एका वाक्याने AI चालक वाहतूक कोंडीत अडकतात

मोजक्या सामायिक प्रतिरूपांवर आधारलेले AI एजंट अधिकाधिक प्रमाणात अनेक लोकांच्या वतीने कृती करत आहेत. टोकियो विद्यापीठातील ताकाहिरो एझाकी, नाओतो इमुरा आणि कात्सुहिरो निशिनारी यांना जाणून घ्यायचे होते की यांपैकी अनेक एजंटांना एकच संदेश मिळाला तर काय होते — विशेषतः इतर सगळे काय करतील याबद्दलचा अंदाज. एकदा प्रसारित झाल्यावर, असा अंदाज तो ज्या परिस्थितीचे वर्णन करतो तीच बदलून टाकतो, आणि स्वतःचेच भाकीत फोल ठरवू शकतो.

हे तपासण्यासाठी, त्यांनी अशी एक अगदी साधी परिस्थिती निवडली जिथे लोक मर्यादित संसाधनासाठी स्पर्धा करतात: रोजचा कामावर जाण्याचा प्रवास.

दोन रस्ते, एक नियम

दोन एकसारखे रस्ते एका उपनगराला व्यावसायिक भागाशी जोडतात. दररोज सकाळी सगळे प्रवासी एकाच वेळी निवड करतात. n/N इतक्या हिश्श्याने वापरलेल्या रस्त्याला 20 + 80 n/N मिनिटे लागतात: वाहतूक समसमान विभागली तर एक तास, आणि जवळजवळ सगळे एकाच रस्त्यावर गेले तर सुमारे 100 मिनिटे. समसमान विभागणीत कोणालाही एकट्याने रस्ता बदलून फायदा होत नाही.

मुख्य प्रयोगात, 50 एजंटपैकी प्रत्येक म्हणजे त्याच प्रतिरूपाला, GPT-5.4-mini ला, केलेली स्वतंत्र विनंती आहे, विस्तारित तर्काशिवाय चालवलेली. प्रत्येक एजंटला नियम, गेल्या पाच दिवसांतील त्याचा स्वतःचा रस्ता आणि प्रवासवेळा, आणि एक दैनिक प्रसारण दिसते. प्रत्येक सूचनेत (prompt) एजंटला हेही विचारले जाते की तीच माहिती मिळाल्यावर इतर चालक कसे प्रतिसाद देतील याचा विचार कर. प्रसारणाच्या चार आवृत्त्या आहेत:

• कोणताही अहवाल नाही;
• आकडे: कालची प्रत्येक रस्त्यावरची प्रवासवेळ;
• एक टीप: “मार्ग B वर सध्या कमी गर्दी आहे”;
• टीप अधिक इशारा: तीच टीप, आणि त्यानंतर “मात्र, अनेक चालकांना हीच माहिती दिसेल आणि ते मार्ग B कडे वळतील अशी अपेक्षा आहे, त्यामुळे मार्ग B वर कोंडी होऊ शकते.”

खेळ आणि चार प्रसारणे (वर); खाली, प्रत्येक प्रसारणासाठी, 60 फेऱ्यांमध्ये कालचा कमी गर्दीचा रस्ता निवडणाऱ्या एजंटांचा हिस्सा, मध्यगा (median) प्रवासवेळेसह. इशाऱ्याखाली हा हिस्सा शून्याजवळ राहतो, खेळ फेरी 100 पर्यंत चालू ठेवला तरीही. — आकृती 1, Ezaki, Imura & Nishinari (2026), arXiv:2609.30883.

स्वतःलाच फोल ठरवणारा इशारा

कोणताही अहवाल नसताना एजंट कळपासारखे वागले: जवळजवळ सगळे दररोज सकाळी रस्ता बदलत, आणि गर्दी फक्त एका रस्त्यावरून दुसऱ्यावर झुलत राहिली, सरासरी 96 मिनिटे. आकड्यांनी ही वेळ 71 मिनिटांवर आणली; नुसत्या टिपेने सर्वोत्तम कामगिरी केली, 64 मिनिटे, आदर्श 60 मिनिटांच्या जवळ.

इशाऱ्याचे वाक्य जोडल्याने सगळेच बदलले. सुमारे 96% एजंट एकाच रस्त्यावर स्थिरावले — जो नुकताच गर्दीचा होता — आणि तिथेच राहिले. सरासरी प्रवासवेळ 95 मिनिटांवर गेली, फक्त टिपेच्या तुलनेत 30 मिनिटे जास्त, आणि हे दहाही जोडी-प्रयोगांत घडले. 47 विरुद्ध 3 अशा विभागणीत, कोंडलेल्या रस्त्यावरच्या एजंटला 95.2 मिनिटे लागतात; एकट्याने रस्ता बदलला असता तर ही वेळ 26.4 मिनिटांवर आली असती. एजंटांनी क्वचितच तसे केले. दहा प्रयोग 100 फेऱ्यांपर्यंत वाढवले, तेव्हा एकही सुटला नाही.

एजंटांची स्वतःची एका ओळीची स्पष्टीकरणे हा आकृतिबंध दाखवतात. एका प्रयोगात त्यांच्यापैकी 89% जणांनी इतर चालक रस्ता बदलण्याचा किंवा गर्दी करण्याचा उल्लेख केला. एक नमुनेदार उदाहरण: “A माझ्यासाठी सातत्याने खूप संथ राहिला आहे, पण प्रसारण इशारा देते की B कडे अनेक जण वळतील, म्हणून A हाच सुरक्षित पर्याय आहे.” लेखक भर देतात की ही वाक्ये निर्माण केलेल्या मजकुराचे वर्णन करतात, प्रतिरूपाच्या अंतर्गत गणनेचे नव्हे.

