Can Regulation Curb AI Adoption Narrative–Practice Decoupling?An Agent-Based Model of the A-Share Market
A-शेयर बाजार के एक एजेंट-आधारित मॉडल का उपयोग करते हुए, यह शोध पत्र प्रदर्शित करता है कि जबकि केवल बाजार बल फर्मों के एआई (AI) आख्यानों और वास्तविक कार्यान्वयन के बीच के अंतर को कमजोर रूप से दंडित करते हैं, वहीं बार-बार अपराध करने वालों के विरुद्ध बढ़ते दंड और लक्षित प्रवर्तन का एक नियामक संयोजन इस तरह के विखंडन को रोकने में सबसे प्रभावी है, जबकि शॉर्ट सेलिंग और सरल प्रकटीकरण लेबल जैसे तंत्र अप्रभावी सिद्ध होते हैं।
मूल पेपर CC BY 4.0 (https://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
वित्त की दुनिया में, कंपनियाँ निवेशकों को आकर्षित करने के लिए लगातार कहानियाँ सुनाती रहती हैं। वे भविष्य की योजनाओं, नई तकनीकों और रणनीतिक बदलावों के बारे में बात करती हैं, इस उम्मीद में कि ये वृत्तांत लोगों को अपना स्टॉक खरीदने के लिए राजी कर लेंगे। दशकों से, अर्थशास्त्रियों ने यह समझा है कि अक्सर एक कंपनी जो कहती है और जो वह वास्तव में करती है, उसके बीच एक अंतर होता है। जब कोई कंपनी दावा करती है कि वह अपने व्यवसाय को बदल रही है, लेकिन उसके पास इसका समर्थन करने के लिए बजट या कर्मचारियों की कमी होती है, तो यह एक विसंगति पैदा करता है। यह आवश्यक रूप से झूठ नहीं है, बल्कि यह जनता को सुनाई जाने वाली कहानी और व्यावसायिक संचालन की वास्तविकता के बीच का एक बेमेल है। वह प्रश्न जिसने लंबे समय से नियामकों और बाजार विशेषज्ञों को उलझा रखा है, वह यह है कि क्या बाजार स्वयं इस अंतर को पहचान सकता है और उन कंपनियों को दंडित कर सकता है जो केवल बातें कर रही हैं, या निवेशक तथ्यों की परवाह किए बिना कहानी के उत्साह में आसानी से बह जाते हैं।
एक नया अध्ययन इस समस्या पर ध्यान केंद्रित करते हुए चीनी शेयर बाजार, विशेष रूप से ए-शेयर (A-share) बाजार को देखता है, जहाँ आर्टिफिशियल इंटेलिजेंस (AI) चर्चा का एक प्रमुख विषय बन गया है। शोधकर्ता यह जानना चाहते थे कि क्या खेल के वर्तमान नियम कंपनियों को वास्तविक कार्यान्वयन का कठिन कार्य किए बिना केवल प्रचार (hype) की लहर पर सवार होने से रोकने के लिए पर्याप्त हैं। यह पता लगाने के लिए, उन्होंने केवल पिछले स्टॉक मूल्यों को ही नहीं देखा; बल्कि उन्होंने एक डिजिटल प्रयोगशाला बनाई। उन्होंने एक कंप्यूटर सिमुलेशन बनाया जो हजारों वास्तविक कंपनियों, लाखों व्यक्तिगत निवेशकों और एक नियामक निकाय के व्यवहार की नकल करता है। इस आभासी बाजार को 3,000 से अधिक सूचीबद्ध फर्मों के वास्तविक डेटा से फीड करके, वे देख सकते थे कि जब आर्टिफिशियल इंटेलिजेंस के बारे में उत्साह की लहर पूरे सिस्टम में दौड़ती है, तो विभिन्न नियम कैसे काम करेंगे।
