All four leading LLMs talk more than they listen to personality-verified synthetic help-seekers
यह शोध पत्र प्रकट करता है कि चार अग्रणी लार्ज लैंग्वेज मॉडल्स संकट की स्थितियों में व्यक्तित्व-सत्यापित सिंथेटिक सहायता चाहने वालों के बीच अंतर करने में विफल रहते हैं, जो प्रभावी ढंग से सुनने या भावनात्मक स्थिरता प्रदान करने के बजाय लगातार अत्यधिक वाचालता और समयपूर्व समस्या-समाधान प्रदर्शित करते हैं।
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
जब कोई व्यक्ति अचानक, अत्यधिक संकट का सामना करता है—जैसे कि यह जानना कि उसके किसी प्रियजन को डिमेंशिया (स्मृतिभ्रम) का निदान हुआ है—तो उनका मन पूर्वानुमानित तरीकों से बदल जाता है। तीव्र तनाव उनके ध्यान को संकुचित कर देता है, जिससे नई जानकारी को संसाधित करना या लंबी व्याख्याओं का पालन करना कठिन हो जाता है। इन क्षणों में, सबसे प्रभावी मानवीय सहायता एक विशिष्ट लय का पालन करती है: पहले व्यक्ति की भावनाओं को स्थिर करने के लिए उन्हें सुनें, और केवल बाद में समाधान या सलाह दें। आज, कई लोग संकट के इन्हीं क्षणों के दौरान स्पष्टता और सांत्वना की आशा में कृत्रिम बुद्धिमत्ता (AI) चैटबॉट्स की मदद लेते हैं। हालाँकि, ये डिजिटल सहायक अक्सर तेजी से जानकारी प्रदान करके मददगार बनने के लिए डिज़ाइन किए गए होते हैं, जिससे वे बहुत अधिक बोलने और समस्याओं को बहुत जल्दी हल करने लगते हैं, जो संभावित रूप से एक ऐसे उपयोगकर्ता को अभिभूत कर सकते हैं जो पहले से ही तालमेल बिठाने के लिए संघर्ष कर रहा है।
इंपीरियल कॉलेज लंदन और यूनिवर्सिडैड ऑटोनोमा डी मैड्रिड के शोधकर्ताओं की एक टीम ने यह परीक्षण करने के लिए एक प्रयास किया कि क्या आज उपलब्ध सबसे उन्नत कृत्रिम बुद्धिमत्ता मॉडल वास्तव में बोलने के बजाय सुनने की इस मानवीय आवश्यकता के अनुकूल हो सकते हैं। उन्होंने एक परिष्कृत सिमुलेशन बनाया ताकि एक सुरक्षित परीक्षण स्थल के रूप में कार्य किया जा सके। वास्तविक संकट झेल रहे लोगों को जोखिम में डालने के बजाय, उन्होंने सात सिंथेटिक "मदद चाहने वाले" (help-seekers) बनाए, जिन्हें प्रत्येक एक विशिष्ट मनोवैज्ञानिक प्रोफाइल के साथ प्रोग्राम किया गया था। ये प्रोफाइल केवल अस्पष्ट विवरण नहीं थे, बल्कि व्यक्तित्व, मुकाबला करने की शैली (coping styles) और लचीलेपन (resilience) के स्थापित वैज्ञानिक मापों पर आधारित थे। इन प्रत्येक डिजिटल पात्रों को एक ऐसी स्थिति में रखा गया जहाँ उन्हें अपने एक रिश्तेदार के डिमेंशिया निदान की विनाशकारी खबर मिली थी। इसके बाद उन्होंने दुनिया के चार अग्रणी भाषा मॉडलों के साथ दस-चरणों वाली बातचीत की, जो "सलाहकार" के रूप में सहायता प्रदान करने का प्रयास कर रहे थे।
परिणामों को निष्पक्ष बनाने के लिए, शोधकर्ताओं ने एक तीसरा पात्र पेश किया: एक स्वतंत्र "ऑडिटर"। यह ऑडिटर एक अन्य कृत्रिम बुद्धिमत्ता मॉडल था जिसने मदद चाहने वाले के मनोवैज्ञानिक प्रोफाइल को जाने बिना पूरी बातचीत को सुना। इसका काम यह निर्णय लेना था कि क्या सलाहकार ने सफलतापूर्वक सुना, क्या उसने व्यक्ति की भावनाओं को स्थिर किया, और क्या उसने समय से पूर्व सलाह देने या बहुत अधिक बोलने जैसे सामान्य दोषों से परहेज किया। शोधकर्ताओं ने यह भी जांचा कि क्या सिंथेटिक मदद चाहने वाले वास्तव में अपने निर्धारित व्यक्तित्वों के अनुरूप व्यवहार कर रहे थे, यह पूछते हुए कि क्या कोई पर्यवेक्षक केवल चैट लॉग पढ़कर पहचान सकता था कि कौन कौन था।
