कृत्रिम बुद्धिमत्ता द्वारा भीड़ का अनुकरण करके जनता की प्रतिक्रियाओं का पूर्वानुमान कैसे लगाया जाता है?

एआई क्राउड सिमुलेशन, किसी एक मॉडल से एक ही उत्तर मांगने के बजाय, वास्तविक संदर्भ से एआई एजेंटों की एक आबादी बनाकर और उन्हें समय के साथ परस्पर क्रिया करने देकर जनता की प्रतिक्रियाओं का अनुमान लगाता है। InfoDome में, आपका दस्तावेज़ एक नॉलेज ग्राफ बन जाता है, ग्राफ सैकड़ों एजेंटों में परिवर्तित हो जाता है, जिनमें से प्रत्येक का अपना चरित्र, स्थिति और स्मृति होती है, और ये एजेंट दो सिमुलेटेड प्लेटफॉर्म पर चुनी गई संख्या में राउंड के लिए बहस करते हैं। फिर एक विश्लेषक एजेंट हुई चर्चा को पढ़ता है और एक पूर्वानुमान रिपोर्ट लिखता है जिस पर आप सवाल उठा सकते हैं।

एक मॉडल से पूछने के बजाय भीड़ का अनुकरण क्यों करें?

अगर आप किसी एक एआई मॉडल से पूछें कि "लोग इस पर कैसी प्रतिक्रिया देंगे?", तो आपको एक तर्कसंगत पैराग्राफ मिलेगा। यह अक्सर तर्कसंगत होता है, लेकिन यह एक औसत है: एक ही व्यक्ति सभी की एक साथ कल्पना कर रहा है। वास्तविक प्रतिक्रियाएँ इस तरह काम नहीं करतीं। लोग एक-दूसरे पर प्रतिक्रिया देते हैं। एक आलोचक की टिप्पणी एक तटस्थ पाठक के समाचार को देखने के तरीके को प्रभावित करती है; एक समर्थक का जवाब आलोचक के अगले कथन को बदल देता है; एक पत्रकार सबसे सटीक नहीं, बल्कि सबसे प्रभावशाली प्रस्तुति को चुनता है।

भीड़ सिमुलेशन उस गतिशीलता को पकड़ने का प्रयास करता है। एक काल्पनिक सहमति के बजाय, यह कई अलग-अलग कर्ताओं का मॉडल बनाता है और उनके आपसी संवाद से परिणाम को उभरने देता है। यही कारण है कि परिणाम आपको आश्चर्यचकित कर सकता है, और इसीलिए आश्चर्यों की जाँच करना महत्वपूर्ण है। इस व्यापक विधि को मल्टी-एजेंट सिमुलेशन के रूप में जाना जाता है; हम मल्टी-एजेंट सिमुलेशन क्या है, इस लेख में इसकी पृष्ठभूमि की व्याख्या करते हैं।

चरण 1: दस्तावेज़ से ज्ञान ग्राफ तक

सब कुछ आपकी सामग्री से शुरू होता है: समाचार, योजनाएँ, रिपोर्ट, नीति के मसौदे या काल्पनिक रचनाएँ, चाहे वो PDF, Markdown या टेक्स्ट फॉर्मेट में हों। InfoDome इसे आपके द्वारा दिए गए सरल भाषा के विवरण के साथ पढ़ता है और एक नॉलेज ग्राफ तैयार करता है।

• संस्थाएँ : पाठ में उल्लिखित व्यक्ति, संगठन और समूह।
• संबंध : कौन किसका समर्थन करता है, किसका विरोध करता है, किस पर निर्भर करता है, किसके बारे में रिपोर्ट करता है या किससे प्रतिस्पर्धा करता है।
• संदर्भ : पाठ में प्रत्येक व्यक्ति को दिए गए तथ्य और स्थितियाँ।

ग्राफ महत्वपूर्ण है क्योंकि यह सिमुलेशन को सामान्य मान्यताओं के बजाय आपकी स्थिति से जोड़ता है। यह आपको दिखाई भी देता है, इसलिए आप देख सकते हैं कि सिस्टम ने कुछ भी चलने से पहले क्या समझा है।

चरण 2: ग्राफ से एजेंट तक

ग्राफ और आपके दर्शकों के विवरण के आधार पर, InfoDome सैकड़ों AI एजेंट बनाता है; इनकी सटीक संख्या दस्तावेज़ पर निर्भर करती है। प्रत्येक एजेंट को ये मिलता है:

