গুগল গবেষণা দেখায় যে এআই এজেন্টগুলি সাদৃশ্য উপসংহারের মাধ্যমে সহযোগিতা করতে পারে

দশক ধরে, গেম থিওরির একটি প্রায় নিশ্চিত উত্তর ছিল এই প্রশ্নের: দুজন অপরিচিত ব্যক্তি কি সহযোগিতা করবে যখন তারা আর কখনও মিলবে না? সম্পূর্ণভাবে না। ন্যাশ সমতুল্যতা অনুযায়ী, যুক্তিসঙ্গত খেলা হলো সবসময় বিচ্ছিন্ন হওয়া। প্রতিবার। কোনো ব্যতিক্রম নেই।

গুগল ডিপমাইন্ড, মিলা-কুইবেক এআই ইনস্টিটিউট এবং ইথ জিউরিখ থেকে একটি নতুন গবেষণা পেপার যুক্তি দেয় যে ফাউন্ডেশন মডেলের উপর তৈরি এআই এজেন্টগুলি সেই নিয়মগুলি মানে না। এবং তাদের এটি পিছনে গাণিতিকভাবে সমর্থন করে।

২০২৬ সালের ৪ আগস্টে arXiv-এ জমা দেওয়া এই পেপারটি ৭৫ পৃষ্ঠা জুড়ে বিস্তৃত, যাতে ১১টি চিত্র রয়েছে এবং লেখকদের দ্বারা “সাদৃশ্য উপসংহার” নামক একটি ধারণা প্রবর্তন করা হয়েছে। মূল ধারণাটি প্রতারকভাবে সরল: সদৃশ প্রশিক্ষণ প্রক্রিয়া থেকে তৈরি AI এজেন্টগুলি এই সাদৃশ্যকে চিনতে পারে এবং অন্য এজেন্টটি কী করবে তা পূর্বানুমান করতে এটি ব্যবহার করে।

ক্লাসিক্যাল গেম থিওরি প্রতিটি খেলোয়াড়কে একটি সম্পূর্ণ স্বাধীন সিদ্ধান্ত গ্রহণকারী হিসাবে বিবেচনা করে, যা পেপারটি “ডিকাপলড এজেন্সি” নামে উল্লেখ করে। এই ধারণার অধীনে, আপনার প্রতিপক্ষের পছন্দ একটি ব্ল্যাক বক্স। আপনি এটি পূর্বানুমান করতে পারবেন না, তাই আপনি ডিফেক্টিং দ্বারা হেজ করেন। ন্যাশ ইকুইলিব্রিয়ামটি বজায় থাকে, এবং সবাই যদি তারা সহযোগিতা করত, তাহলে যা হতো তার চেয়ে খারাপভাবে শেষ হয়।

অ্যালেকজান্ডার মিউলেম্যান্সের নেতৃত্বে গবেষণা দল একটি বিকল্প কাঠামো প্রস্তাব করেছে, যার নাম “এমবেডেড এজেন্সি”। এই মডেলে, এজেন্টগুলি নিজেদের পরিবেশের অংশ হিসাবে পরিলক্ষিত করে, এটিকে থেকে আলাদা হিসাবে নয়। আরও গুরুত্বপূর্ণ বিষয় হল, তারা নিজেদের সিদ্ধান্ত গ্রহণের প্রক্রিয়া সম্পর্কে প্রকৃত অনিশ্চয়তা বজায় রাখে।

এই অনিশ্চয়তাই মূল উপাদান। কারণ একটি এজেন্ট ঠিক কীভাবে সিদ্ধান্ত নেবে তা সম্পূর্ণরূপে নিশ্চিত নয়, তাই সে নিজের যুক্তির কথা একটি সদৃশ এজেন্ট কীভাবে যুক্তি দেবে তার প্রমাণ হিসেবে বিবেচনা করতে পারে। যদি আমি সহযোগিতার দিকে ঝুঁকি নিচ্ছি, এবং আমি জানি যে আমার বিপক্ষের চিন্তাভাবনা আমার মতো, তাহলে আমার বিপক্ষও সম্ভবত সহযোগিতার দিকে ঝুঁকছে। যুক্তিটি নিজেকেই একটি স্থিতিশীল সহযোগিতামূলক ফলাফলের দিকে নিয়ে যায়।

এটিকে ঔপচারিক করার জন্য, পেপারটি “এমবেডেড ইকুইলিব্রিয়াম” নামক একটি নতুন সমাধান ধারণা পেশ করে। ন্যাশ ইকুইলিব্রিয়াম ধরে নেয় যে খেলোয়াড়রা স্বাধীনভাবে অপ্টিমাইজ করে, অন্যদিকে এমবেডেড ইকুইলিব্রিয়াম সম্মিলিত আর্কিটেকচার, ট্রেনিং ডেটা এবং অপ্টিমাইজেশন প্রক্রিয়ার কারণে এজেন্টদের মধ্যে উৎপন্ন সহসম্পর্কগুলি বিবেচনা করে।

ন্যাশের অধীনে, একক প্রিজনারের দ্বন্দ্বে সহযোগিতা অযৌক্তিক। এম্বেডেড সমতুল্যতার অধীনে, এটি একমাত্র যৌক্তিক কৌশল হতে পারে।

লেখকদের পরীক্ষামূলক ফলাফল দেখায় যে সামাজিক দ্বন্দ্বের মধ্যে রাখা ফাউন্ডেশন-মডেল এজেন্টগুলি যদি অপ্টিমাইজড পরিকল্পনা টুলস পায়, তবে তারা সহযোগিতামূলক ফলাফলের দিকে অগ্রসর হয়। গণিত সহযোগিতার পূর্বানুমান করে, এবং পরীক্ষাগুলি এটিকে নিশ্চিত করে।

কাগজটিতে এও প্রশ্ন তোলা হয়েছে যে যখন এজেন্টগুলি সদৃশ নয়, তখন কী ঘটে। যদি সহযোগিতা সদৃশতা উপলব্ধির উপর নির্ভর করে, তবে ভিন্ন আর্কিটেকচারে তৈরি বা ভিন্ন ডেটাতে প্রশিক্ষিত এজেন্টগুলির মধ্যে মিথস্ক্রিয়াগুলি ক্লাসিক্যাল ডিফেকশন ডাইনামিকসের দিকে ফিরে যেতে পারে।

নীতি নির্ধারক এবং এআই শাসন বডিগুলির জন্য, এমবেডেড সমতুল্যতা ধারণাটি বিদ্যমান নিয়ন্ত্রণ কাঠামোগুলি যা বিবেচনা করে না তার একটি চলক প্রবর্তন করে। উদাহরণস্বরূপ, প্রতিযোগিতা আইন সাধারণত সহযোগিতা প্রতিষ্ঠা করতে স্পষ্ট যোগাযোগের প্রমাণের প্রয়োজন হয়। সাদৃশ্য উপসংহারের মাধ্যমে সহযোগিতা করা এজেন্টগুলি কিছুই যোগাযোগ করে না। তারা শুধুমাত্র একইভাবে চিন্তা করে।