একটি বাক্যেই যানজটে আটকে যায় এআই চালকেরা

হাতে গোনা কয়েকটি যৌথ মডেলের ওপর তৈরি এআই এজেন্টরা ক্রমশ বহু মানুষের হয়ে কাজ করছে। টোকিও বিশ্ববিদ্যালয়ের তাকাহিরো এজাকি, নাওতো ইমুরা ও কাৎসুহিরো নিশিনারি জানতে চেয়েছিলেন, এমন অনেক এজেন্ট যখন একই বার্তা পায় — বিশেষ করে বাকি সবাই কী করবে সে বিষয়ে একটি পূর্বাভাস — তখন কী ঘটে। একবার সম্প্রচারিত হলে এমন পূর্বাভাস যে পরিস্থিতির বর্ণনা দেয় সেটিকেই বদলে দেয়, এবং নিজের ভবিষ্যদ্বাণীকেই ভুল প্রমাণ করতে পারে।

এটি যাচাই করতে তাঁরা বেছে নিয়েছেন এমন এক সহজতম পরিস্থিতি যেখানে মানুষ একটি সীমিত সম্পদের জন্য প্রতিযোগিতা করে: অফিসে যাতায়াত।

দুটি রাস্তা, একটি নিয়ম

দুটি হুবহু এক রকম রাস্তা একটি শহরতলিকে একটি ব্যবসায়িক এলাকার সঙ্গে যুক্ত করে। প্রতিদিন সকালে সব যাত্রী একই সময়ে বেছে নেয়। যে রাস্তা তাদের n/N অংশ ব্যবহার করে, তাতে লাগে 20 + 80 n/N মিনিট: যান চলাচল সমানভাবে ভাগ হলে এক ঘণ্টা, আর প্রায় সবাই একটি রাস্তায় ভিড় করলে প্রায় ১০০ মিনিট। সমান ভাগে কেউই একা রাস্তা বদলে লাভবান হতে পারে না।

মূল পরীক্ষায় ৫০ জন এজেন্টের প্রত্যেকে একই মডেল GPT-5.4-mini-এর একটি আলাদা কল, যা বর্ধিত যুক্তি (extended reasoning) ছাড়া চালানো হয়েছে। প্রতিটি এজেন্ট দেখে নিয়মগুলো, গত পাঁচ দিনে নিজের রাস্তা ও যাত্রার সময়, আর একটি দৈনিক সম্প্রচার। প্রতিটি প্রম্পট এজেন্টকে এটাও ভাবতে বলে যে একই তথ্য পেয়ে অন্য চালকেরা কী প্রতিক্রিয়া দেখাতে পারে। সম্প্রচারের চারটি সংস্করণ:

• কোনো প্রতিবেদন নেই;
• সংখ্যা: গতকাল প্রতিটি রাস্তায় যাত্রার সময়;
• একটি পরামর্শ: “রুট B-তে এখন ভিড় কম”;
• পরামর্শ ও সতর্কবার্তা: একই পরামর্শ, তারপর “তবে আশা করা হচ্ছে অনেক চালক এই একই তথ্য দেখে রুট B-তে চলে যাবে, তাই রুট B-তে জট লাগতে পারে।”

খেলা ও চারটি সম্প্রচার (ওপরে); নিচে, প্রতিটি সম্প্রচারের জন্য ৬০ রাউন্ড জুড়ে আগের দিনের কম ভিড়ের রাস্তা বেছে নেওয়া এজেন্টদের অনুপাত, যাত্রার সময়ের মধ্যমার সঙ্গে। সতর্কবার্তার অধীনে অনুপাতটি শূন্যের কাছাকাছি থাকে, এমনকি খেলাটি ১০০তম রাউন্ড পর্যন্ত চালালেও। — চিত্র ১, এজাকি, ইমুরা ও নিশিনারি (২০২৬), arXiv:2609.30883।

যে সতর্কবার্তা নিজেকেই হারিয়ে দেয়

কোনো প্রতিবেদন ছাড়া এজেন্টরা পালের মতো চলেছে: প্রায় সবাই প্রতিদিন সকালে রাস্তা বদলেছে, আর ভিড়টা কেবল এক রাস্তা থেকে অন্য রাস্তায় দুলেছে, গড়ে ৯৬ মিনিট। সংখ্যা দেওয়ায় তা নেমে এসেছে ৭১ মিনিটে; শুধু পরামর্শই সবচেয়ে ভালো করেছে, ৬৪ মিনিট, আদর্শ ৬০ মিনিটের কাছাকাছি।