शोधकर्ताओं ने अपने सिमुलेशन में प्रत्येक कंपनी के लिए दो अलग-अलग चीजों को मापा। सबसे पहले, उन्होंने "बातचीत" को मापा, जो किसी कंपनी की वार्षिक रिपोर्टों में आर्टिफिशियल इंटेलिजेंस के नैरेटिव (वृत्तांत) की तीव्रता है। यह AI संबंधी महत्वाकांक्षाओं का वर्णन करने के लिए उपयोग की जाने वाली भाषा है। दूसरा, उन्होंने "कार्य" को मापा, जो वास्तविक, अवलोकन योग्य कार्य का प्रतिनिधित्व करता है। इसे AI कौशल वाले लोगों को काम पर रखने वाली कंपनियों की संख्या और तकनीक से संबंधित कितने पेटेंट दायर किए गए हैं, इसकी गिनती करके ट्रैक किया गया। जब किसी कंपनी ने AI के बारे में बहुत अधिक बातें कीं लेकिन भर्ती करने या पेटेंट कराने के प्रमाण बहुत कम दिखाए, तो सिमुलेशन ने इसे 'डिकपलिंग' (decoupling) के रूप में चिह्नित किया—अर्थात कहानी और सार के बीच का अलगाव।
प्रयोग का मुख्य हिस्सा इस आभासी बाजार में आर्टिफिशियल इंटेलिजेंस के बारे में अचानक, भारी उत्साह को इंजेक्ट करना था, जैसा कि वास्तविक दुनिया में तब हुआ था जब नए AI उपकरण व्यापक रूप से जाने जाने लगे। शोधकर्ताओं ने सिमुलेशन को बार-बार चलाया, और हर बार यह देखने के लिए खेल के नियम बदले कि कौन सा नियामक दृष्टिकोण सबसे अच्छा काम करता है। उन्होंने दुनिया भर में नियामकों द्वारा उपयोग की जाने वाली नौ अलग-अलग विधियों का परीक्षण किया। कुछ विधियाँ एक व्यापक नियम की तरह थीं, जो किसी भी कंपनी को दंडित करती थीं जिसने बात करने और करने के बीच अंतर दिखाया हो, चाहे वह अंतर कितना भी छोटा क्यों न हो। अन्य अधिक लक्षित स्पॉटलाइट की तरह थीं, जो केवल उन कंपनियों पर ध्यान केंद्रित करती थीं जो स्पष्ट रूप से अतिशयोक्ति कर रही थीं। कुछ ने बुरे तत्वों की रिपोर्ट करने के लिए व्हिसलब्लोअर्स (सूचना देने वालों) पर भरोसा किया, जबकि अन्य ने केवल कंपनियों से उनके कार्यों के बारे में स्पष्टीकरण मांगा यदि वे अनुपालन नहीं कर पा रहे थे।
परिणामों से पता चला कि बाजार, यदि उसे अपने हाल पर छोड़ दिया जाए, तो इन अतिशयोक्तियों को दंडित करने में आश्चर्यजनक रूप से कमजोर है। बिना किसी नए नियमों के भी, सिमुलेशन ने दिखाया कि निवेशक उन कंपनियों के बीच प्रभावी ढंग से अंतर नहीं कर पा रहे थे जो वास्तव में AI बना रही थीं और उन कंपनियों के बीच जो केवल इसके बारे में बात कर रही थीं। कहानी और वास्तविकता के बीच के अंतर से अपने आप स्टॉक की कीमतों में बड़ी गिरावट नहीं आई। यह सुझाव देता है कि केवल बाजार के प्राकृतिक अनुशासन पर निर्भर रहना प्रचार को रोकने के लिए पर्याप्त नहीं है।
जब शोधकर्ताओं ने विभिन्न नियामक उपकरणों को पेश किया, तो परिणाम नाटकीय रूप से भिन्न थे। सबसे प्रभावी दृष्टिकोण बार-बार अपराध करने वालों के लिए बढ़ते हुए दंड (escalating penalties) की एक प्रणाली थी। इस परिदृश्य में, यदि कोई कंपनी अपनी AI क्षमताओं के बारे में अतिशयोक्ति करते हुए पकड़ी जाती है, तो अगले अपराध के लिए दंड पहले की तुलना में काफी अधिक होगा। इसने कंपनियों के लिए एक शक्तिशाली प्रोत्साहन बनाया कि वे या तो बातें करना बंद करें और काम करना शुरू करें, या कम से कम इसके बारे में झूठ बोलना बंद करें। सिमुलेशन ने दिखाया कि यह विधि केवल प्रारंभिक दंड को बड़ा बनाने की तुलना में कहीं अधिक सफल थी। यह नियम का ढांचा था, न कि केवल जुर्माने का आकार, जिसने परिवर्तन को प्रेरित किया।