• एक चरित्र : स्वभाव, रुचियां, बोलने और बातचीत करने का तरीका।
• एक स्थिति : वह बिंदु जहां से ग्राफ के आधार पर मुद्दे की शुरुआत होती है।
• दीर्घकालिक स्मृति : जो कुछ देखा, कहा और सुना गया है, जो कई दौरों तक बनी रहती है।
• एक देश : आप अधिकतम 10 दर्शक देशों का चयन कर सकते हैं, और एजेंटों को उनमें समान रूप से विभाजित किया जाता है। दस्तावेज़ में उल्लिखित वास्तविक नामित संस्थाएँ अपना-अपना देश बनाए रखती हैं।

यह मिश्रण जानबूझकर किया गया है। कुछ एजेंट आपके पाठ में उल्लिखित संगठनों या व्यक्तियों का प्रतिनिधित्व करते हैं; अन्य व्यापक दर्शकों के सदस्यों का प्रतिनिधित्व करते हैं, इसलिए सिमुलेशन में दृश्यमान खिलाड़ी और उन पर प्रतिक्रिया करने वाली भीड़ दोनों शामिल हैं।

चरण 3: दो प्लेटफार्मों पर चक्कर

इसके बाद एजेंट एक नकली सामाजिक नेटवर्क में बातचीत करते हैं जो दो प्लेटफार्मों पर समानांतर रूप से चलता है:

• Twitter जैसी फीड : छोटे पोस्ट, त्वरित प्रतिक्रियाएं, रीपोस्ट। यहीं पर धारणाएं तेजी से फैलती हैं और लहजा उग्र हो जाता है।
• Reddit जैसा एक फोरम : लंबी चर्चाएँ और जवाब। यहीं पर तर्कों की परीक्षा होती है, बारीकियों पर बहस होती है और राय मजबूत या नरम होती है।

आप राउंड की संख्या चुन सकते हैं, उदाहरण के लिए 10, 20 या 40। प्रत्येक राउंड में प्रतिभागी दूसरों द्वारा पोस्ट की गई सामग्री को पढ़ते हैं, यह तय करते हैं कि उन्हें जवाब देना है या नहीं और कैसे देना है, और अपनी जानकारी को अपडेट करते हैं। क्योंकि जानकारी पिछले राउंड से आगे बढ़ती रहती है, इसलिए राउंड 15 पहले से 14 तक की घटनाओं से प्रभावित होता है। कोई तर्क जिसका पहले जवाब नहीं दिया गया, वह बाद में सर्वमान्य हो सकता है; कोई सुधार जो देर से आया, वह शायद कभी मान्य न हो।

चरण 4: बातचीत से रिपोर्ट तक

अंतिम दौर के बाद, एक विश्लेषक एजेंट सिमुलेटेड गतिविधि का अध्ययन करता है और निष्कर्षों के साथ एक पूर्वानुमान रिपोर्ट लिखता है: प्रमुख कथाएँ, कौन से समूह सक्रिय हुए और क्यों, किन अभिनेताओं ने प्रभाव को बढ़ाया, कौन से जोखिम और अनसुलझे प्रश्न शेष हैं। रिपोर्ट एकमात्र आउटपुट नहीं है। आप अंतर्निहित पोस्ट खोल सकते हैं, किसी भी एजेंट से उसके तर्क के बारे में साक्षात्कार कर सकते हैं और विश्लेषक से अनुवर्ती प्रश्न पूछ सकते हैं। यह ट्रेसबिलिटी ही सिमुलेशन को एक ब्लैक-बॉक्स निर्णय के बजाय समीक्षा योग्य परिकल्पना में बदल देती है।

द्वितीय-कोटि अभिक्रियाएँ क्यों महत्वपूर्ण हैं?

समाचारों पर पहली प्रतिक्रिया का अनुमान लगाना आमतौर पर आसान होता है। मूल्य वृद्धि से ग्राहक नाराज़ होते हैं; एक नया नियम विनियमित उद्योग को चिंतित करता है। लेकिन दूसरी प्रतिक्रिया का अनुमान लगाना कठिन होता है: प्रतिक्रिया पर होने वाली प्रतिक्रिया।

भीड़ सिमुलेशन के दौरान सामने आने वाले द्वितीय-क्रम प्रभावों के उदाहरण:

