కంప్యూటింగ్ & ఏఐప్రీప్రింట్ప్రయోగంచదవడానికి 4 నిమిషాలు

ఒక్క వాక్యం AI డ్రైవర్లను ట్రాఫిక్‌లో బంధిస్తుంది

కొన్ని ఉమ్మడి నమూనాలపై నిర్మించిన AI ఏజెంట్లు ఎక్కువెక్కువగా చాలా మంది తరఫున పనిచేస్తున్నాయి. టోక్యో విశ్వవిద్యాలయానికి చెందిన తకాహిరో ఎజాకి, నావోటో ఇమురా, కట్సుహిరో నిషినారి — వీటిలో చాలా ఏజెంట్లకు ఒకే సందేశం అందితే ఏమవుతుందో తెలుసుకోవాలనుకున్నారు — ముఖ్యంగా మిగతా అందరూ ఏం చేస్తారనే అంచనా. ఒకసారి ప్రసారమైతే, అలాంటి అంచనా అది వర్ణించే పరిస్థితినే మార్చేస్తుంది, తన జోస్యాన్ని తానే వమ్ము చేయగలదు.

దీన్ని పరీక్షించడానికి, పరిమిత వనరు కోసం మనుషులు పోటీపడే అత్యంత సరళమైన సందర్భాల్లో ఒకదాన్ని వారు ఎంచుకున్నారు: రోజువారీ ఆఫీసు ప్రయాణం.

రెండు రోడ్లు, ఒకే నియమం

రెండు ఒకేలాంటి రోడ్లు ఒక శివారు ప్రాంతాన్ని వ్యాపార జిల్లాతో కలుపుతాయి. ప్రతి ఉదయం ప్రయాణికులందరూ ఒకేసారి ఎంచుకుంటారు. n/N వాటా మంది వాడే రోడ్డుకు 20 + 80 n/N నిమిషాలు పడుతుంది: ట్రాఫిక్ సమానంగా చీలితే ఒక గంట, దాదాపు అందరూ ఒకే రోడ్డు మీదికి వస్తే దాదాపు 100 నిమిషాలు. సమాన విభజనలో, ఒంటరిగా మారడం ద్వారా ఎవరికీ లాభం ఉండదు.

ప్రధాన ప్రయోగంలో, 50 ఏజెంట్లలో ప్రతి ఒక్కటీ అదే నమూనా GPT-5.4-mini కి చేసే వేర్వేరు పిలుపు, విస్తృత తార్కికం (extended reasoning) లేకుండా నడిపినది. ప్రతి ఏజెంట్‌కు నియమాలు, గత ఐదు రోజుల్లో తన సొంత రోడ్డు, ప్రయాణ సమయాలు, ఒక దైనిక ప్రసారం కనిపిస్తాయి. అదే సమాచారానికి ఇతర డ్రైవర్లు ఎలా స్పందించవచ్చో ఆలోచించమని ప్రతి ప్రాంప్ట్ ఏజెంట్‌ను అడుగుతుంది కూడా. ప్రసారానికి నాలుగు రూపాలు ఉన్నాయి:

  • ఎలాంటి నివేదికా లేదు;
  • సంఖ్యలు: ప్రతి రోడ్డుపై నిన్నటి ప్రయాణ సమయం;
  • ఒక సూచన: “మార్గం B ప్రస్తుతం తక్కువ రద్దీగా ఉంది”;
  • సూచనతో పాటు హెచ్చరిక: అదే సూచన, ఆ తర్వాత “అయితే, చాలా మంది డ్రైవర్లు ఇదే సమాచారం చూసి మార్గం B కి మారతారని అంచనా, కాబట్టి మార్గం B రద్దీగా మారవచ్చు.”

రెండు-రోడ్ల ఆట, నాలుగు ప్రసారాలు, ప్రతి ప్రసారానికి 60 రౌండ్లలో తక్కువ రద్దీ రోడ్డును ఎంచుకునే ఏజెంట్ల వాటా.

ఆట, నాలుగు ప్రసారాలు (పైన); కింద, ప్రతి ప్రసారానికి, 60 రౌండ్లలో నిన్నటి తక్కువ రద్దీ రోడ్డును ఎంచుకునే ఏజెంట్ల వాటా, మధ్యగత (median) ప్రయాణ సమయంతో. హెచ్చరిక కింద, ఆటను 100వ రౌండ్ వరకు కొనసాగించినా, ఈ వాటా సున్నాకు దగ్గరగానే ఉంటుంది. — చిత్రం 1, Ezaki, Imura & Nishinari (2026), arXiv:2609.30883.

