Discovering Adaptive Transmission Programs for Collective Innovation
यह शोध पत्र LLM-निर्देशित विकासवादी खोज (evolutionary search) के माध्यम से डिज़ाइन किए गए स्टेट-अवेयर ट्रांसमिशन प्रोटोकॉल प्रस्तुत करता है जो एजेंट और सामूहिक अवस्थाओं के आधार पर सूचना को गतिशील रूप से रूट करके सामूहिक खोज प्रदर्शन को महत्वपूर्ण रूप से बढ़ाते हैं, पारंपरिक नेटवर्क-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करते हैं और मजबूत सामान्यीकरण क्षमता 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
मनुष्य एकाकी प्रतिभाशाली प्राणी नहीं हैं; हम एक ऐसी प्रजाति हैं जो मिलकर सोचती है। हमारी महानतम उपलब्धियां, उन उपकरणों से लेकर जिन्हें हम उपयोग करते हैं, या उन संस्थानों से जिन्हें हम बनाते हैं, किसी एक क्षणिक प्रतिभा की चमक से नहीं, बल्कि पीढ़ियों से चली आ रही और पुनर्संयोजित की जाने वाली ज्ञान की धीमी, निरंतर संचय प्रक्रिया से उत्पन्न होती हैं। यह सामूहिक बुद्धिमत्ता पूरी तरह से इस बात पर निर्भर करती है कि सूचना कैसे चलती है: कौन क्या किसके साथ साझा करता है, वे इसे कैसे साझा करते हैं, और वे ऐसा कब करते हैं। लंबे समय तक, इस घटना का अध्ययन करने वाले वैज्ञानिकों ने लोगों के बीच के संबंधों के आकार पर ध्यान केंद्रित किया है, ठीक वैसे ही जैसे यातायात को समझने के लिए सड़कों के मानचित्र को देखना। उन्होंने पाया है कि बहुत अधिक कनेक्शन होने से एक समूह बहुत जल्दी एक एकल, औसत दर्जे के विचार पर स्थिर हो सकता है, जबकि बहुत कम कनेक्शन उन्हें अलग-थलग छोड़ देते हैं। हालांकि, इस मानचित्र-आधारित दृष्टिकोण में एक कमी है: यह हर यात्री को समान मानता है, चाहे वह जो भी जानता हो या कहीं भी जा रहा हो। यह नहीं देख पाता कि किसी व्यक्ति को अभी एक विशिष्ट उपकरण की आवश्यकता हो सकती है, या किसी ऐसे व्यक्ति के साथ एक असफल प्रयास साझा करना जिसके पास सही सामग्री हो, समय बचा सकता है। प्रश्न यह बना हुआ है कि क्या हम साझाकरण के लिए बेहतर प्रणालियाँ डिजाइन कर सकते हैं जो वास्तव में साझा की जा रही सामग्री की विषय-वस्तु और समूह की वर्तमान स्थिति पर ध्यान दें।
शोधकर्ताओं की एक टीम ने इसे हल करने के लिए हाथ में लिया कि साझाकरण के नियमों को एक निश्चित मानचित्र के रूप में नहीं, बल्कि निर्देशों के एक लचीले सेट के रूप में देखा जाए जो उस क्षण में हो रही घटनाओं के आधार पर बदल सके। उन्होंने एक 'डिस्कवरी गेम' का डिजिटल सिमुलेशन बनाया, जो एक लोकप्रिय ऑनलाइन पहेली से प्रेरित था जहाँ खिलाड़ी पानी और आग जैसी बुनियादी चीजों को मिलाकर भाप या कांच जैसी नई चीजें बनाते हैं। उनके संस्करण में, कंप्यूटर एजेंटों का एक समूह, जिन्हें मनुष्यों की तरह सोचने और सीखने के लिए प्रोग्राम किया गया था, अधिक से अधिक नए संयोजन खोजने के लिए मिलकर काम करता है। शोधकर्ता इन एजेंटों के लिए अपनी खोजों को साझा करने के नियमों का सबसे अच्छा संभव सेट खोजना चाहते थे। इन नियमों का अनुमान हाथ से लगाने के बजाय, उन्होंने उन्हें विकसित करने के लिए एक शक्तिशाली प्रकार की कृत्रिम बुद्धिमत्ता (AI) का उपयोग किया। AI ने साझाकरण के कुछ सरल, मानक तरीकों से शुरुआत की और फिर, सैकड़ों पीढ़ियों के दौरान, नए, अधिक जटिल निर्देशों के सेट लिखे। इसने सिमुलेशन में प्रत्येक नए नियमों के सेट का परीक्षण किया, उन नियमों को रखा जिन्होंने समूह को अधिक खोजों को खोजने में मदद की, और उन्हें त्याग दिया जिन्होंने ऐसा नहीं किया।
