Optimal Mechanisms Need Not Be Implementable: A Timescale Condition

नियमों और प्रतिक्रियाओं का अदृश्य नृत्य

कल्पना कीजिए कि आप एक विशाल, जीवंत ऑर्केस्ट्रा के कंडक्टर हैं। संगीत सिद्धांत के पुराने दिनों में, कंडक्टर एक आदर्श स्कोर लिखता था, उसे संगीतकारों को सौंप देता था, और पीछे हट जाता था, यह मानकर कि हर कोई तुरंत अपना हिस्सा ठीक वैसे ही बजाएगा जैसा लिखा गया है। अर्थशास्त्री समाज के लिए नियम बनाने के बारे में इसी तरह सोचते थे—चाहे वह किसी डिजिटल प्लेटफॉर्म के लिए कीमतें तय करना हो, यह तय करना हो कि किसे ऋण मिलेगा, या किसी नीलामी का संचालन करना हो। उनका मानना था कि यदि आपने एक बार "परफेक्ट" नियम बना दिया, तो सिस्टम स्थापित हो जाएगा और हमेशा वहीं रहेगा।

लेकिन वास्तविक दुनिया में, लोग शीट म्यूज़िक (संगीत की लिखित लिपि) नहीं हैं; वे जीवित, सांस लेते खिलाड़ी हैं जो संगीत के प्रति प्रतिक्रिया देते हैं। यदि कंडक्टर आवाज़ बढ़ाता है, तो संगीतकार उत्साहित होकर और ज़ोर से बजा सकते हैं, या वे अभिभूत होकर खेलना बंद कर सकते हैं। यह एक फीडबैक लूप बनाता है: नियम खिलाड़ियों को बदलता है, और खिलाड़ियों की प्रतिक्रियाएं यह बदल देती हैं कि नियम कैसे सेट किया जाना चाहिए था। यह शोध पत्र उसी जटिल, गतिशील नृत्य के भीतर प्रवेश करता है। यह एक सरल लेकिन पेचीदा सवाल पूछता है: यदि एक नियम बनाने वाला स्मार्ट होने की कोशिश करता है और खिलाड़ियों के वर्तमान व्यवहार के आधार पर अपने नियमों को समायोजित करता है, तो क्या वह वास्तव में उस "परफेक्ट" स्थान तक पहुँच सकता है जिसे वह लक्षित कर रहा है? या निरंतर समायोजन पूरे सिस्टम को नियंत्रण से बाहर कर देता है? इसका उत्तर गणित, समय (timing) और थोड़े से अराजक (chaos) का एक आश्चर्यजनक मिश्रण है।

---

गति और स्थिरता के बीच खींचतान

इस अध्ययन में, लेखक, डिएगो वैलेरिनो (Diego Vallarino), दो पात्रों के बीच एक खेल स्थापित करते हैं: एक "डिज़ाइनर" (जैसे एक प्लेटफॉर्म मैनेजर या नियामक) और एक "जनसंख्या" (उपयोगकर्ता या एजेंट)। डिज़ाइनर एक विशिष्ट सेटिंग चुनने चाहता है—मान लीजिए कि यह एक "नॉब" (knob) है—ताकि अपने लाभ या सामाजिक भलाई को अधिकतम किया जा सके। जनसंख्या उस नॉब के प्रति प्रतिक्रिया करती है।

इस समस्या के क्लासिक, पाठ्यपुस्तकीय संस्करण में, डिज़ाइनर एक जीनियस है जो जानता है कि जब सब कुछ स्थिर हो जाएगा, तो जनसंख्या कैसे प्रतिक्रिया देगी। वे सटीक नॉब सेटिंग की गणना करते हैं, उसे लॉक कर देते हैं, और चले जाते हैं। शोध पत्र इसे "मायसोनियन ऑप्टिमम" (Myersonian optimum) कहता है। यह सैद्धांतिक स्वर्ण मानक है।

