर्थ था कि भले ही एजेंट अलग-अलग विचारों के साथ शुरू हुए हों, सहमति का मजबूत आकर्षण असहमति के प्रतिरोध को दबाने में सफल रहा, जिससे समूह स्थायी विभाजन के बजाय सर्वसम्मति की ओर बढ़े।
अध्ययन ने यह भी प्रकट किया कि ये समूह एक विशिष्ट "तापमान" (temperature) सीमा में कार्य करते हैं, जो ऊष्मागतिकी (thermodynamics) से लिया गया एक सिद्धांत है जो यह बताता है कि किसी प्रणाली में कितनी यादृच्छिक शोर (random noise) या अनिश्चितता मौजूद है। शोधकर्ताओं ने पाया कि एजेंट अनिश्चितता के निम्न स्तर पर कार्य कर रहे थे, एक ऐसी अवस्था जहाँ वे एक-दूसरे की राय के प्रति अत्यधिक संवेदनशील होते हैं। इस निम्न-तापमान अवस्था में, समूह की राय में छोटे बदलाव दृढ़ विश्वास के बड़े बदलावों का कारण बन सकते हैं, जो यह समझाता है कि एजेंट अनिश्चितता से दृढ़ सहमति या असहमति की ओर इतनी तेज़ी से क्यों बढ़े। शोधकर्ताओं द्वारा बनाए गए मॉडल ने सटीक रूप से भविष्यवाणी करने में सक्षम दिखाया कि व्यक्तिगत एजेंट कैसे अपना मन बदलेंगे और एक समूह के रूप में वे कैसे विकसित होंगे, यहाँ तक कि जब उनका परीक्षण उन नए प्रश्नों और नए नेटवर्क संरचनाओं पर किया गया जिन्हें एजेंटों ने पहले कभी नहीं देखा था।
ये निष्कर्ष सुझाव देते हैं कि कृत्रिम बुद्धिमत्ता का सामूहिक व्यवहार अराजक या अप्रत्याशित नहीं है, बल्कि प्रकृति में पाए जाने वाले संक्षिप्त और विश्वसनीय नियमों का पालन करता है। यह अध्ययन प्रदर्शित करता है कि जहाँ परस्पर क्रिया समूहों को तथ्यात्मक प्रश्नों पर सत्य खोजने में मदद कर सकती है, वहीं यह उन्हें व्यक्तिपरक मुद्दों पर साझा पूर्वाग्रहों में भी फँसा सकती है। शोधकर्ता चेतावनी देते हैं कि हालांकि ये सिमुलेशन यह अनुमान लगाने का एक शक्तिशाली तरीका प्रदान करते हैं कि AI सिस्टम कैसे व्यवहार कर सकते हैं, लेकिन वे मानव समाज का पूर्ण दर्पण नहीं हैं। एजेंट प्रोग्राम किए गए व्यक्तित्व वाले डिजिटल निर्माण हैं, और उनकी गतिशीलता उस तरीके के विशिष्ट है जिससे उन्हें बनाया गया है। फिर भी, यह कार्य भविष्य के मल्टी-एजेंट सिस्टम को डिजाइन करने के लिए एक महत्वपूर्ण ढांचा प्रदान करता है, जो दिखाता है कि सहमति और असहमति के बलों को समझकर, हम संभावित रूप से इन प्रणालियों को अधिक प्रभावी और मानवीय मूल्यों के अनुरूप बनाने के लिए निर्देशित कर सकते हैं।
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।