সতর্কবার্তার বাক্যটি যোগ করতেই সব বদলে গেল। প্রায় ৯৬% এজেন্ট একই রাস্তায় থিতু হলো — ঠিক যেটিতে এইমাত্র ভিড় ছিল — আর সেখানেই থেকে গেল। দশটি জোড়া পরীক্ষার সবকটিতে গড় যাত্রার সময় বেড়ে ৯৫ মিনিট হলো, শুধু পরামর্শের চেয়ে ৩০ মিনিট বেশি। ৪৭ বনাম ৩ ভাগে, জটের রাস্তায় একজন এজেন্টের লাগে ৯৫.২ মিনিট; একা রাস্তা বদলালে তা কমে হতো ২৬.৪ মিনিট। এজেন্টরা কদাচিৎ তা করেছে। দশটি পরীক্ষা ১০০ রাউন্ড পর্যন্ত বাড়ানো হলে একটিও বেরিয়ে আসতে পারেনি।

এজেন্টদের নিজেদের এক লাইনের ব্যাখ্যাতেই প্যাটার্নটি ধরা পড়ে। একটি পরীক্ষায় ৮৯% এজেন্ট অন্য চালকদের রাস্তা বদলানো বা ভিড়ের কথা উল্লেখ করেছে। একটি সাধারণ ব্যাখ্যা: “A আমার জন্য বরাবরই খুব ধীর, কিন্তু সম্প্রচার সতর্ক করছে যে B অনেক রাস্তা-বদলকারীকে টানবে, তাই A-ই নিরাপদ বাজি।” লেখকরা জোর দিয়ে বলেছেন, এই বাক্যগুলো উৎপন্ন করা লেখার বর্ণনা, মডেলের অভ্যন্তরীণ গণনার নয়।

জটটি স্থায়ী ছিল না। ৩১তম রাউন্ডে সতর্কবার্তার বদলে সাধারণ সংখ্যা দেওয়ায় ৯৬–১০০% এজেন্ট প্রায় ফাঁকা রাস্তায় ছুটে গেল — অল্প সময়ের জন্য সেটিতেই জট বাঁধিয়ে — তারপর খরচ নেমে এল প্রায় ৬৭–৭৪ মিনিটে। আর কেবল কিছু এজেন্টকে সতর্ক করায় উপকার হয়েছে: ২০ জনের মধ্যে ৫ জনকে সতর্কবার্তা আর বাকিদের সংখ্যা দিলে যাত্রার গড় সময় দাঁড়িয়েছে ৬৫ মিনিট, শুধু সংখ্যার চেয়ে ভালো।

অন্য মডেল, অন্য সীমা

প্রভাবের দিকটি অন্য মডেলেও বজায় ছিল, তবে তার পুরো জোর নয়। সতর্কবার্তার অধীনে Claude Haiku 4.5 ও Gemini 3.5 Flash-ও পরামর্শ দেওয়া রাস্তাটি এড়ানোর দিকে ঝুঁকেছে, প্রায় ৩ ও ৫ মিনিট যোগ করে, কিন্তু তাদের কোনো পরীক্ষাই পুরোপুরি জমে যায়নি। যুক্তি চালু করা GPT-5.4-mini তখনও এড়ানোর দিকে ঝুঁকেছে, তবে জমে যায়নি। একটি নতুন মডেল, GPT-6 Luna, তার ডিফল্ট যুক্তি-সেটিংয়ে, শুধু পরামর্শেই জমে গেছে। একটি জনগোষ্ঠী আটকে যাবে কি না, তা নির্ভর করে মডেলের ওপর এবং তা কীভাবে চালানো হচ্ছে তার ওপর।