हालाँकि, वास्तविक दुनिया में, डिज़ाइनर के पास भविष्य देखने वाला कोई जादुई गोला (crystal ball) नहीं होता। वे केवल वही देख सकते हैं जो जनसंख्या अभी कर रही है। इसलिए, नॉब को लॉक करने के बजाय, वे "ग्रेडिएंट एसेंट" (gradient ascent) नामक रणनीति का उपयोग करते हैं। कल्पना कीजिए कि डिज़ाइनर कोहरे में एक पहाड़ी पर चढ़ रहा है। वह शिखर को नहीं देख सकता, लेकिन वह अपने पैरों के नीचे ढलान को महसूस कर सकता है। यदि ज़मीन ऊपर की ओर ढलान वाली है, तो वह एक कदम आगे बढ़ता है। यदि ढलान नीचे की ओर है, तो वह एक कदम पीछे हटता है। उनके द्वारा ली जाने वाली "कदम की चौड़ाई" को गेन (gain) कहा जाता है (जिसे $\eta$ द्वारा दर्शाया गया है)। जनसंख्या भी अनुकूलन (adapt) करती है, लेकिन वे अपनी गति से करते हैं, जिसे शोध पत्र में अनुकूलन गति (adaptation speed) कहा जाता है (जिसे $\gamma$ द्वारा दर्शाया गया है)।

यहाँ बड़ी खोज यह है कि "स्मार्ट" होना पर्याप्त नहीं है। भले ही डिज़ाइनर जनसंख्या के रिएक्शन कर्व को पूरी तरह से जानता हो और सही कुल ढलान का उपयोग करके पहाड़ी पर चढ़ने की कोशिश करता हो, फिर भी वह विफल हो सकता है। यह विफलता पूरी तरह से उनकी गति के अनुपात (ratio of speeds) पर निर्भर करती है।

टिपिंग पॉइंट: जब अच्छे समायोजन बुरे बन जाते हैं

शोध पत्र में डिज़ाइनर के स्टेप साइज के लिए एक विशिष्ट "टिपिंग पॉइंट" मिलता है। यदि डिज़ाइनर जनसंख्या के अनुकूलन की तुलना में बहुत तेज़ी से चलता है, तो सिस्टम अस्थिर हो जाता है। यह हथेली पर झाड़ू को संतुलित करने की कोशिश करने वाले व्यक्ति की तरह है। यदि वे अपने हाथ को बहुत धीरे से हिलाते हैं, तो झाडू गिर जाता है। यदि वे बहुत तेज़ी से हिलते हैं, तो वे लक्ष्य से आगे निकल जाते हैं और झाडू को गिरा देते हैं।

लेखक सिद्ध करते हैं कि "परफेक्ट" सेटिंग (मायसोनियन ऑप्टिमम) तभी स्थिर होती है जब डिज़ाइनर का गेन $\eta$, एक विशिष्ट सीमा $\eta^*$ से नीचे रहता है। यह सीमा डिज़ाइनर की गति और जनसंख्या की गति की तुलना करने वाले एक सूत्र का उपयोग करके गणना की जाती है।

• यदि डिज़ाइनर धीमा और धैर्यवान है: वे परफेक्ट स्पॉट पा सकते हैं और वहीं रह सकते हैं। यह वह "सिंगुलर लिमिट" है जहाँ पुराना पाठ्यपुस्तकीय सिद्धांत पूरी तरह से काम करता है।
• यदि डिज़ाइनर बहुत उतावला है: वे लक्ष्य से आगे निकल जाते हैं (overshoot)। स्थिर होने के बजाय, सिस्टम में उतार-चढ़ाव (oscillate) शुरू हो जाता है। नॉब ऊपर जाता है, जनसंख्या प्रतिक्रिया करती है, नॉब नीचे आता है, जनसंख्या फिर से प्रतिक्रिया करती है, और वे एक अंतहीन लूप में फंस जाते हैं।

शोध पत्र इस विचार को स्पष्ट रूप से खारिज करता है कि "परफेक्ट" सेटिंग गायब हो जाती है या दो भागों में विभाजित हो जाती है। गणित दिखाता है कि "फोल्ड" (जहाँ शिखर गायब हो जाता है) असंभव है क्योंकि डिज़ाइनर स्मार्ट है और इससे बच सकता है। समस्या यह नहीं है कि लक्ष्य गायब हो गया है; समस्या यह है कि सिस्टम बिना खुद को झटके दिए या बिखेरे उस तक पहुँच नहीं सकता।

अराजक नृत्य: नेइमार्क-साकर बाइफरकेशन (Neimark–Sacker Bifurcation)

जब डिज़ाइनर बहुत तेज़ी से चलता है, तो सिस्टम केवल डगमगाता नहीं है; यह उस स्थिति में प्रवेश करता है जिसे गणितज्ञ नेइमार्क-साकर बाइफरकेशन कहते हैं। इसे एक घूमते हुए लट्टू के रूप में सोचें जो डगमगाना बंद कर देता है और हवा में एक पूर्ण वृत्त बनाना शुरू कर देता है।