एक अन्य अत्यधिक प्रभावी विधि लक्षित प्रवर्तन (targeted enforcement) थी। हर उस कंपनी को दंडित करने के बजाय जिसके पास बात करने और करने के बीच अंतर था, इस परिदृश्य में नियामकों ने केवल उन पर ध्यान केंद्रित किया जिनका 'पॉजिटिव गैप' था—यानी वे कंपनियाँ जो करने की तुलना में अधिक बोल रही थीं। इस दृष्टिकोण ने उन कंपनियों को दंडित करने से परहेज किया जो वास्तव में बोलने से अधिक काम कर रही थीं, जिससे वास्तविक नवाचार के लिए प्रोत्साहन बरकरार रहा। जब इन दोनों विधियों को मिला दिया गया, तो उन्होंने सबसे मजबूत परिणाम दिए, जिससे नैरेटिव डिकपलिंग को प्रभावी ढंग से नियंत्रित किया गया और स्टॉक की कीमतों को वास्तविक कार्य के साथ अधिक निकटता से जोड़ा गया।
इसके विपरीत, कई लोकप्रिय नियामक विचार इस विशिष्ट वातावरण में अप्रभावी साबित हुए। कंपनियों से उनके AI प्लान का खुलासा करने के लिए कहना या यह समझाने के लिए कहना कि वे मानक का पालन क्यों नहीं कर पा रहे हैं, इस व्यवहार को बदलने में बहुत कम प्रभावी रहा। सिमुलेशन ने दिखाया कि ये "अनुपालन करें या स्पष्ट करें" (comply or explain) वाले नियम उत्साह को रोकने में विफल रहे क्योंकि बोलने की लागत बहुत कम थी और पकड़े जाने का जोखिम बहुत कम था। इसी तरह, निवेशकों को उनके स्टॉक के खिलाफ दांव लगाने (शॉर्ट-सेलिंग) की अनुमति देने का भी लगभग कोई प्रभाव नहीं पड़ा। ऐसा मुख्य रूप से इसलिए था क्योंकि चीनी बाजार के नियम निवेशकों के लिए इन शॉर्ट पोजीशन को लेना बहुत कठिन बनाते हैं, जिसका अर्थ है कि यह तंत्र खराब व्यवहार पर नियंत्रण के रूप में कार्य ही नहीं कर सका।
अध्ययन में यह भी पाया गया कि नियम का डिज़ाइन दंड के आकार से अधिक महत्वपूर्ण है। एक ऐसी प्रणाली जो कंपनियों को एक निश्चित सीमा के आधार पर दंडित करती है, चाहे वे वास्तव में नवाचार कर रही हों या केवल दिखावा कर रही हों, वास्तव में बाजार को नुकसान पहुँचा सकती है। यह वास्तविक कंपनियों को निवेश करने से हतोत्साहित कर सकता है क्योंकि उन्हें डर होता है कि उन्हें उस अंतर के लिए दंडित किया जाएगा जो वास्तव में वास्तविक दुनिया के कार्यान्वयन की धीमी गति के कारण है। सबसे सफल नियम वे थे जो इतने स्मार्ट थे कि वे एक ऐसी कंपनी के बीच अंतर कर सकें जो वास्तव में प्रयास कर रही है और एक ऐसी कंपनी के बीच जो केवल झूठ बोल रही है।
अंततः, शोध यह सुझाव देता है कि AI नैरेटिव और वास्तविकता के बीच के अंतर को रोकने के लिए, नियामकों को व्यापक, 'एक-आकार-सभी-के-लिए' (one-size-fits-all) वाले नियमों से दूर जाने की आवश्यकता है। इसके बजाय, उन्हें एक ऐसी प्रणाली अपनानी चाहिए जो सख्त होती जाए जैसे-जैसे कोई कंपनी अतिशयोक्ति करते हुए पकड़ी जाए, और जो विशेष रूप से उन पर अपनी जांच केंद्रित करे जो करने की तुलना में अधिक बोल रहे हैं। अध्ययन संकेत देता है कि इन दोनों दृष्टिकोणों का संयोजन सबसे अच्छा मार्ग प्रदान करता है। यह एक निष्कर्ष है जो बाजार के कंप्यूटर मॉडल पर आधारित है, न कि भविष्य के प्रत्यक्ष अवलोकन पर, लेकिन यह एक स्पष्ट मानचित्र प्रदान करता है कि कैसे विभिन्न नियम आर्टिफिशियल इंटेलिजेंस के युग में कंपनियों के व्यवहार को आकार दे सकते हैं। सिमुलेशन दिखाता है कि सही प्रकार के दबाव के बिना, बाजार सबसे अधिक अर्थपूर्ण निर्माण करने वालों के बजाय सबसे प्रभावशाली कहानी सुनाने वालों को पुरस्कृत करना जारी रखेगा।
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।