Evolution of cooperation with Q-learning: how much information do we need?
संरचित आबादी पर Q-लर्निंग को लागू करके, यह अध्ययन प्रकट करता है कि सहयोग का स्तर सूचना की उपलब्धता के साथ एक उलटे U-आकार के संबंध का अनुसरण करता है, जो यह दर्शाता है कि सहयोग को बढ़ावा देने के लिए सूचना की एक मध्यम मात्रा—न कि अधिक—अनुकूल है, क्योंकि यह निर्णय लेने की पर्याप्तता और सुग्राह्यता के बीच संतुलन बनाता 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
प्रकृति और मानव समाज की हलचल भरी दुनिया में, सहयोग हर जगह मौजूद है। मधुमक्खियां अपने छत्तों को जीवित रखने के लिए श्रम का विभाजन करती हैं, और वैम्पायर बैट्स (vampire bats) अपने पड़ोसियों को भूख से बचाने के लिए रक्त का साझा करते हैं। फिर भी, दूसरों की मदद करने की यह इच्छा, जो व्यक्तिगत लागत पर की जाती है, अस्तित्व के बुनियादी तर्क के विपरीत लगती है, जो यह सुझाव देता है कि व्यक्तियों को केवल अपने स्वार्थ में कार्य करना चाहिए। दशकों से, वैज्ञानिक समझने की कोशिश कर रहे हैं कि सहयोग कैसे जड़ जमा सकता है और फल-फूल सकता है, जबकि स्वार्थ एक आसान रास्ता प्रतीत होता है। इस क्षेत्र में एक केंद्रीय प्रश्न यह है कि क्या अपने परिवेश के बारे में अधिक जानकारी होने से बेहतर निर्णय लेने और अंततः अधिक सहयोग करने में मदद मिलती है। सहज रूप से, यह जानना तर्कसंगत लगता है कि अपने आस-पास के लोगों के बारे में अधिक जानने से आपको समझदारी भरे विकल्प चुनने में मदद मिलेगी। हालांकि, एक नया अध्ययन सुझाव देता है कि यह अंतर्ज्ञान गलत हो सकता है, और इसके बजाय यह प्रस्तावित करता है कि टीम वर्क को बढ़ावा देने के लिए वास्तव में जानकारी की एक विशिष्ट, सीमित मात्रा ही सबसे अच्छी होती है।
शानक्सी नॉर्मल यूनिवर्सिटी और निंग्ज़िया यूनिवर्सिटी के शोधकर्ताओं ने 'प्रिज़नर्स डिलेमा' (prisoner's dilemma) के रूप में ज्ञात एक क्लासिक परिदृश्य पर आधारित एक कंप्यूटर मॉडल का उपयोग करके इस विचार का परीक्षण करने का निर्णय लिया। इस परिदृश्य में, दो लोगों को यह तय करना होता है कि वे एक-दूसरे के साथ सहयोग करेंगे या विश्वासघात करेंगे। यदि दोनों सहयोग करते हैं, तो दोनों का भला होता है; यदि एक विश्वासघात करता है और दूसरा सहयोग करता है, तो विश्वासघात करने वाला बड़ा लाभ कमाता है जबकि सहयोग करने वाला नुकसान उठाता है; यदि दोनों विश्वासघात करते हैं, तो दोनों का नुकसान होता है। चुनौती यह है कि विश्वासघात करना हमेशा एक सुरक्षित व्यक्तिगत विकल्प होता है, भले ही सहयोग करना समूह के लिए बेहतर हो। लोग सहयोग करना कैसे सीख सकते हैं, यह देखने के लिए वैज्ञानिकों ने 'Q-लर्निंग' (Q-learning) नामक पद्धति का उपयोग किया। यह एक प्रकार की कृत्रिम बुद्धिमत्ता (artificial intelligence) है जहाँ एक कंप्यूटर एजेंट प्रयास और त्रुटि (trial and error) के माध्यम से सीखता है, विभिन्न कार्यों को आज़माता है और याद रखता है कि कौन से कार्य समय के साथ सर्वोत्तम पुरस्कारों की ओर ले जाते हैं। यह दृष्टिकोण इस तरह से नकल करता है जैसे मनुष्य और कई जानवर दूसरों की नकल करने के बजाय अपने स्वयं के अनुभवों से सीखते हैं।
टीम ने इन सीखने वाले एजेंटों को एक ग्रिड पर रखा, जहाँ प्रत्येक एजेंट केवल अपने कुछ निश्चित पड़ोसियों को देख और उनके साथ बातचीत कर सकता था। उन्होंने एजेंट द्वारा देखे जा सकने वाले पड़ोसियों की संख्या को उस जानकारी के माप के रूप में माना जो उस एजेंट के पास थी। इस संख्या को केवल एक पड़ोसी से लेकर बारह तक बदलकर, वे यह परीक्षण कर सके कि जानकारी के विभिन्न स्तर समूह की सहयोग करने की क्षमता को कैसे प्रभावित करते हैं। उन्होंने इन सिमुलेशन को एक सरल वर्गाकार ग्रिड और एक अधिक जटिल, वेब-नुमा नेटवर्क पर चलाया जो वास्तविक दुनिया के सामाजिक संबंधों के समान है।
