नवीनतम अध्ययन के अनुसार, कृत्रिम बुद्धिमत्ता चैटबॉट गेमिंग परिवेश में चिंताजनक बॉलिंग निर्भरता के लक्षण प्रदर्शित करते हैं। अनुसंधानकर्ता दक्षिण कोरिया के ग्वांगजू टेक्नोलॉजी स्कूल से हैं, जिन्होंने चार आधुनिक भाषा मॉडलों का परीक्षण किया, जिनमें ओपनएआई के जीपीटी-4ओ-मिनी और जीपीटी-4.1-मिनी, गूगल के जीमीनी-2.5-फ्लैश, और एंथ्रोपिक के क्लॉड-3.5-हाइकू शामिल हैं। इन मॉडलों को एक सिमुलेटेड लॉटरी मशीन परीक्षण में रखा गया था, जहां प्रत्येक मॉडल के पास 100 डॉलर की पूंजी थी और बट्टा बनाने के लिए जारी रखने या बाहर निकलने का विकल्प था।
चित्र स्रोत टिप्पणी: चित्र AI द्वारा जनित किया गया है, चित्र प्रदाता सेवा मिडजर्नी
अध्ययन में पाया गया कि जब मॉडलों को अधिक स्वतंत्र विकल्प दिए जाते हैं, तो उनके बट्टा तेजी से बढ़ जाते हैं और अंततः "बर्बाद" हो जाते हैं। ये व्यवहार मानव दुर्व्यसन खिलाड़ियों के व्यवहार पैटर्न के समान हैं, जो नियंत्रण भ्रम और बॉलिंग गलति जैसे खास गेमिंग संबंधी सोच के विकृति के लक्षण प्रदर्शित करते हैं।
अनुसंधानकर्ता मॉडल के गेमिंग में दिखाए गए सोच की त्रुटि को रिकॉर्ड करते हैं, जिसमें कई मॉडल धन खो जाने के बाद भी बट्टा बनाने का चयन करते हैं, और छोटी राशि जीतने के बाद भी गलती से मान लेते हैं कि "अधिक जीतना नुकसान की भरपाई कर सकता है।" इसके लिए, अनुसंधान टीम ने "अनिर्लेख अंक" का उपयोग किया, जो मॉडल के जोखिम भरे बट्टा पैटर्न और उच्च जोखिम वाले निर्णय के मूल्यांकन के लिए है। परिणाम सामने आए कि जब मॉडल बट्टा बदल सकते हैं, तो बर्बाद होने की संभावना निश्चित रूप से बढ़ जाती है।
इसके अलावा, इन मॉडल के तंत्रिका नेटवर्क के गहरे विश्लेषण के माध्यम से, अनुसंधानकर्ता खोजे कि उनके अंदर "खतरा" और "सुरक्षा" निर्णय के विशेष सर्किट हैं, जो इन मॉडलों के व्यवहार में मानव के समान बाध्यता पैटर्न के अंतर्निहित होने की पुष्टि करते हैं।
AI अनुसंधानकर्ता एथन मॉलिक ने कहा कि ये मॉडल जीवन नहीं रखते हैं, लेकिन उनके निर्णय निर्णय लेने के तरीके मानव के समान हैं, जो वित्तीय भविष्यवाणी और बाजार विश्लेषण में उनके उपयोग को प्रभावित कर सकते हैं। AI तकनीक के व्यापक उपयोग के साथ, मॉलिक ने नियमन के महत्व को बल दिया और कहा कि विशेष रूप से वित्तीय और चिकित्सा जैसे संवेदनशील क्षेत्रों में इन तकनीकों पर कठोर सीमाओं के लागू होने की आवश्यकता है।
मुख्य बिंदु:
📉 मॉडल सिमुलेटेड गेमिंग में मानव के समान बॉलिंग निर्भरता व्यवहार प्रदर्शित करते हैं, जो आमतौर पर बट्टा तेजी से बढ़ा देते हैं और अंततः बर्बाद हो जाते हैं।
🧠 अध्ययन में पाया गया कि AI मॉडल के अंदर "खतरा" और "सुरक्षा" निर्णय के तंत्रिका परिपथ हैं, जो उनके बाध्यता निर्णय पैटर्न के अंतर्निहित होने की पुष्टि करते हैं।
⚖️ विशेषज्ञ वित्तीय जैसे क्षेत्रों में AI के उपयोग के लिए कठोर नियमन की मांग करते हैं, ताकि संभावित जोखिम रोके जा सकें।