परिणाम चौंकाने वाले थे। कृत्रिम बुद्धिमत्ता द्वारा खोजे गए नियमों ने समूहों को पिछले अध्ययनों में उपयोग किए गए किसी भी मानक तरीके की तुलना में काफी अधिक नए संयोजन खोजने की अनुमति दी। सिमुलेशन में, इन विकसित नियमों ने मौजूदा सर्वोत्तम दृष्टिकोणों की तुलना में समूह के प्रदर्शन को 37 प्रतिशत तक बढ़ा दिया। शोधकर्ताओं ने फिर यह परीक्षण किया कि क्या यह सुधार नियमों की जटिलता से आया था या केवल इस तथ्य से कि वे अलग थे। उन्होंने सर्वोत्तम नियमों का एक ऐसा संस्करण बनाया जिसने उसी पैटर्न को बनाए रखा कि कौन किससे और कब बात करता है, लेकिन यह तय करने से पहले कि क्या साझा किया जाए, एजेंट वास्तव में क्या जानते थे, उस क्षमता को हटा दिया। जब उन्होंने ऐसा किया, तो प्रदर्शन का लाभ पूरी तरह से समाप्त हो गया। इसने सिद्ध कर दिया कि रहस्य स्वयं कनेक्शन के नेटवर्क में नहीं था, बल्कि इस तथ्य में था कि नए नियम "स्टेट-अवेयर" (स्थिति के प्रति जागरूक) थे। वे देख सकते थे कि एक एजेंट के पास पहले से क्या है, उसने क्या बनाने में विफलता प्राप्त की है, और पूरे समूह ने अब तक क्या खोजा है, और फिर उसके अनुसार सूचना को निर्देशित कर सकते थे।
इन बुद्धिमान नियमों ने वे चीजें सीखीं जो साधारण नेटवर्क कभी नहीं कर सकते थे। उन्होंने दुर्लभ खोजों को केवल उन लोगों के साथ साझा करना सीखा जिनके पास वे नहीं थे, जिससे समूह का डुप्लिकेट्स पर समय बर्बाद होने से बच गया। उन्होंने असफल प्रयासों को उन एजेंटों को भेजने के बारे में सीखा जिनके पास आवश्यक सामग्रियां थीं, जो प्रभावी रूप से कह रहे थे, "आपके पास भाग हैं, इसे आजमाएं।" उन्होंने हालिया खोजों को प्राथमिकता देना सीखा जब समूह प्रगति कर रहा था, लेकिन जब समूह अटका हुआ था तो साझाकरण को धीमा करना सीखा। शायद सबसे महत्वपूर्ण बात यह है कि उन्होंने समूह को गतिशील रूप से व्यवस्थित करना सीखा, कभी-कभी विभिन्न पथों को गहराई से तलाशने के लिए उप-समूहों को अलग रखा, और फिर सही समय पर अपने विचारों के आदान-प्रदान के लिए उन्हें एक साथ लाया। शोधकर्ताओं ने पाया कि ये नियम केवल एक विशिष्ट सेटअप के लिए भाग्यशाली दुर्घटनाएं नहीं थे; वे उतने ही अच्छे से काम करते थे जब समूह का आकार बदल दिया गया, जब एजेंटों को सोचने के विभिन्न तरीकों के साथ प्रोग्राम किया गया, या जब खेल को कठिन या आसान बनाया गया।
यह कार्य सुझाव देता है कि मानव सहयोग का भविष्य केवल बेहतर सामाजिक नेटवर्क बनाने पर नहीं, बल्कि सूचनाओं के प्रवाह के लिए बेहतर प्रोटोकॉल डिजाइन करने पर निर्भर हो सकता है। यह अध्ययन प्रदर्शित करता है कि हम प्रभावी समन्वय के छिपे हुए तर्क की खोज करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग कर सकते हैं, जिससे ऐसी प्रणालियाँ बनाई जा सकती हैं जो एक कठोर पटकथा का पालन करने के बजाय क्षण की आवश्यकताओं के अनुकूल होती हैं। हालांकि ये निष्कर्ष एक कंप्यूटर सिमुलेशन से आए हैं, वे एक ऐसे भविष्य की ओर संकेत करते हैं जहाँ AI मानव टीमों, संगठनों और वैज्ञानिक समुदायों के बुनियादी ढांचे को डिजाइन करने में मदद कर सकता है। हम जो जानते हैं उसे साझा करने के नियमों को आकार देकर, हम सामूहिक बुद्धिमत्ता के एक ऐसे स्तर को अनलॉक कर सकते हैं जो हमने अभी तक प्राप्त नहीं किया है, जिससे हमारे साझा ज्ञान को नवाचार के लिए एक अधिक शक्तिशाली इंजन में बदला जा सके।
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।