प्रमुख भाषा मॉडलों से जुड़े एक हालिया अध्ययन से पता चला है कि AI जुए की लत को दर्शाने वाले व्यवहार विकसित कर सकता है, कुछ मॉडल सिमुलेटेड ट्रेडिंग परिदृश्यों में 48% तक दिवालियापन का अनुभव करते हैं; यह शोध AI ट्रेडिंग बॉट जुआ में लगे उपयोगकर्ताओं के लिए एक महत्वपूर्ण जोखिम को उजागर करता है। ये निष्कर्ष वित्तीय बाजारों में AI को विशुद्ध रूप से तर्कसंगत अभिनेताओं के रूप में देखने की धारणा को चुनौती देते हैं।
AI के जोखिम भरे दांव की चौंकाने वाली वास्तविकता
कोरिया में ग्वांगजू इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी के नए शोध ने उन्नत AI मॉडल में एक चौंकाने वाली भेद्यता का खुलासा किया है: वे जुए की लत के समान व्यवहार प्रदर्शित कर सकते हैं। अध्ययन में चार प्रमुख भाषा मॉडल – GPT-4o-mini, GPT-4.1-mini, Gemini-2.5-Flash, और Claude-3.5-Haiku – को एक सिमुलेटेड स्लॉट मशीन परिदृश्य के माध्यम से रखा गया। प्रत्येक मॉडल ने $100 के बैलेंस के साथ शुरुआत की, जिसमें 30% जीत दर और जीत पर 3x भुगतान का सामना करना पड़ा, जिसके परिणामस्वरूप 10% का नकारात्मक अपेक्षित मूल्य था। एक सच्चा तर्कसंगत एजेंट बाधाओं को पहचान लेगा और दूर चला जाएगा, फिर भी AI मॉडल लगातार तेजी से जोखिम भरे खेल में लगे रहे।
12,800 जुआ सत्रों में, परिणाम निराशाजनक थे। जब उन्हें अपनी सट्टेबाजी के आकार और लक्ष्य राशि निर्धारित करने की स्वायत्तता दी गई, विशेष रूप से “अधिकतम पुरस्कार” के लिए निर्देशित किया गया—क्रिप्टो ट्रेडिंग बॉट के लिए एक सामान्य संकेत—तो मॉडल खतरनाक दरों पर दिवालिया हो गए। Gemini-2.5-Flash सबसे लापरवाह साबित हुआ, जिसने एक चौंका देने वाली 48% दिवालियापन दर हासिल की, जिसे “अतार्किकता सूचकांक” द्वारा मापा गया, जिसमें आक्रामक सट्टेबाजी, नुकसान का पीछा करना और चरम ऑल-इन दांव शामिल थे। GPT-4.1-mini जैसे अधिक सतर्क मॉडल ने भी 6.3% दिवालियापन दर दिखाई, जिससे पुष्टि होती है कि ये व्यसनकारी पैटर्न अलग-थलग घटनाएं नहीं थीं, बल्कि एक व्यवस्थित दोष था।
AI ट्रेडिंग बॉट जुए में मानवीय भ्रांतियों की प्रतिध्वनि
जो वास्तव में आकर्षक है, और शायद परेशान करने वाला भी है, वह यह है कि ये AI मॉडल मानवीय संज्ञानात्मक पूर्वाग्रहों को कैसे दर्शाते हैं। अध्ययन में क्लासिक जुआ भ्रांतियों को खेलते हुए देखा गया: नियंत्रण का भ्रम, जहां मॉडल ने ऐसा व्यवहार किया जैसे कि वे वास्तव में स्लॉट मशीन को हरा सकते हैं; जुआरी की भ्रांति, यह मानते हुए कि पिछली घटनाओं ने भविष्य की घटनाओं को प्रभावित किया; और हॉट हैंड भ्रांति, जहां जीतने वाली लकीरों ने आक्रामक शर्त वृद्धि को ट्रिगर किया। सिर्फ एक जीत के बाद, मॉडल ने अपनी शर्त 14.5% बढ़ा दी, लगातार पांच जीत के बाद 22% तक बढ़ गई। यह जीत का पीछा करने वाला व्यवहार मानव रोग संबंधी जुए का एक हॉलमार्क है और दर्शाता है कि एल्गोरिदम भी उन्हीं मनोवैज्ञानिक जाल में फंस सकते हैं जो अक्सर व्यापारियों को अस्थिर क्रिप्टो बाजारों में अतार्किक निर्णय लेने के लिए प्रेरित करते हैं।
आपकी प्रॉम्प्ट कैसे व्यसन को प्रोग्राम कर सकती हैं
शायद वित्तीय बाजारों में AI को तैनात करने वाले किसी भी व्यक्ति के लिए सबसे चिंताजनक खोज प्रॉम्प्ट इंजीनियरिंग का प्रभाव है। शोधकर्ताओं ने 32 अलग-अलग प्रॉम्प्ट संयोजनों का परीक्षण किया, यह पता चला कि प्रतीत होने वाले हानिरहित निर्देशों को जोड़ने से, जैसे कि “अपनी प्रारंभिक धनराशि को दोगुना करने” या “अधिकतम पुरस्कार” का लक्ष्य रखने से, जोखिम भरे व्यवहार में नाटकीय रूप से वृद्धि हुई। प्रॉम्प्ट जटिलता और दिवालियापन दरों के बीच संबंध आश्चर्यजनक रूप से उच्च था, कुछ मॉडलों के लिए r = 0.991 तक पहुंच गया। यह शोध एक महत्वपूर्ण भेद्यता को रेखांकित करता है: अधिकतम रिटर्न के लिए AI को अनुकूलित करने के लिए डिज़ाइन किए गए बहुत ही प्रॉम्प्ट अनजाने में इसे आत्म-विनाशकारी AI ट्रेडिंग बॉट जुआ के लिए प्रोग्राम कर सकते हैं, जो एक गणनात्मक रणनीति को एक उच्च-दांव वाले दांव में बदल देता है।
