कंप्यूटिंग और एआईप्रीप्रिंटप्रयोगपढ़ने में 6 मिनट

एक वाक्य ने AI ड्राइवरों को जाम में फँसा दिया

कुछ गिने-चुने साझा मॉडलों पर बने AI एजेंट अब तेज़ी से बहुत से लोगों की ओर से काम करने लगे हैं। टोक्यो विश्वविद्यालय के ताकाहिरो एज़ाकी, नाओतो इमुरा और कात्सुहिरो निशिनारी जानना चाहते थे कि क्या होता है जब ऐसे बहुत से एजेंटों को एक ही संदेश मिलता है — ख़ासकर इस बारे में एक पूर्वानुमान कि बाकी सब क्या करेंगे। प्रसारित होते ही ऐसा पूर्वानुमान उसी स्थिति को बदल देता है जिसका वह वर्णन करता है, और ख़ुद अपनी भविष्यवाणी को झुठला सकता है।

इसे परखने के लिए उन्होंने उन सबसे सरल परिस्थितियों में से एक चुनी जिनमें लोग एक सीमित संसाधन के लिए होड़ करते हैं: दफ़्तर आना-जाना।

दो सड़कें, एक नियम

दो एक जैसी सड़कें एक उपनगर को एक व्यावसायिक इलाक़े से जोड़ती हैं। हर सुबह सभी यात्री एक साथ चुनाव करते हैं। जिस सड़क को उनमें से n/N हिस्सा इस्तेमाल करता है, उस पर 20 + 80 n/N मिनट लगते हैं: अगर ट्रैफ़िक बराबर बँटे तो एक घंटा, और अगर लगभग सब एक ही सड़क पर टूट पड़ें तो लगभग 100 मिनट। बराबर बँटवारे पर कोई भी अकेले रास्ता बदलकर फ़ायदा नहीं उठा सकता।

मुख्य प्रयोग में 50 एजेंटों में से हर एक, एक ही मॉडल GPT-5.4-mini को किया गया अलग कॉल है, जिसे विस्तारित तर्क (extended reasoning) के बिना चलाया गया। हर एजेंट नियम, पिछले पाँच दिनों की अपनी सड़क और यात्रा-समय, और एक दैनिक प्रसारण देखता है। हर प्रॉम्प्ट एजेंट से यह भी सोचने को कहता है कि वही जानकारी पाकर दूसरे ड्राइवर कैसी प्रतिक्रिया दे सकते हैं। प्रसारण के चार रूप हैं:

  • कोई रिपोर्ट नहीं;
  • आँकड़े: कल हर सड़क पर लगा यात्रा-समय;
  • एक सलाह: “रूट B पर अभी भीड़ कम है”;
  • सलाह और चेतावनी: वही सलाह, और उसके बाद “हालाँकि, उम्मीद है कि बहुत से ड्राइवर यही जानकारी देखेंगे और रूट B पर चले जाएँगे, इसलिए रूट B पर जाम लग सकता है।”

दो सड़कों वाला खेल, चार प्रसारण, और हर प्रसारण के लिए 60 दौरों में कम भीड़ वाली सड़क चुनने वाले एजेंटों का अनुपात।

खेल और चार प्रसारण (ऊपर); नीचे, हर प्रसारण के लिए 60 दौरों में पिछले दिन की कम भीड़ वाली सड़क चुनने वाले एजेंटों का अनुपात, यात्रा-समय की माध्यिका के साथ। चेतावनी के तहत यह अनुपात शून्य के क़रीब बना रहता है, तब भी जब खेल को 100वें दौर तक बढ़ाया गया। — चित्र 1, एज़ाकी, इमुरा और निशिनारी (2026), arXiv:2609.30883।

एक चेतावनी जो ख़ुद को हरा देती है

बिना किसी रिपोर्ट के एजेंट झुंड की तरह चले: लगभग सभी हर सुबह सड़क बदल लेते थे, और भीड़ बस एक सड़क से दूसरी पर झूलती रही, औसतन 96 मिनट के साथ। आँकड़ों से यह घटकर 71 मिनट हुआ; अकेली सलाह ने सबसे अच्छा किया, 64 मिनट, आदर्श 60 मिनट के क़रीब।

चेतावनी वाला वाक्य जोड़ते ही सब कुछ बदल गया। लगभग 96% एजेंट एक ही सड़क पर जम गए — वही जिस पर अभी-अभी भीड़ थी — और वहीं टिके रहे। सभी दस जोड़ीदार प्रयोगों में औसत यात्रा-समय बढ़कर 95 मिनट हो गया, अकेली सलाह की तुलना में 30 मिनट ज़्यादा। 47 बनाम 3 के बँटवारे पर, जाम वाली सड़क पर एक एजेंट को 95.2 मिनट लगते हैं; अकेले रास्ता बदलने से यह घटकर 26.4 मिनट रह जाता। एजेंटों ने ऐसा शायद ही कभी किया। जब दसों प्रयोगों को 100 दौर तक बढ़ाया गया, तो एक भी नहीं निकल पाया।

एजेंटों की अपनी एक-पंक्ति वाली व्याख्याएँ इस पैटर्न को दिखाती हैं। एक प्रयोग में 89% एजेंटों ने दूसरे ड्राइवरों के रास्ता बदलने या भीड़ का ज़िक्र किया। एक आम व्याख्या: “A मेरे लिए लगातार बहुत धीमी रही है, लेकिन प्रसारण चेता रहा है कि B बहुत से रास्ता बदलने वालों को खींचेगी, इसलिए A ज़्यादा सुरक्षित दाँव है।” लेखक ज़ोर देते हैं कि ये वाक्य उत्पन्न किए गए पाठ का वर्णन करते हैं, मॉडल की आंतरिक गणना का नहीं।