लेखक द्वारा किए गए सिमुलेशन में, यह तब होता है जब "क्रॉस-लूप गेन" नकारात्मक होता है। यह कहने का एक तकनीकी तरीका है कि डिज़ाइनर और जनसंख्या विपरीत दिशाओं में खींच रहे हैं। उदाहरण के लिए, यदि डिज़ाइनर अधिक पैसा कमाने के लिए शुल्क बढ़ाता है, तो जनसंख्या चली जाती है, जिससे डिज़ाइनर और अधिक शुल्क बढ़ाने की इच्छा करता है, जिससे जनसंख्या और भी अधिक चली जाती है। यह नकारात्मक फीडबैक लूप, तेज़ समायोजन के साथ मिलकर, एक स्थिर, दोहराने वाले चक्र (cycle) का निर्माण करता है।

शोध पत्र इस अराजकता के लिए एक विशिष्ट संख्या की गणना करता है: एक मानक मॉडल में, सिस्टम अस्थिर हो जाता है जब पैरामीटर $b$ 5.5 तक पहुँच जाता है। इस बिंदु पर, "परफेक्ट" सेटिंग एक हाइपरबोलिक रिपेलर (hyperbolic repeller) बन जाती है। एक ऐसी पहाड़ी की कल्पना करें जिसका शिखर एक चुंबक की तरह काम करता है, लेकिन वह चुंबक वास्तव में एक 'रिपेलर' (विकर्षक) है। यदि आप गेंद को बिल्कुल शिखर पर रखते हैं, तो वह वहीं रहती है। लेकिन ज़रा सा भी धक्का—जैसे माप में छोटी सी गलती या यादृच्छिक शोर (random noise)—गेंद को दूर भेज देता है, और वह कभी वापस नहीं आती।

लेखक सिद्ध करते हैं कि एक बार जब सिस्टम इस सीमा को पार कर लेता है, तो "परफेक्ट" सेटिंग अब "ऑब्जर्वेबल अट्रैक्टर" का हिस्सा नहीं रह जाती है। सरल शब्दों में: भले ही गणित में परफेक्ट सेटिंग मौजूद है, सिस्टम वास्तव में वहां कभी नहीं देखा जाएगा। यह उसके चारों ओर चक्कर लगाता रहेगा, एक चक्र में फंसा हुआ।

छिपा हुआ खर्च: आप औसत में सही हो सकते हैं, लेकिन वास्तविकता में गलत

यहाँ सबसे विरोधाभासी और खतरनाक खोज है। भले ही सिस्टम इस अराजक चक्र में फंसा हो, नॉब की औसत स्थिति अभी भी बिल्कुल "परफेक्ट" सेटिंग जैसी दिख सकती है।

कल्पना कीजिए कि नॉब 10 और 20 के बीच दोलन (oscillate) कर रहा है। औसत 15 है, जो परफेक्ट सेटिंग है। केवल औसत को देखने वाला पर्यवेक्षक कहेगा, "अरे, सिस्टम पूरी तरह से काम कर रहा है!" लेकिन शोध पत्र दिखाता है कि यह एक भ्रम है।

क्योंकि नॉब और लाभ (profit) के बीच का संबंध घुमावदार है (एक पहाड़ी की तरह), तो लाभ का औसत, औसत के लाभ के बराबर नहीं होता है। यह एक गणितीय नियम है जिसे जेन्सन की असमानता (Jensen's inequality) कहा जाता है। यदि आप एक ऊबड़-खाबड़ सड़क पर हैं, तो आपकी औसत ऊंचाई एक समतल सड़क के समान हो सकती है, लेकिन आपकी यात्रा बहुत खराब होगी।

सिमुलेशन में, लेखक दिखाते हैं कि भले ही नॉब की औसत सेटिंग लगभग परफेक्ट ($2.5 \times 10^{-6}$) हो, फिर भी वास्तविक प्रदर्शन (लाभ) स्पष्ट रूप से कम होता है।

• एक विशिष्ट प्लेटफॉर्म प्राइसिंग उदाहरण में, जब डिज़ाइनर की गति सुरक्षित सीमा से केवल 3% अधिक थी, तो लाभ में 1.3% की गिरावट आई।
• जब गति सीमा से 25% अधिक थी, तो लाभ 22.9% तक गिर गया।

