মুক্ত-পাঠ্য উত্তর এবং এলএলএম মানব পছন্দের পিছনে লুকানো কারণ উন্মোচন করে

ভূমিকা

মানুষ কেন তাদের পছন্দগুলি করে? এই মৌলিক প্রশ্নটি দীর্ঘদিন ধরে মনোবিজ্ঞান, অর্থনীতি এবং স্নায়ুবিজ্ঞানের গবেষকদের আগ্রহী করে রেখেছে। ঐতিহ্যগত পদ্ধতিগুলি প্রায়শই নিয়ন্ত্রিত পরীক্ষায় পছন্দগুলি পর্যবেক্ষণ এবং গাণিতিক মডেলের মাধ্যমে অন্তর্নিহিত সিদ্ধান্ত প্রক্রিয়া অনুমানের উপর নির্ভর করে। তবে, এই পদ্ধতিগুলি কেবল মানুষ কী করে তা ধরতে পারে, কেন করে তা নয়। এখন, টিইউডি ড্রেসডেন ইউনিভার্সিটি অফ টেকনোলজির সেন্টার সিনার্জি অফ সিস্টেমস (সিনোসিস), ম্যাক্স প্ল্যাঙ্ক ইনস্টিটিউট ফর হিউম্যান ডেভেলপমেন্ট এবং ইউনিভার্সিটি অফ বাসেলের গবেষকদের একটি দল একটি অভিনব পদ্ধতি তৈরি করেছে যা পর্যবেক্ষিত পছন্দগুলিকে অংশগ্রহণকারীদের নিজস্ব সিদ্ধান্ত প্রক্রিয়ার বর্ণনার সাথে একত্রিত করে। বড় ভাষা মডেল (এলএলএম) ব্যবহার করে, তারা অভূতপূর্ব বিশদে মানব সিদ্ধান্তের পিছনে কারণগুলি উন্মোচন করতে মুক্ত-পাঠ্য ব্যাখ্যাগুলি পদ্ধতিগতভাবে বিশ্লেষণ করতে পারে। তাদের ফলাফল প্রসিডিংস অফ দ্য ন্যাশনাল একাডেমি অফ সায়েন্সেস-এ প্রকাশিত হয়েছে।

ব্যাখ্যাকে তথ্যে রূপান্তর

প্রধান লেখক ডাঃ কামিল ফুয়াওকা, সিনোসিসের একজন গবেষক, ব্যাখ্যা করেন: "মানুষের আচরণ, সিদ্ধান্ত গ্রহণ সহ, তাদের চিন্তা প্রক্রিয়া সম্পর্কে বিস্তারিত জানতে চেয়ে আরও গভীরভাবে বোঝা যায়। তবে, এই ধরনের মুক্ত-পাঠ্য তথ্যের পদ্ধতিগত বিশ্লেষণের জন্য স্কেলযোগ্য এবং কঠোর বিশ্লেষণাত্মক কাঠামো প্রয়োজন—একটি প্রচেষ্টা যা এখন এলএলএম দ্বারা সমর্থিত হতে পারে।" তাদের পরীক্ষায়, অংশগ্রহণকারীরা একটি জুয়া খেলায় নিযুক্ত হন এবং প্রতিটি সিদ্ধান্ত তাদের নিজস্ব ভাষায় ব্যাখ্যা করতে বলা হয়। এই ব্যাখ্যাগুলি বিশ্লেষণ করার জন্য, গবেষকরা সম্ভাব্য সিদ্ধান্ত কারণগুলির একটি বড় সেট তৈরি করতে বিদ্যমান তত্ত্ব এবং সিদ্ধান্ত গ্রহণের মডেলগুলির উপর অঙ্কন করেছিলেন, যেমন সর্বোত্তম সম্ভাব্য ফলাফলের উপর ফোকাস করা বা বড় ক্ষতি এড়ানো। বড় ভাষা মডেলগুলি তখন সনাক্ত করে যে এই কারণগুলির মধ্যে কোনটি অংশগ্রহণকারীদের মুক্ত-পাঠ্য ব্যাখ্যায় উপস্থিত ছিল, যখন মানুষের পছন্দের গাণিতিক মডেলিং বৈধতা প্রদান করে।