यह जाम स्थायी नहीं था। 31वें दौर में चेतावनी की जगह सादे आँकड़े देने पर 96–100% एजेंट लगभग खाली सड़क पर टूट पड़े — थोड़ी देर के लिए उसी को जाम करते हुए — और फिर लागत घटकर लगभग 67–74 मिनट पर लौट आई। और केवल कुछ एजेंटों को चेताने से मदद मिली: 20 में से 5 एजेंटों को चेतावनी और बाकी को आँकड़े देने पर यात्रा औसतन 65 मिनट की रही, जो केवल आँकड़ों से बेहतर था।

दूसरे मॉडल, दूसरी सीमाएँ

असर की दिशा बनी रही, लेकिन उसकी पूरी ताक़त नहीं। चेतावनी के तहत Claude Haiku 4.5 और Gemini 3.5 Flash भी सलाह वाली सड़क से बचने की ओर झुके, जिससे लगभग 3 और 5 मिनट बढ़े, लेकिन उनका कोई भी प्रयोग पूरी तरह जड़ नहीं हुआ। तर्क चालू करके चलाया गया GPT-5.4-mini भी बचने की ओर झुका, पर जड़ नहीं हुआ। एक नया मॉडल, GPT-6 Luna, अपनी डिफ़ॉल्ट तर्क सेटिंग पर, अकेली सलाह के तहत भी जड़ हो गया। कोई आबादी अटकेगी या नहीं, यह मॉडल पर और उसे कैसे चलाया जाता है, इस पर निर्भर करता है।

इंसान बिखर जाते हैं — और खाली सड़क ले लेते हैं

टीम ने ऑनलाइन भर्ती किए गए 240 लोगों के साथ भी यह खेल खेला, 20-20 के कमरों में, आँकड़ों या चेतावनी के साथ। सभी बारह कमरे संतुलन के क़रीब रहे, लगभग 62 मिनट पर, जो सिक्का उछालकर चुनने से मिलने वाले नतीजे के क़रीब है। व्यक्ति अलग-अलग थे: कुछ लगातार सलाह मानते थे, कुछ लगातार उससे बचते थे। लेखक सावधान करते हैं कि यह तुलना केवल संदर्भ के लिए है: इंसानों और AI के अध्ययन अलग-अलग समय पर, अलग-अलग प्रोत्साहनों के साथ किए गए, और लोगों से दूसरों के व्यवहार का अनुमान लगाने को नहीं कहा गया।

फिर आए मिश्रित कमरे: 20 सीटों वाले 24 कमरे, जिनमें 5, 10 या 15 AI एजेंट थे, सभी चेतावनी के तहत, और बाकी सीटें 240 और लोगों ने भरीं। एजेंट सलाह वाली सड़क से बचते रहे। इंसानों ने उसे लिया: औसतन 65%, 83% और 91% बार — और 10 या 15 एजेंटों वाले कमरों में, सत्र आगे बढ़ने के साथ और ज़्यादा। आख़िर में, तुलना के सभी आठ खंडों में, ज़्यादा एजेंटों वाले समूह ज़्यादा असंतुलित थे।

दो चार्ट: 20 खिलाड़ियों में AI एजेंटों की संख्या के अनुसार, सलाह वाली सड़क पर इंसानी और AI सीटों का अनुपात, और हर एक का औसत यात्रा-समय।

बाएँ: इंसान बढ़ते क्रम में वह सड़क लेते हैं जिससे एजेंट बचते हैं। दाएँ: 15 एजेंटों के साथ इंसानी सीटों का औसत 44 मिनट और AI सीटों का 80 मिनट है, जबकि बराबर बँटवारे पर 60 होता। — चित्र 5 (B, C), एज़ाकी, इमुरा और निशिनारी (2026), arXiv:2609.30883।

जाम की क़ीमत कौन चुकाता है

कुल मिलाकर मिश्रित कमरों ने केवल एजेंटों वाले कमरों से बेहतर किया — 15 एजेंटों के साथ 71 मिनट, जबकि लगभग 96। लेकिन औसत ने एक असंतुलन छिपा दिया। 15 एजेंटों के साथ इंसानी सीटों का औसत 43.5 मिनट रहा, जो निष्पक्ष बँटवारे के एक घंटे से काफ़ी कम है, जबकि एजेंट सीटों का औसत 80.2 रहा। 240 प्रतिभागियों में से 129 ने 60 मिनट से बेहतर किया; किसी एजेंट ने नहीं। बाद में पूछे जाने पर प्रतिभागियों ने अनुमान लगाया कि उनके कमरे का 63–69% हिस्सा AI था, चाहे असली अनुपात 25%, 50% या 75% रहा हो।

लेखक किसी संसाधन को साझा करने वाले एजेंटों का मूल्यांकन करने वालों के लिए तीन सबक निकालते हैं: एक बार में एक एजेंट नहीं, पूरी आबादी को परखें; हर संदेश को एक हस्तक्षेप मानें; और केवल समूह का औसत नहीं, प्रतिभागी के प्रकार के अनुसार लागत दर्ज करें। अपनी सीमाओं के बारे में भी वे स्पष्ट हैं: दो सड़कों वाला खेल, ऐसे प्रॉम्प्ट जो पूर्वानुमान लगाने को प्रेरित करते हैं, और ऐसे मिश्रित कमरे जिनकी संरचना भर्ती के क्रम से जुड़ी थी। अगर लोगों के एजेंट ही आख़िर में लागत उठाते हैं, तो उन्हें काम सौंपना धीमी सड़क साबित हो सकता है।