• किसी कंपनी का बचावपूर्ण जवाब एक छोटी सी शिकायत को अहंकार की कहानी में बदल देता है।
• एक अफवाह सोशल मीडिया पर तो गायब हो जाती है, लेकिन फोरम के एक थ्रेड में बनी रहती है और बाद में फिर से सामने आ जाती है।
• किसी सहयोगी का उदासीन समर्थन तटस्थ एजेंटों द्वारा छिपी हुई समस्याओं के संकेत के रूप में देखा जाता है।
• दो समूह जो शुरू में एक-दूसरे के विपरीत थे, उन्हें एक साझा शिकायत का पता चलता है और वे एकजुट हो जाते हैं।

ये प्रभाव तभी प्रकट होते हैं जब प्रतिभागी समय के साथ एक-दूसरे को प्रतिक्रिया देते हैं, और यही वह उद्देश्य है जिसके लिए दौर और स्मृति का उपयोग किया जाता है। ये वे प्रभाव भी हैं जो अक्सर संगठनों को चौंका देते हैं, क्योंकि किसी भी एक हितधारक साक्षात्कार से इनका खुलासा नहीं होता।

एक हल किया हुआ उदाहरण

एक शहर की सरकार एक व्यस्त शॉपिंग स्ट्रीट को पैदल यात्री क्षेत्र में बदलने की योजना बना रही है। योजना टीम ने मसौदा, यातायात अध्ययन का सारांश और दुकान मालिकों के हवाले से एक स्थानीय समाचार रिपोर्ट अपलोड की। उन्होंने निवासियों, दुकान मालिकों, डिलीवरी कंपनियों और स्थानीय मीडिया से पहले महीने में उनकी प्रतिक्रिया जानने के लिए एक देश में 40 दौर का सर्वेक्षण किया।

शुरुआती दौर में कोई हैरानी नहीं हुई: दुकानदारों को डिलीवरी की चिंता सता रही थी, वहीं निवासियों को शोर कम होने का विचार पसंद आया। फिर एक और पैटर्न सामने आया। एक डिलीवरी कंपनी के एजेंट ने पोस्ट किया कि सुबह-सुबह डिलीवरी की व्यवस्था करने से ज़्यादातर समस्याएँ हल हो जाएँगी। फ़ोरम पर दुकानदारों के प्रतिनिधियों ने इस बात को उठाया और उनकी आलोचना "योजना के खिलाफ" से बदलकर "डिलीवरी के लिए तय समय के बिना योजना के खिलाफ" हो गई। इसी बीच, सोशल मीडिया फ़ीड पर एक स्थानीय मीडिया एजेंट ने पार्किंग की समस्या को लेकर एक निवासी की शिकायत को बढ़ा-चढ़ाकर पेश किया, जिससे डिलीवरी से ध्यान हट गया।

विश्लेषक की रिपोर्ट का निष्कर्ष है कि डिलीवरी विंडो विपक्ष को विभाजित कर सकती है, और पार्किंग सबसे बड़ा जोखिम है। टीम मीडिया एजेंट का साक्षात्कार करके यह समझने का प्रयास करती है कि किन तथ्यों से उसकी प्रस्तुति में बदलाव आएगा, फिर योजना में पार्किंग अनुभाग जोड़ती है। सिमुलेशन ने वास्तविक सड़क के बारे में कुछ भी साबित नहीं किया, लेकिन इसने टीम को दो ठोस, परीक्षण योग्य परिकल्पनाएँ प्रदान कीं। अफवाहों से भरी स्थितियों के लिए, अफवाह प्रसार परिदृश्य इसी कार्यप्रणाली पर आधारित है।

ध्यान रखने योग्य सीमाएँ

भीड़ का अनुकरण गतिशीलता का पता लगाने के लिए शक्तिशाली है, लेकिन इसकी स्पष्ट सीमाएं हैं:

• एजेंट आपके दस्तावेज़ों के आधार पर तैयार किए गए कृत्रिम बुद्धिमत्ता मॉडल हैं। हितधारकों की अनुपस्थिति या एकतरफा सामग्री से कमियां रह जाती हैं।
• परिणाम सर्वेक्षण नमूने की तरह सांख्यिकीय रूप से प्रतिनिधि नहीं हैं, और प्रतिशत को वास्तविक दुनिया के शेयरों के रूप में नहीं पढ़ा जाना चाहिए।
• अलग-अलग घटनाक्रम अलग-अलग तरह से सामने आ सकते हैं। लगातार बने रहने वाले पैटर्न को किसी एक नाटकीय क्षण से कहीं अधिक मजबूत संकेत मानें।

इन सीमाओं को ध्यान में रखते हुए, सिमुलेशन यह देखने का एक त्वरित तरीका है कि आगे क्या हो सकता है और क्यों। इसे अपने मामले पर आज़माने के लिए, कंसोल में एक टास्क तैयार करें ।