डिज़ाइनर नॉब को उतनी ही तेज़ी से चला सकता है जितना कि गणित कहता है कि औसत रूप से "इष्टतम" (optimal) है, लेकिन क्योंकि वे लगातार आगे-पीछे (overshooting/undershooting) हो रहे हैं, वे बहुत सारा पैसा गंवा रहे हैं।

वास्तविक दुनिया का परीक्षण: प्लेटफॉर्म प्राइसिंग

यह साबित करने के लिए कि यह केवल एक गणित का खेल नहीं है, लेखक ने एक डिजिटल प्लेटफॉर्म (जैसे ऐप स्टोर या मार्केटप्लेस) के मॉडल को कैलिब्रेट किया। इस दुनिया में, एक प्लेटफॉर्म शुल्क (fee) निर्धारित करता है।

• सेटअप: प्लेटफॉर्म लाभ को अधिकतम करना चाहता है। शुल्क यह प्रभावित करता है कि कितने लोग जुड़ते हैं। अधिक लोग अधिक मूल्य लाते हैं, लेकिन बहुत अधिक शुल्क उन्हें दूर भगा देता है।
• परिणाम: मॉडल ने दिखाया कि यदि प्लेटफॉर्म दैनिक डेटा के आधार पर अपने शुल्कों को बहुत तेज़ी से समायोजित करता है, तो यह अस्थिरता को जन्म देता है।
• आंकड़े: समायोजन गति के लिए सुरक्षित सीमा की गणना 0.421592 की गई थी।
  • यदि प्लेटफॉर्म इस स्तर से नीचे रहता है, तो वह परफेक्ट शुल्क पाता है।
  • यदि वह केवल 3% ऊपर जाता है, तो वह चक्र (cycling) शुरू कर देता है, और लाभ गिर जाता है।
  • यदि वह 25% ऊपर जाता है, तो लाभ 22.9% तक गिर जाता है।

शोध पत्र ने यह भी परीक्षण किया कि क्या होता है यदि डेटा "शोर युक्त" (noisy/random errors) हो। आश्चर्यजनक रूप से, भले ही सिस्टम तकनीकी रूप से "स्थिर" (सीमा से नीचे) हो, सीमा के करीब होना इसे शोर के प्रति बहुत संवेदनशील बना देता है। यदि डिज़ाइनर गति की सीमा को धकेल रहा है, तो डेटा में थोड़ी सी त्रुटि प्रदर्शन में भारी गिरावट ला सकती है।

निष्कर्ष

यह शोध पत्र उन सभी के लिए एक महत्वपूर्ण चेतावनी देता है जो एल्गोरिदम डिजाइन कर रहे हैं, कीमतें तय कर रहे हैं, या ऐसे सिस्टम का प्रबंधन कर रहे हैं जो डेटा से सीखते हैं: गति हमेशा आपकी मित्र नहीं होती।

पाठ्यपुस्तकों से मिलने वाला "परफेक्ट" नियम वास्तविक है, लेकिन यह नाजुक है। यह तभी काम करता है जब नियम बनाने वाला इतना धैर्यवान हो कि सिस्टम को तालमेल बिठाने का समय दे सके। यदि नियम बनाने वाला बहुत आक्रामक होकर, वास्तविक समय के डेटा का उपयोग करके तीव्र समायोजन करने की कोशिश करता है, तो वे केवल लक्ष्य को चूकते नहीं हैं; वे एक ऐसा अराजक नृत्य पैदा करते हैं जहाँ लक्ष्य गणितीय रूप से अप्राप्य हो जाता है, और सिस्टम महत्वपूर्ण मूल्य खो देता है, भले ही औसत आंकड़े ठीक लग रहे हों।

यह शोध पत्र यह नहीं कहता कि हमें नियमों को समायोजित करना बंद कर देना चाहिए। यह कहता है कि हमें अपने टाइमस्केल (timescale) को जानने की आवश्यकता है। हमें उस सटीक सीमा की गणना करने की आवश्यकता है जहाँ हमारी उत्सुकता अराजकता में बदल जाती है। यदि हम उस रेखा को पार करते हैं, तो "इष्टतम" तंत्र लागू करने योग्य नहीं रह जाता, इसलिए नहीं कि यह एक बुरा विचार है, बल्कि इसलिए क्योंकि इसे प्राप्त करने का खेल हमारे विरुद्ध है।