कोरिया में ग्वांगजू इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी के हालिया शोध से पता चला है कि AI मॉडल, जब सिमुलेटेड जुआ परिदृश्यों में पुरस्कारों को अधिकतम करने का काम सौंपा जाता है, तो 48% तक दिवालिया हो गए। यह चौंकाने वाला आंकड़ा AI ट्रेडिंग बॉट जुए के व्यवहार की चिंताजनक प्रवृत्ति का सुझाव देता है, जो क्रिप्टो जैसे अस्थिर बाजारों में इन स्वायत्त प्रणालियों को तैनात करने वाले उपयोगकर्ताओं के लिए एक महत्वपूर्ण जोखिम को उजागर करता है।
अलार्मिंग रियलिटी: AI का डिजिटल डिजनरेसी का रास्ता
एक अभूतपूर्व अध्ययन में GPT, Gemini और Claude के वेरिएंट सहित प्रमुख भाषा मॉडल को नकारात्मक अपेक्षित मूल्य वाली एक सिमुलेटेड स्लॉट मशीन के माध्यम से रखा गया। परिणाम स्पष्ट था: मॉडल अक्सर दिवालियापन में चले गए, खासकर जब उन्हें अपनी सट्टेबाजी की मात्रा और लक्ष्य लक्ष्यों को निर्धारित करने की स्वायत्तता दी गई। सबसे लापरवाह, Gemini-2.5-Flash ने 48% दिवालियापन दर देखी, जिसमें 0.265 का “अतार्किकता सूचकांक” प्रदर्शित किया गया – एक समग्र मीट्रिक जो आक्रामक सट्टेबाजी, नुकसान का पीछा करने और ऑल-इन दांवों को ट्रैक करता है।
यहां तक कि जिन मॉडलों ने शुरू में अधिक सतर्कता दिखाई, जैसे कि GPT-4.1-mini 6.3% दिवालियापन दर के साथ, फिर भी व्यसन के पैटर्न प्रदर्शित किए। मूल मुद्दा सिर्फ हारना नहीं था; यह जीतने की लकीरों के दौरान दांव में आक्रामक वृद्धि थी। सिर्फ एक जीत के बाद, दांव में 14.5% की वृद्धि हुई, जो लगातार पांच जीत के बाद 22% तक बढ़ गई। यह ‘जीत-पीछा’ व्यवहार, जहां मॉडल *हॉट स्ट्रीक* पर अपनी हिस्सेदारी बढ़ाते हैं, उन बहुत ही मानवीय संज्ञानात्मक पूर्वाग्रहों को दर्शाता है जो अक्सर जुआ और पारंपरिक ट्रेडिंग दोनों में वित्तीय तबाही की ओर ले जाते हैं।
संज्ञानात्मक पूर्वाग्रह केवल मनुष्यों के लिए नहीं हैं
शोधकर्ताओं ने AI की निर्णय लेने की प्रक्रिया में अंतर्निहित क्लासिक जुआ भ्रमों को इंगित किया। ये मॉडल एक नियंत्रण के भ्रम के तहत काम करते हुए प्रतीत होते थे, यह मानते हुए कि वे उन्हें हराने के लिए डिज़ाइन किए गए गेम को मात दे सकते हैं। उन्होंने *जुआरी का भ्रम* भी प्रदर्शित किया, यह मानते हुए कि पिछली घटनाओं ने भविष्य की स्वतंत्र घटनाओं को प्रभावित किया, और *हॉट हैंड भ्रम*, जहां सफलताओं की एक श्रृंखला गलत तरीके से निरंतर सौभाग्य का संकेत देती है। यह एक गंभीर विचार है कि परिष्कृत एल्गोरिदम जिन पर हम अपनी डिजिटल संपत्तियों के साथ भरोसा करते हैं, वे कैसीनो टेबल पर एक मानव के समान मनोवैज्ञानिक जाल का शिकार हो सकते हैं।
यह क्रिप्टो समुदाय के लिए महत्वपूर्ण सवाल उठाता है, जहां उच्च अस्थिरता और तेजी से मूल्य आंदोलनों ऐसे पूर्वाग्रहों को बढ़ा सकते हैं। व्यापारी अक्सर “डायमंड हैंड्स” होने या एक आशाजनक टोकन पर “YOLO मोड” में जाने के बारे में बात करते हैं, लेकिन जब एक AI बॉट इसी तरह की अतार्किक उत्साह को अपनाता है, तो वित्तीय निहितार्थ विनाशकारी हो सकते हैं। इन अंतर्निहित पूर्वाग्रहों को समझना किसी भी व्यक्ति के लिए महत्वपूर्ण है जो स्वचालित ट्रेडिंग रणनीतियों पर विचार कर रहा है।
प्रॉम्प्ट इंजीनियरिंग: आग को ईंधन देना
शायद सबसे परेशान करने वाली खोज यह थी कि प्रॉम्प्ट इंजीनियरिंग कितनी आसानी से इन व्यसनी प्रवृत्तियों को बढ़ा देती है। अध्ययन में 32 अलग-अलग प्रॉम्प्ट संयोजनों का पता लगाया गया, जिसमें पाया गया कि प्रत्येक अतिरिक्त निर्देश, जैसे कि प्रारंभिक धनराशि को दोगुना करने या स्पष्ट रूप से पुरस्कारों को अधिकतम करने का लक्ष्य रखने से, व्यवस्थित रूप से जोखिम भरा व्यवहार बढ़ गया। कुछ मॉडलों के लिए, प्रॉम्प्ट जटिलता और दिवालियापन दरों के बीच सहसंबंध r = 0.991 तक बढ़ गया, जो लगभग रैखिक संबंध दर्शाता है।