ही कोंडी कायमची नव्हती. फेरी 31 मध्ये इशाऱ्याऐवजी नुसते आकडे दिल्यावर 96–100% एजंट जवळजवळ रिकाम्या रस्त्याकडे धावले — आणि थोडा वेळ तोच रस्ता कोंडला — त्यानंतर खर्च पुन्हा सुमारे 67–74 मिनिटांवर आला. आणि फक्त काही एजंटांना इशारा दिल्याने फायदा झाला: 20 पैकी 5 एजंटांना इशारा आणि उरलेल्यांना आकडे दिल्यावर प्रवासाची सरासरी 65 मिनिटे झाली, फक्त आकड्यांपेक्षा चांगली.

इतर प्रतिरूपे, इतर मर्यादा

परिणामाची दिशा कायम राहिली, पण त्याची पूर्ण ताकद नाही. Claude Haiku 4.5 आणि Gemini 3.5 Flash हेही इशाऱ्याखाली टीप दिलेला रस्ता टाळण्याकडे झुकले, त्यांनी सुमारे 3 आणि 5 मिनिटे वाढवली, पण त्यांचा एकही प्रयोग पूर्णपणे गोठला नाही. तर्क चालू केलेले GPT-5.4-mini अजूनही टाळण्याकडे झुकले, पण गोठले नाही. एक नवे प्रतिरूप, GPT-6 Luna, त्याच्या तर्काच्या मूळ (default) सेटिंगवर, नुसत्या टिपेखालीही गोठले. एखादी लोकसंख्या अडकून पडते की नाही हे प्रतिरूपावर आणि ते कसे चालवले जाते यावर अवलंबून असते.

माणसे पसरतात — आणि मोकळा रस्ता पकडतात

चमूने हा खेळ ऑनलाइन भरती केलेल्या 240 लोकांसोबतही खेळवला, 20-20 जणांच्या खोल्यांमध्ये, आकडे किंवा इशारा यांपैकी एकाखाली. सर्व बारा खोल्या समतोलाच्या जवळ राहिल्या, सुमारे 62 मिनिटे, यादृच्छिक नाणेफेकीने जे मिळेल त्याच्या जवळपास. व्यक्ती वेगवेगळ्या होत्या: काहींनी सातत्याने टीप पाळली, काहींनी सातत्याने टाळली. लेखक सावध करतात की ही तुलना फक्त संदर्भापुरती आहे: माणसांचे आणि AI चे अभ्यास वेगवेगळ्या वेळी, वेगवेगळ्या प्रोत्साहनांसह घेतले गेले, आणि लोकांना इतरांच्या वागण्याचा अंदाज बांधायला सांगितले नव्हते.

मग आल्या मिश्र खोल्या: 20 जागांच्या 24 खोल्या, ज्यांत 5, 10 किंवा 15 AI एजंट होते, सर्व इशाऱ्याखाली, आणि उरलेल्या जागा आणखी 240 लोकांनी भरल्या. एजंट टीप दिलेला रस्ता टाळत राहिले. माणसांनी तो पकडला: सरासरी 65%, 83% आणि 91% वेळा — आणि 10 किंवा 15 एजंट असलेल्या खोल्यांमध्ये सत्र पुढे जाईल तसे अधिकाधिक. शेवटी, अधिक एजंट असलेले गट अधिक असंतुलित होते, तुलनेच्या आठही खंडांमध्ये.

डावीकडे: एजंट टाळतात तो रस्ता माणसे अधिकाधिक पकडतात. उजवीकडे: 15 एजंट असताना माणसांच्या जागांची सरासरी 44 मिनिटे आणि AI जागांची 80, तर समसमान वाटणीत 60. — आकृती 5 (B, C), Ezaki, Imura & Nishinari (2026), arXiv:2609.30883.

कोंडीची किंमत कोण मोजते

मिश्र खोल्यांनी एकूण पाहता फक्त एजंटांच्या खोल्यांपेक्षा चांगली कामगिरी केली — 15 एजंटांसह 71 मिनिटे, तर फक्त एजंटांसह सुमारे 96. पण या सरासरीत एक असमतोल दडलेला होता. 15 एजंट असताना माणसांच्या जागांची सरासरी 43.5 मिनिटे होती, न्याय्य वाटणीच्या एका तासाहून बरीच कमी, तर एजंटांच्या जागांची सरासरी 80.2. 240 सहभागींपैकी 129 जणांनी 60 मिनिटांपेक्षा चांगली वेळ नोंदवली; एकाही एजंटने नाही. नंतर विचारल्यावर, सहभागींनी अंदाज केला की त्यांच्या खोलीतील 63–69% खेळाडू AI होते, खरा हिस्सा 25%, 50% किंवा 75% असला तरी.

संसाधन वाटून घेणाऱ्या एजंटांचे मूल्यमापन करणाऱ्या कोणासाठीही लेखक तीन धडे काढतात: एका वेळी एकच एजंट नव्हे, तर संपूर्ण लोकसंख्या तपासा; प्रत्येक संदेशाला एक हस्तक्षेप माना; आणि खर्च फक्त गटाच्या सरासरीने नव्हे, तर सहभागीच्या प्रकारानुसार नोंदवा. त्यांच्या मर्यादाही स्पष्ट आहेत: दोन रस्त्यांचा खेळ, इतरांच्या वागण्याचा अंदाज बांधायला उद्युक्त करणाऱ्या सूचना, आणि भरतीच्या क्रमाशी जोडलेली रचना असलेल्या मिश्र खोल्या. जर लोकांच्या एजंटांनाच शेवटी खर्च सोसावा लागणार असेल, तर त्यांच्यावर काम सोपवणे हाच संथ मार्ग ठरू शकतो.