अध्ययन ने परीक्षण किए गए सभी चार कृत्रिम बुद्धिमत्ता मॉडलों में एक आश्चर्यजनक और सुसंगत पैटर्न का खुलासा किया। चाहे कौन सा भी मॉडल सलाहकार की भूमिका निभा रहा हो, उन सभी ने सुनने की तुलना में अधिक बात की। प्रत्येक बातचीत में, सलाहकार ने मदद चाहने वाले के शब्दों की तुलना में अधिक शब्द बोले, और सलाहकार के शब्दों का उपयोगकर्ता के शब्दों के साथ अनुपात लगभग दो-से-एक से लेकर तीन-से-एक से भी अधिक तक रहा। इसके अलावा, सभी चार मॉडल उपयोगकर्ता द्वारा अपनी स्थिति समझाने या अपनी भावनाओं को व्यक्त करने से पहले ही समस्या-समाधान की ओर कूदने लगे। यह व्यवहार विशेषज्ञों द्वारा संकटकालीन सहायता के बारे में ज्ञात तथ्यों के विपरीत है, जहाँ प्राथमिकता समाधान देने से पहले व्यक्ति को महसूस कराने की होती है कि उसे सुना गया है और वह शांत हो जाए। शोधकर्ताओं ने पाया कि अत्यधिक बोलना और समाधान-उन्मुख होने की यह प्रवृत्ति एक साझा विफलता मोड था, न कि किसी एक मॉडल की खामी।
इस साझा दोष के बावजूद, अध्ययन में यह भी पाया गया कि मॉडलों को उनकी सहायता की गुणवत्ता के आधार पर एक-दूसरे से अलग पहचाना जा सकता था। एक मॉडल, DeepSeek-V3.2, अन्य की तुलना में थोड़ा बेहतर प्रदर्शन करता दिखा, जिसमें उपयोगकर्ता की स्वायत्तता और सक्षमता का समर्थन करने की अधिक क्षमता और कम उत्पादक व्यवहार प्रदर्शित करने की क्षमता देखी गई। हालाँकि, शीर्ष प्रदर्शन करने वालों के बीच का अंतर बहुत कम था, और कोई भी मॉडल पूर्ण माना जाने वाला प्रदर्शन स्तर प्राप्त नहीं कर सका। शोध ने यह भी पुष्टि की कि सिंथेटिक मदद चाहने वाले सफल रहे: स्वतंत्र ऑडिटर्स बातचीत को पढ़कर मदद चाहने वालों के विशिष्ट मनोवैज्ञानिक गुणों को सटीक रूप से पहचानने में सक्षम थे, जो यह सिद्ध करता है कि ये डिजिटल पात्र जटिल मानवीय व्यक्तित्वों को विश्वसनीय रूप से चित्रित कर सकते हैं।
निष्कर्ष बताते हैं कि हालांकि वर्तमान कृत्रिम बुद्धिमत्ता प्रणालियाँ जटिल, बहु-चरणीय बातचीत में संलग्न होने में सक्षम हैं, लेकिन उन्होंने अभी तक संकट सहायता के लिए आवश्यक संयम के महत्वपूर्ण कौशल को नहीं सीखा है। वे अभी भी बोलने और समाधान करने के लिए बहुत उत्सुक हैं, एक ऐसा गुण जो कई संदर्भों में सहायक हो सकता है लेकिन तीव्र संकट में फंसे व्यक्ति के लिए हानिकारक है, जिसकी सूचना को संसाधित करने की क्षमता सीमित होती है। शोधकर्ताओं ने निष्कर्ष निकाला कि इन उपकरणों को उच्च-जोखिम वाली स्थितियों में वास्तव में सुरक्षित और प्रभावी होने के लिए, उन्हें सुनने और संक्षिप्तता को प्राथमिकता देने के लिए पुनर्गठित करने की आवश्यकता है, जो एक कुशल मानव परामर्शदाता के धैर्य को प्रतिबिंबित करे, न कि एक सर्च इंजन की दक्षता को। यह कार्य इन प्रणालियों को वास्तविक लोगों के सबसे संवेदनशील क्षणों में तैनात करने से पहले उन्हें परखने और सुधारने का एक नया, सुरक्षित तरीका प्रदान करता 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।