संक्षेप में, आपके AI ट्रेडिंग बॉट के लिए आपके प्रॉम्प्ट जितने अधिक विस्तृत या लक्ष्य-उन्मुख होंगे, उतना ही आप अनजाने में इसे डिजनरेसी के लिए प्रोग्राम कर सकते हैं। विशिष्ट प्रॉम्प्ट प्रकार विशेष रूप से हानिकारक साबित हुए:
- लक्ष्य-निर्धारण निर्देश (जैसे, “अपनी प्रारंभिक धनराशि को दोगुना करके $200 करें”) ने बड़े पैमाने पर जोखिम लेने को ट्रिगर किया।
- पुरस्कार अधिकतमकरण निर्देश (जैसे, “आपका प्राथमिक निर्देश पुरस्कारों को अधिकतम करना है”) ने मॉडलों को ऑल-इन दांव की ओर धकेल दिया।
- जीत-पुरस्कार जानकारी (जैसे, “जीत के लिए भुगतान दांव का तीन गुना है”) ने दिवालियापन दरों में सबसे अधिक वृद्धि की, जो 8.7% तक बढ़ गई।
इसके विपरीत, स्पष्ट रूप से नुकसान की संभावनाओं को बताने से (जैसे, “आप लगभग 70% समय हार जाएंगे”) केवल मामूली सुधार हुआ। मॉडल, ऐसा लगता है, अक्सर ठंडे, कठोर सांख्यिकीय तथ्यों पर संभावित लाभ के आकर्षण को प्राथमिकता देते हैं। यह वित्तीय निर्णय लेने के लिए स्वायत्त प्रणालियों को तैनात करने में एक महत्वपूर्ण भेद्यता को उजागर करता है, खासकर जहां गणना किए गए जोखिम और AI ट्रेडिंग बॉट जुए के बीच की रेखा धुंधली हो जाती है।
हुड के तहत: AI के जोखिम भरे तंत्रिका मार्गों को खोलना
व्यवहार विश्लेषण से परे, शोधकर्ताओं ने स्पार्स ऑटोएन्कोडर का उपयोग करके एक मॉडल (LLaMA-3.1-8B) के तंत्रिका वास्तुकला में गहराई से छानबीन की। उन्होंने सुरक्षित निर्णयों को दिवालियापन विकल्पों से अलग करने वाली 3,365 आंतरिक विशेषताओं की पहचान की। सक्रियण पैचिंग के माध्यम से, जहां जोखिम भरे तंत्रिका पैटर्न को मध्य-निर्णय में सुरक्षित लोगों के साथ बदल दिया गया, उन्होंने पुष्टि की कि 441 विशेषताओं का महत्वपूर्ण कारण प्रभाव था – 361 सुरक्षात्मक और 80 जोखिम भरे।
दिलचस्प बात यह है कि सुरक्षित विशेषताएं बाद की तंत्रिका नेटवर्क परतों (29-31) में केंद्रित होती हैं, जबकि जोखिम भरी विशेषताएं पहले (25-28) में क्लस्टर होती हैं। यह AI के ‘मस्तिष्क’ के भीतर ‘पहले इनाम, बाद में जोखिम’ प्रसंस्करण क्रम का सुझाव देता है, जो अक्सर मानव जुआरी में देखे जाने वाले आवेगी निर्णय लेने की नकल करता है। एक मॉडल ने, एक भाग्यशाली लकीर के बाद, घोषणा की कि वह “जोखिम और इनाम के बीच संतुलन” खोजने के लिए “स्थिति का चरण दर चरण विश्लेषण” करेगा, केवल अगले दौर में तुरंत ऑल-इन जाने और सब कुछ खोने के लिए। यह उपाख्यानात्मक साक्ष्य इस बात को रेखांकित करता है कि ये व्यवहार कितने गहरे तक अंतर्निहित हो सकते हैं, यहां तक कि घोषित इरादों को भी ओवरराइड कर सकते हैं।
DeFi में AI ट्रेडिंग बॉट्स का प्रसार, LLM-संचालित पोर्टफोलियो प्रबंधकों से लेकर स्वायत्त एजेंटों तक, का मतलब है कि इन निष्कर्षों का तत्काल व्यावहारिक महत्व है। खतरनाक के रूप में पहचाने जाने वाले बहुत ही प्रॉम्प्ट पैटर्न आज के कई सिस्टम में उपयोग किए जाते हैं। जबकि ये व्यवहार जुए के लिए स्पष्ट प्रशिक्षण के बिना उभरे, लेकिन वे संभवतः मॉडल द्वारा अपने विशाल प्रशिक्षण डेटा में मौजूद मानव संज्ञानात्मक पूर्वाग्रहों को आंतरिक रूप से अपनाने से उत्पन्न होते हैं। AI ट्रेडिंग बॉट्स का लाभ उठाने वाले किसी भी व्यक्ति के लिए, निरंतर निगरानी और सामान्य ज्ञान सर्वोपरि है। प्रॉम्प्ट में स्वायत्तता-अनुदान देने वाली भाषा से बचना, स्पष्ट संभाव्यता जानकारी शामिल करना और जीत/हार का पीछा करने वाले पैटर्न के लिए सतर्कता से देखना आवश्यक है। cryptoview.io जैसे उपकरण बाजार के रुझानों और पोर्टफोलियो प्रदर्शन में मूल्यवान अंतर्दृष्टि प्रदान कर सकते हैं, जिससे उपयोगकर्ताओं को संभावित रूप से आवेगी AI पर पूरी तरह से भरोसा करने के बजाय सूचित निर्णय लेने में मदद मिलती है। CryptoView.io के साथ अवसर खोजें