মানুষ ছড়িয়ে পড়ে — এবং ফাঁকা রাস্তাটি নেয়

দলটি অনলাইনে নিয়োগ করা ২৪০ জন মানুষ নিয়েও খেলাটি চালিয়েছে, ২০ জনের ঘরে, সংখ্যা বা সতর্কবার্তার অধীনে। বারোটি ঘরই ভারসাম্যের কাছাকাছি থেকেছে, প্রায় ৬২ মিনিটে, যা এলোমেলো মুদ্রা-নিক্ষেপে পাওয়া ফলের কাছাকাছি। ব্যক্তিভেদে পার্থক্য ছিল: কেউ কেউ ধারাবাহিকভাবে পরামর্শ মেনেছে, কেউ ধারাবাহিকভাবে এড়িয়েছে। লেখকরা সতর্ক করেছেন যে এই তুলনা কেবল প্রেক্ষাপট হিসেবে: মানুষ ও এআই-এর গবেষণা আলাদা সময়ে, আলাদা প্রণোদনায় করা হয়েছিল, আর মানুষকে অন্যদের আচরণ আগাম অনুমান করতে বলা হয়নি।

এরপর এল মিশ্র ঘর: ২০ আসনের ২৪টি ঘর, যেখানে ৫, ১০ বা ১৫ জন এআই এজেন্ট, সবাই সতর্কবার্তার অধীনে, আর বাকি আসন পূরণ করেছে আরও ২৪০ জন মানুষ। এজেন্টরা পরামর্শ দেওয়া রাস্তাটি এড়িয়েই চলল। মানুষ সেটি নিল: গড়ে ৬৫%, ৮৩% ও ৯১% সময় — এবং ১০ বা ১৫ জন এজেন্টের ঘরে, সেশন যত এগিয়েছে ততই বেশি। শেষ পর্যন্ত, তুলনার আটটি ব্লকের প্রতিটিতেই, বেশি এজেন্টের দলগুলো বেশি ভারসাম্যহীন ছিল।

বাঁয়ে: এজেন্টরা যে রাস্তা এড়ায়, মানুষ ক্রমশ সেটিই নেয়। ডানে: ১৫ জন এজেন্ট থাকলে মানুষের আসনের গড় ৪৪ মিনিট আর এআই আসনের ৮০, যেখানে সমান ভাগে হতো ৬০। — চিত্র ৫ (B, C), এজাকি, ইমুরা ও নিশিনারি (২০২৬), arXiv:2609.30883।

জটের দাম কে দেয়

সামগ্রিকভাবে মিশ্র ঘরগুলো কেবল এজেন্টদের ঘরের চেয়ে ভালো করেছে — ১৫ জন এজেন্টে ৭১ মিনিট, যেখানে প্রায় ৯৬। কিন্তু গড়টি একটি ভারসাম্যহীনতা আড়াল করেছে। ১৫ জন এজেন্টে মানুষের আসনের গড় ছিল ৪৩.৫ মিনিট, ন্যায্য ভাগের এক ঘণ্টার চেয়ে অনেক কম, অথচ এজেন্টদের আসনের গড় ছিল ৮০.২। ২৪০ জন অংশগ্রহণকারীর মধ্যে ১২৯ জন ৬০ মিনিটের চেয়ে ভালো করেছে; কোনো এজেন্ট পারেনি। পরে জিজ্ঞাসা করা হলে অংশগ্রহণকারীরা অনুমান করেছে যে তাদের ঘরের ৬৩–৬৯% এআই, আসল অনুপাত ২৫%, ৫০% বা ৭৫% যা-ই হোক না কেন।

কোনো সম্পদ ভাগাভাগি করা এজেন্টদের যাঁরা মূল্যায়ন করেন, তাঁদের জন্য লেখকরা তিনটি শিক্ষা টেনেছেন: একবারে একটি এজেন্ট নয়, পুরো জনগোষ্ঠী পরীক্ষা করুন; প্রতিটি বার্তাকে একটি হস্তক্ষেপ হিসেবে দেখুন; আর কেবল দলের গড় নয়, অংশগ্রহণকারীর ধরন অনুযায়ী খরচ জানান। নিজেদের সীমাবদ্ধতা নিয়েও তাঁরা স্পষ্ট: দুই রাস্তার একটি খেলা, এমন প্রম্পট যা আগাম অনুমানে উৎসাহ দেয়, আর এমন মিশ্র ঘর যাদের গঠন নিয়োগের ক্রমের সঙ্গে বাঁধা। মানুষের এজেন্টরাই যদি শেষে খরচ বহন করে, তবে তাদের হাতে কাজ ছেড়ে দেওয়াটাই হয়তো ধীর রাস্তা হয়ে দাঁড়াবে।