কিভাবে অধ্যয়ন কাজ করেছে

অধ্যয়নটিতে একটি নিয়ন্ত্রিত জুয়া পরীক্ষা জড়িত ছিল যেখানে অংশগ্রহণকারীরা ঝুঁকিপূর্ণ বিকল্পগুলির মধ্যে একাধিক সিদ্ধান্ত নিয়েছিল। প্রতিটি পছন্দের পরে, তারা তাদের যুক্তির একটি সংক্ষিপ্ত ব্যাখ্যা টাইপ করেছিল। গবেষকরা প্রতিষ্ঠিত সিদ্ধান্ত গ্রহণের তত্ত্বের উপর ভিত্তি করে সম্ভাব্য সিদ্ধান্ত কারণগুলির একটি বিস্তৃত তালিকা সংকলন করেছিলেন, যার মধ্যে রয়েছে:

• প্রত্যাশিত মান সর্বাধিক করা
• সম্ভাব্য ক্ষতি কমানো
• সর্বোচ্চ সম্ভাব্য পরিশোধ চাওয়া
• সবচেয়ে খারাপ ফলাফল এড়ানো
• একটি সহজ হিউরিস্টিক অনুসরণ করা যেমন "জেতার উচ্চ সম্ভাবনা সহ বিকল্পটি বেছে নিন"

একটি বড় ভাষা মডেল ব্যবহার করে, তারা স্বয়ংক্রিয়ভাবে প্রতিটি মুক্ত-পাঠ্য প্রতিক্রিয়া শ্রেণীবদ্ধ করে নির্ধারণ করে যে কোন কারণগুলি উপস্থিত ছিল। নির্ভুলতা নিশ্চিত করতে, এলএলএম-এর শ্রেণীবিভাগগুলি মানব মূল্যায়নকারীদের সাথে ক্রস-ভ্যালিডেট করা হয়েছিল এবং গাণিতিক মডেলগুলির সাথে তুলনা করা হয়েছিল যা চিহ্নিত কারণগুলির উপর ভিত্তি করে পছন্দগুলি ভবিষ্যদ্বাণী করেছিল। এই বহু-পদ্ধতি পদ্ধতি দলটিকে লোকেরা যে কারণগুলি উল্লেখ করে তা আবিষ্কার করতে এবং যাচাই করতে দেয় যে সেই কারণগুলি প্রকৃতপক্ষে তাদের সিদ্ধান্ত চালিত করে।

সিদ্ধান্তের কারণ প্রসঙ্গের সাথে পরিবর্তিত হয়

মৌখিক প্রতিবেদন, এলএলএম এবং কঠোর গাণিতিক মডেলিংয়ের সংমিশ্রণ স্পষ্টভাবে প্রদর্শন করেছে যে মানুষের নিজস্ব অন্তর্দৃষ্টি তথ্যের একটি মূল্যবান উৎস। এটি আরও দেখিয়েছে যে লোকেরা যে কারণগুলির উপর নির্ভর করে তা স্থির নয় বরং সিদ্ধান্ত সমস্যার কাঠামোর সাথে পদ্ধতিগতভাবে পরিবর্তিত হয়। উদাহরণস্বরূপ, যখন সম্ভাব্য ক্ষতি বড় ছিল, অংশগ্রহণকারীরা ক্ষতি এড়ানোর কথা বেশি উল্লেখ করেছিলেন; যখন সম্ভাব্য লাভ বেশি ছিল, তারা লাভ সর্বাধিক করার দিকে মনোনিবেশ করেছিলেন। এই প্রসঙ্গ-নির্ভরতা ঐতিহ্যগত মডেলগুলিকে চ্যালেঞ্জ করে যা স্থিতিশীল পছন্দ বা নির্দিষ্ট সিদ্ধান্ত কৌশল ধরে নেয়।