परिणामों ने एक आश्चर्यजनक पैटर्न का खुलासा किया। जब एजेंटों के पास बहुत कम जानकारी थी, यानी केवल एक या दो पड़ोसियों को देख पा रहे थे, तो वे ज्यादातर एक-दूसरे के साथ विश्वासघात करते थे। जैसे-जैसे पड़ोसियों की संख्या बढ़कर तीन या चार हुई, सहयोग का स्तर अपने उच्चतम बिंदु पर पहुँच गया। हालांकि, यदि एजेंटों को और अधिक जानकारी दी गई, जैसे पांच या अधिक पड़ोसियों को देखना, तो सहयोग फिर से गिरने लगा। सबसे अधिक सहयोगी समूह वे नहीं थे जिनके पास सबसे अधिक जानकारी थी, बल्कि वे थे जिनके पास मध्यम मात्रा में जानकारी थी। यह "उल्टा U" (inverted U) आकार सरल ग्रिड और जटिल वेब-नुमा नेटवर्क दोनों पर सही साबित हुआ। जटिल नेटवर्क में, शोधकर्ताओं ने पाया कि सबसे अधिक जुड़े हुए व्यक्ति, जिनके पास सबसे अधिक जानकारी थी, वास्तव में सबसे कम सहयोगी थे, जो अक्सर निरंतर विश्वासघात करने वाले (defectors) के रूप में कार्य करते थे, जबकि कम जुड़ाव वाले व्यक्तियों ने उच्च स्तर का सहयोग बनाए रखा।
यह समझने के लिए कि यह क्यों हुआ, वैज्ञानिकों ने एजेंटों के निर्णय लेने की प्रक्रिया का बारीकी से अध्ययन किया। जब जानकारी कम थी, तो एजेंट बहुत कठोर थे; उन्होंने जल्दी ही सीख लिया कि विश्वासघात करना ही एकमात्र सुरक्षित विकल्प है और वे उसी पर टिके रहे। जब जानकारी अत्यधिक थी, तो एजेंट भ्रमित हो गए। डेटा की भारी मात्रा ने उन्हें एक स्पष्ट रणनीति बनाने में कठिनाई पैदा की, जिससे वे सहयोग और विश्वासघात के बीच अराजक रूप से बदलने लगे। वे एक विश्वसनीय योजना पर स्थिर नहीं हो सके। केवल मध्यम मात्रा में जानकारी के साथ ही एजेंटों ने एक 'स्वीट स्पॉट' (sweet spot) खोजा। उनके पास पर्याप्त डेटा था जिससे वे पहचान सकें कि सहयोग करना एक अच्छा विचार है, लेकिन इतना अधिक भी नहीं था कि वे विकल्पों के कारण पंगु (paralyzed) हो जाएं। इस संतुलन ने उन्हें पर्याप्त समय तक स्थिर रणनीतियाँ बनाए रखने की अनुमति दी ताकि सहयोग स्थापित हो सके, जबकि स्थिति बदलने पर अनुकूलित होने के लिए पर्याप्त लचीलापन भी बना रहा।
अध्ययन ने यह भी पता लगाया कि सीखने की गति और भविष्य के पुरस्कारों का महत्व इन परिणामों को कैसे प्रभावित करता है। उन्होंने पाया कि यदि एजेंट तत्काल पुरस्कारों पर बहुत अधिक ध्यान देते और भविष्य की अनदेखी करते, तो सहयोग पूरी तरह से समाप्त हो जाता। हालांकि, मुख्य निष्कर्ष सुदृढ़ बना रहा: अधिक जानकारी होने का अर्थ बेहतर परिणाम नहीं था। वास्तव में, सिमुलेशन ने दिखाया कि जानकारी की एक इष्टतम (optimal) मात्रा मौजूद है, और इससे अधिक होना वास्तव में समूह की मिलकर काम करने की क्षमता को नुकसान पहुँचा सकता है। यह इस सामान्य धारणा को चुनौती देता है कि अधिक डेटा हमेशा बेहतर निर्णय लेने की ओर ले जाता है। इसके बजाय, यह सुझाव देता है कि जटिल अंतःक्रियाओं वाली दुनिया में, पर्याप्त जानकारी होना ही सही चुनाव करने की कुंजी है। शोधकर्ता प्रस्ताव देते हैं कि निर्णय लेने के लिए पर्याप्त जानकारी होने और उसे संसाधित (process) करने के लिए पर्याप्त मानसिक स्थान होने के बीच का यह संतुलन सहयोग के उदय के लिए महत्वपूर्ण है, जो हमें यह समझने के लिए एक नया दृष्टिकोण प्रदान करता है कि हम टीम वर्क को प्रोत्साहित करने के लिए प्रणालियों या वातावरण को कैसे डिजाइन 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।