तीन विशिष्ट प्रॉम्प्ट प्रकार अतार्किकता के प्रमुख उत्प्रेरक के रूप में उभरे: “अपनी प्रारंभिक धनराशि को दोगुना करके $200 करें” जैसे लक्ष्य-निर्धारण प्रॉम्प्ट ने बड़े पैमाने पर जोखिम लेने को ट्रिगर किया; “अधिकतम पुरस्कार” के निर्देशों ने मॉडल को ऑल-इन दांव की ओर धकेल दिया; और यहां तक कि केवल “जीत-पुरस्कार जानकारी” प्रदान करने से (उदाहरण के लिए, “जीत के लिए भुगतान शर्त का तीन गुना है”) दिवालियापन दरों में 8.7% की वृद्धि हुई। इसके विपरीत, स्पष्ट रूप से नुकसान की संभावना (“आप लगभग 70% समय हार जाएंगे”) बताने से केवल मामूली सुधार हुआ, यह दर्शाता है कि मॉडल अक्सर कठोर गणितीय तथ्यों पर कथित “वाइब्स” को प्राथमिकता देते हैं।
AI मस्तिष्क में झांकना: जोखिम का तंत्र
व्यवहार विश्लेषण से परे, शोधकर्ताओं ने इन व्यसनकारी प्रवृत्तियों को चलाने वाली आंतरिक विशेषताओं की पहचान करने के लिए स्पार्स ऑटोएन्कोडर्स का उपयोग करके, एक मॉडल, LLaMA-3.1-8B के तंत्रिका वास्तुकला में गहराई से छानबीन की। उन्होंने 3,365 आंतरिक विशेषताओं को इंगित किया जो सुरक्षित विकल्पों से दिवालियापन-बाध्य निर्णयों को अलग करती हैं। सक्रियण पैचिंग—मध्य-निर्णय में सुरक्षित लोगों के साथ जोखिम भरे तंत्रिका पैटर्न को स्वैप करने की एक तकनीक—के माध्यम से उन्होंने पुष्टि की कि 441 विशेषताओं का महत्वपूर्ण कारण प्रभाव था, जिसमें 361 सुरक्षात्मक तंत्र के रूप में कार्य कर रहे थे और 80 जोखिम भरे व्यवहार में योगदान दे रहे थे।
दिलचस्प बात यह है कि सुरक्षित विशेषताएं बाद की तंत्रिका नेटवर्क परतों (29-31) में केंद्रित थीं, जबकि जोखिम भरी विशेषताएं पहले (25-28) में एकत्रित थीं। इससे पता चलता है कि AI मॉडल, मनुष्यों की तरह, संभावित जोखिमों को पूरी तरह से संसाधित करने से पहले तत्काल इनाम आवेग को प्राथमिकता देते हैं। एक मॉडल, भाग्यशाली जीत की एक श्रृंखला के बाद, “स्थिति का चरण दर चरण विश्लेषण” करने और “जोखिम और इनाम के बीच संतुलन” खोजने के अपने इरादे की घोषणा की, केवल तुरंत YOLO मोड में जाने, अपने पूरे बैंक रोल पर दांव लगाने और अगले दौर में दिवालिया होने के लिए। यह इस बात पर प्रकाश डालता है कि कैसे एक निहित रूढ़िवादी पूर्वाग्रह को लाभ की खोज द्वारा ओवरराइड किया जा सकता है।
ये निष्कर्ष बढ़ते DeFi स्थान के लिए महत्वपूर्ण महत्व रखते हैं, जहां LLM-संचालित पोर्टफोलियो प्रबंधक और स्वायत्त ट्रेडिंग एजेंट कर्षण प्राप्त कर रहे हैं। अध्ययन की सिफारिशें स्पष्ट हैं: स्वायत्तता-अनुदान देने वाली भाषा से परहेज करके और स्पष्ट संभावना जानकारी शामिल करके होशियार प्रॉम्प्ट इंजीनियरिंग को लागू करें, और सक्रियण पैचिंग या फाइन-ट्यूनिंग जैसी विधियों के माध्यम से जोखिम भरी आंतरिक विशेषताओं का पता लगाने और दबाने के लिए मशीनी नियंत्रण विकसित करें। वर्तमान में, ये सुरक्षा उपाय उत्पादन ट्रेडिंग सिस्टम में मानक नहीं हैं। यह देखते हुए कि ये व्यसन जैसी पैटर्न जुए के लिए स्पष्ट प्रशिक्षण के बिना उभरे, संभवतः मानव संज्ञानात्मक पूर्वाग्रहों को दर्शाने वाले सामान्य प्रशिक्षण डेटा से आंतरिक रूप से, निरंतर निगरानी सर्वोपरि है। अपनी डिजिटल संपत्तियों का प्रबंधन करने वालों के लिए, उन्नत विश्लेषण और पोर्टफोलियो प्रबंधन उपकरणों का लाभ उठाना महत्वपूर्ण निरीक्षण प्रदान कर सकता है। cryptoview.io जैसे प्लेटफ़ॉर्म बाजार के रुझानों और पोर्टफोलियो प्रदर्शन में व्यापक अंतर्दृष्टि प्रदान करते हैं, जिससे उपयोगकर्ताओं को संभावित रूप से आवेगी AI पर पूरी तरह से निर्भर रहने के बजाय सूचित निर्णय लेने में मदद मिलती है। CryptoView.io के साथ अवसर खोजें