"অনেক গুরুত্বপূর্ণ সিদ্ধান্ত—আর্থিক বিনিয়োগ থেকে চিকিৎসা পছন্দ—ঝুঁকি এবং সুবিধা ওজন করা জড়িত," ডাঃ ফুয়াওকা বলেছেন। "আমাদের পদ্ধতি প্রকাশ করে যে লোকেরা নির্দিষ্ট পরিস্থিতিতে তাদের যুক্তি মানিয়ে নেয়, যার আচরণ ভবিষ্যদ্বাণী এবং হস্তক্ষেপ ডিজাইন করার জন্য প্রভাব রয়েছে।"

আচরণ বিজ্ঞানের জন্য প্রভাব

এই গবেষণা মানব আচরণ অধ্যয়নের জন্য নতুন পথ খুলে দেয়। এলএলএম-এর সাথে মুক্ত-পাঠ্য তথ্য একীভূত করে, বিজ্ঞানীরা এখন সমৃদ্ধ, গুণগত তথ্য অ্যাক্সেস করতে পারেন যা অংশগ্রহণকারীরা স্বাভাবিকভাবে প্রদান করে, পূর্বনির্ধারিত জরিপ প্রশ্নের সীমাবদ্ধতা ছাড়াই। পদ্ধতিটি স্কেলযোগ্য, দ্রুত এবং ধারাবাহিকভাবে হাজার হাজার প্রতিক্রিয়া বিশ্লেষণের অনুমতি দেয়। তাছাড়া, এটি গুণগত এবং পরিমাণগত পদ্ধতির মধ্যে একটি সেতু প্রদান করে, সিদ্ধান্ত গ্রহণের আরও সম্পূর্ণ চিত্র প্রদান করে।

অধ্যয়নটি আচরণ গবেষণার সরঞ্জাম হিসাবে এলএলএম-এর সম্ভাবনাও তুলে ধরে। যদিও এলএলএম-কে প্রায়শই প্রকৃত বোঝার অভাবের জন্য সমালোচনা করা হয়, এখানে তারা শক্তিশালী প্যাটার্ন-ম্যাচিং ইঞ্জিন হিসাবে কাজ করে যা নির্ভরযোগ্যভাবে পাঠ্যে সিদ্ধান্তের কারণ সনাক্ত করতে পারে। গবেষকরা জোর দেন যে এলএলএম-এর শ্রেণীবিভাগগুলি মানব বিচার এবং গাণিতিক মডেলের বিরুদ্ধে বৈধতা দেওয়া হয়েছিল, নির্ভরযোগ্যতা নিশ্চিত করে।

ভবিষ্যত দিকনির্দেশনা

দলটি তাদের পদ্ধতি অন্যান্য ডোমেনে প্রয়োগ করার পরিকল্পনা করে, যেমন ভোক্তা পছন্দ, রাজনৈতিক সিদ্ধান্ত গ্রহণ এবং স্বাস্থ্য আচরণ। তারা সিদ্ধান্তের কারণগুলির সেট পরিমার্জন করতে এবং ব্যক্তিগত পার্থক্য (যেমন বয়স, জ্ঞানীয় ক্ষমতা) লোকেরা যে কারণগুলি ব্যবহার করে তা কীভাবে প্রভাবিত করে তা অন্বেষণ করতে চায়। শেষ পর্যন্ত, এই কাজটি মানব পছন্দের আরও সঠিক মডেলের দিকে নিয়ে যেতে পারে যা আচরণগত তথ্য এবং স্ব-প্রতিবেদিত যুক্তি উভয়ই অন্তর্ভুক্ত করে।

এলএলএম উন্নতি করতে থাকায়, জটিল মানব ভাষা বিশ্লেষণ করার তাদের ক্ষমতা কেবল বাড়বে। এই অধ্যয়নটি একটি ব্যবহারিক প্রয়োগ প্রদর্শন করে যা বৈজ্ঞানিক কঠোরতা বজায় রেখে মানব আত্মদর্শনের সমৃদ্ধিকে সম্মান করে। আমাদের পছন্দের পিছনে লুকানো কারণগুলি আর লুকানো নাও থাকতে পারে।

এই নিবন্ধটি ফিজ.অর্গ-এর প্রতিবেদনের উপর ভিত্তি করে তৈরি। মূল নিবন্ধটি পড়ুন।