తనను తానే ఓడించుకునే హెచ్చరిక

ఎలాంటి నివేదికా లేనప్పుడు ఏజెంట్లు మందలా కదిలాయి: దాదాపు అన్నీ ప్రతి ఉదయం రోడ్డు మార్చాయి, గుంపు ఒక రోడ్డు నుంచి మరో రోడ్డుకు ఊగిసలాడింది, సగటున 96 నిమిషాలు. సంఖ్యలు దాన్ని 71 నిమిషాలకు తగ్గించాయి; కేవలం సూచన అత్యుత్తమంగా పనిచేసింది, 64 నిమిషాలు, ఆదర్శ 60 నిమిషాలకు దగ్గరగా.

హెచ్చరిక వాక్యాన్ని జోడించడం అంతా మార్చేసింది. సుమారు 96% ఏజెంట్లు ఒకే రోడ్డుపై స్థిరపడ్డాయి — అప్పుడే రద్దీగా ఉన్న రోడ్డు — అక్కడే ఉండిపోయాయి. సగటు ప్రయాణ సమయం 95 నిమిషాలకు పెరిగింది, కేవలం సూచనతో పోలిస్తే 30 నిమిషాలు ఎక్కువ, పది జత ప్రయోగాల్లోనూ. 47-కి-3 విభజనలో, కిక్కిరిసిన రోడ్డుపై ఉన్న ఏజెంట్‌కు 95.2 నిమిషాలు పడతాయి; ఒంటరిగా మారితే అది 26.4 నిమిషాలకు తగ్గేది. ఏజెంట్లు అలా చేసింది అరుదు. పది ప్రయోగాలను 100 రౌండ్ల వరకు పొడిగించినప్పుడు, ఒక్కటీ బయటపడలేదు.

ఏజెంట్ల సొంత ఒక్క-వాక్య వివరణలు ఈ నమూనాను చూపుతాయి. ఒక ప్రయోగంలో, వాటిలో 89% ఇతర డ్రైవర్లు మారడం లేదా గుమిగూడడం గురించి ప్రస్తావించాయి. ఒక సాధారణ ఉదాహరణ: “A నాకు నిలకడగా చాలా నెమ్మదిగా ఉంది, కానీ B చాలా మందిని ఆకర్షిస్తుందని ప్రసారం హెచ్చరిస్తోంది, కాబట్టి A నే సురక్షితమైన ఎంపిక.” ఈ వాక్యాలు ఉత్పత్తి అయిన పాఠ్యాన్ని వర్ణిస్తాయి తప్ప నమూనా అంతర్గత గణనను కాదని రచయితలు నొక్కి చెబుతున్నారు.

ఈ ట్రాఫిక్ జామ్ శాశ్వతం కాదు. 31వ రౌండ్‌లో హెచ్చరిక స్థానంలో సాదా సంఖ్యలు ఇవ్వగానే 96–100% ఏజెంట్లు దాదాపు ఖాళీ రోడ్డు వైపు పరుగెత్తాయి — కొద్దిసేపు దాన్నే కిక్కిరిసేలా చేశాయి — తర్వాత ఖర్చులు మళ్లీ సుమారు 67–74 నిమిషాలకు దిగివచ్చాయి. కొన్ని ఏజెంట్లను మాత్రమే హెచ్చరించడం సాయపడింది: 20 లో 5 ఏజెంట్లను హెచ్చరించి, మిగతావాటికి సంఖ్యలు ఇస్తే, ప్రయాణాల సగటు 65 నిమిషాలు — కేవలం సంఖ్యల కంటే మెరుగు.

ఇతర నమూనాలు, ఇతర పరిమితులు

ప్రభావం యొక్క దిశ కొనసాగింది, కానీ దాని పూర్తి బలం కాదు. Claude Haiku 4.5, Gemini 3.5 Flash కూడా హెచ్చరిక కింద సూచించిన రోడ్డును తప్పించుకునే వైపు కదిలాయి, సుమారు 3, 5 నిమిషాలు జోడించాయి, కానీ వాటి ఏ ప్రయోగమూ పూర్తిగా స్తంభించలేదు. తార్కికం ఆన్ చేసిన GPT-5.4-mini ఇప్పటికీ తప్పించుకునే వైపు మొగ్గింది, కానీ స్తంభించలేదు. కొత్త నమూనా GPT-6 Luna, దాని డిఫాల్ట్ తార్కిక సెట్టింగ్‌లో, కేవలం సూచన కిందే స్తంభించింది. ఒక జనాభా ఇరుక్కుపోతుందా లేదా అన్నది నమూనాపై, దాన్ని ఎలా నడుపుతారనే దానిపై ఆధారపడి ఉంటుంది.

మనుషులు విస్తరిస్తారు — ఖాళీ రోడ్డు పట్టుకుంటారు

బృందం ఆన్‌లైన్‌లో నియమించిన 240 మంది మనుషులతో కూడా ఈ ఆట ఆడించింది, 20 మంది చొప్పున గదుల్లో, సంఖ్యలు లేదా హెచ్చరిక కింద. పన్నెండు గదులూ సమతుల్యానికి దగ్గరగా, సుమారు 62 నిమిషాల వద్ద ఉన్నాయి — యాదృచ్ఛిక నాణెం ఎగరేతలు ఇచ్చేదానికి దగ్గరగా. వ్యక్తులు భిన్నంగా ఉన్నారు: కొందరు నిలకడగా సూచనను అనుసరించారు, మరికొందరు నిలకడగా తప్పించుకున్నారు. ఈ పోలిక కేవలం సందర్భోచితమేనని రచయితలు హెచ్చరిస్తున్నారు: మనుషుల, AI అధ్యయనాలు వేర్వేరు సమయాల్లో, వేర్వేరు ప్రోత్సాహకాలతో జరిగాయి, ఇతరుల ప్రవర్తనను ఊహించమని మనుషులను అడగలేదు.

తర్వాత మిశ్రమ గదులు వచ్చాయి: 20 సీట్ల 24 గదులు, 5, 10 లేదా 15 AI ఏజెంట్లతో, అన్నీ హెచ్చరిక కింద, మరో 240 మంది మనుషులతో నింపబడినవి. ఏజెంట్లు సూచించిన రోడ్డును తప్పించుకుంటూనే ఉన్నాయి. మనుషులు దాన్ని పట్టుకున్నారు: సగటున 65%, 83%, 91% సార్లు — 10 లేదా 15 ఏజెంట్లు ఉన్న గదుల్లో, సెషన్ సాగుతున్న కొద్దీ ఇంకా ఎక్కువగా. చివరికి, ఎక్కువ ఏజెంట్లు ఉన్న సమూహాలు ఎక్కువ అసమతుల్యంగా ఉన్నాయి, ఎనిమిది పోలిక బ్లాకుల్లోనూ.

రెండు చార్ట్‌లు: సూచించిన రోడ్డుపై మనుషుల, AI సీట్ల వాటా, ప్రతిదాని సగటు ప్రయాణ సమయం, 20 మంది ఆటగాళ్లలో AI ఏజెంట్ల సంఖ్య వారీగా.

ఎడమ: ఏజెంట్లు తప్పించుకునే రోడ్డును మనుషులు ఎక్కువెక్కువగా పట్టుకుంటారు. కుడి: 15 ఏజెంట్లతో, మనుషుల సీట్ల సగటు 44 నిమిషాలు, AI సీట్లది 80, సమాన పంపకంలో 60 తో పోలిస్తే. — చిత్రం 5 (B, C), Ezaki, Imura & Nishinari (2026), arXiv:2609.30883.

జామ్ ఖర్చు ఎవరు భరిస్తారు

మొత్తంగా చూస్తే మిశ్రమ గదులు కేవలం ఏజెంట్ల గదుల కంటే మెరుగ్గా పనిచేశాయి — 15 ఏజెంట్లతో 71 నిమిషాలు, సుమారు 96 తో పోలిస్తే. కానీ ఆ సగటు ఒక అసమతుల్యాన్ని దాచింది. 15 ఏజెంట్లతో, మనుషుల సీట్ల సగటు 43.5 నిమిషాలు, న్యాయమైన విభజనలోని గంట కంటే చాలా తక్కువ, ఏజెంట్ సీట్ల సగటు మాత్రం 80.2. 240 మంది పాల్గొనేవారిలో 129 మంది 60 నిమిషాల కంటే మెరుగ్గా చేశారు; ఒక్క ఏజెంట్ కూడా చేయలేదు. తర్వాత అడిగినప్పుడు, అసలు వాటా 25%, 50% లేదా 75% ఏదైనా, తమ గదిలో 63–69% AI అని పాల్గొనేవారు ఊహించారు.

ఒక వనరును పంచుకునే ఏజెంట్లను మూల్యాంకనం చేసే ఎవరికైనా రచయితలు మూడు పాఠాలు చెబుతున్నారు: ఒక్కో ఏజెంట్‌ను కాకుండా మొత్తం జనాభాలను పరీక్షించండి; ప్రతి సందేశాన్నీ ఒక జోక్యంగా పరిగణించండి; ఖర్చులను కేవలం సమూహ సగటుగా కాకుండా పాల్గొనేవారి రకం వారీగా నివేదించండి. వారి పరిమితులూ స్పష్టమే: రెండు-రోడ్ల ఆట, ముందస్తు ఊహను ప్రోత్సహించే ప్రాంప్ట్‌లు, నియామక క్రమంతో ముడిపడిన కూర్పు గల మిశ్రమ గదులు. మనుషుల ఏజెంట్లే చివరికి ఖర్చులు భరిస్తే, వాటికి పని అప్పగించడం నెమ్మది మార్గంగా మారవచ్చు.

Legal notice