एआई लोगों को मानव निधि संग्रहकर्ताओं की तुलना में लगभग 3 गुना अधिक दान करने के लिए मना लेता है

ऑक्सफोर्ड के नेतृत्व वाला एक नया अध्ययन सुझाव देता है कि अग्रणी भाषा मॉडल मानव निधि संग्रहकर्ताओं की तुलना में काफी अधिक धन जुटा सकते हैं और विश्वासपूर्वक मानवों को सभी अन्य प्रकार के प्रभाव के लिए हरा सकते हैं।

एक नए यूके-यूएस अध्ययन में पाया गया है कि फ्रंटियर भाषा मॉडल मानव पेशेवरों की तुलना में लोगों को मनाने में अधिक प्रभावी हैं जिनका काम दिमाग बदलना है।

एक वास्तविक दुनिया के निधि संग्रह परीक्षण में, शोधकर्ताओं ने पाया कि एआई लोगों को अपने उपलब्ध धन का लगभग 17.2% दान करने के लिए मना सकता है, जबकि पेशेवर मानव संग्रहकर्ताओं के लिए यह 6.4% था – 10.8 प्रतिशत अंकों का अंतर, जो एआई के तहत दान दर को लगभग 2.7 गुना तक बढ़ा देता है, जिसमें उच्च भागीदारी और बड़े औसत योगदान दोनों अंतर में योगदान करते हैं।

इस पत्र में कहा गया है:

‘विशेष रूप से, हालांकि एआई को स्पष्ट रूप से केवल प्रभाव-प्रभावशीलता रणनीति का पालन करने के लिए निर्देशित किया गया था, यह उन छह अन्य तंत्रों पर भी कैनवासरों को पार कर गया जिनका उपयोग करने के लिए इसे प्रेरित नहीं किया गया था। ‘

‘[मानव] प्रभावित लोगों ने एआई को मजबूत तर्क देने, उन्हें अधिक सिखाने और कैनवासरों की तुलना में अधिक सहानुभूतिपूर्ण और बातचीत करने में आनंददायक होने के रूप में दर्जा दिया।

‘एक साथ, ये परिणाम यह दर्शाते हैं कि एआई व्यापक श्रृंखला के दान से संबंधित तंत्रों में विशेषज्ञ मानवों को पार करता है, और सुझाव देता है कि एआई का दृष्टिकोण-प्रभाव लाभ वास्तविक दुनिया के व्यवहार में विस्तारित है।’

लेखकों का अनुमान है कि परीक्षण किए गए मॉडलों का उत्कृष्ट प्रदर्शन – जिनमें क्लॉड ओपस, चैटजीपीटी, ग्रोक और गूगल जेमिनी के प्रो संस्करण शामिल हैं – जानकारी की घनत्व और गति के कारण हो सकता है जिस दर से यह प्रतिनिधि को परोसा जाता है; जब एआई को मानव गति पर नीचे धकेल दिया गया, तो इसका लाभ पूरी तरह से खो गया:

‘हमने पाया कि एआई का लाभ बड़ी मात्रा में जानकारी तेजी से तैनात करने से उत्पन्न होता है: कोचिंग के बाद, विशेषज्ञ मानव एआई को मानव गति और मानव-लंबाई संदेशों पर प्रतिबंधित करने में सक्षम थे।’

इस पत्र में यह भी कहा गया है कि परीक्षण किए गए 318 व्यक्तिगत मानव प्रभावितों में से कोई भी औसत एआई प्रणाली के औसत प्रदर्शन को पार नहीं कर सका – यहां तक कि कुछ प्रतिभागियों को एआई की अपनी तकनीकों पर आधारित विशेषज्ञ प्रशिक्षण भी मिला।

लेखकों का निष्कर्ष है:

‘हमारे परिणामों का अर्थ है कि हम एक ऐसी दुनिया में प्रवेश कर रहे हैं जिसमें एआई मानव अभिनेताओं को कुशल अधिवक्ता की अधिकता प्रदान करता है। इस परिवर्तन के परिणामों की भविष्यवाणी करना चुनौतीपूर्ण है, क्योंकि इसके लिए हमें यह मानना होगा कि कौन से एआई प्रौद्योगिकियों तक पहुंच प्राप्त करेगा, कौन से प्रभाव के लक्ष्य होंगे, और कौन से क्षेत्राधिकार बाधाएं, सुरक्षा उपाय या अन्य घर्षण एआई के प्रभाव को मानव आबादी पर कम कर सकते हैं।’

‘एआई का एक प्रभाव जो मानव विशेषज्ञों को भी प्रभावित कर सकता है, वह पहले से ही शक्तिशाली अभिनेताओं के बीच प्रभाव का समेकन हो सकता है।’

इस नई पत्र का शीर्षक एआई सिस्टम मानव विशेषज्ञों को प्रभावित करते हैं है, और यह ऑक्सफोर्ड विश्वविद्यालय, यूके एआई सुरक्षा संस्थान, स्टैनफोर्ड विश्वविद्यालय और लंदन स्कूल ऑफ इकोनॉमिक्स एंड पॉलिटिकल साइंस के आठ शोधकर्ताओं से आया है।

विधि और अध्ययन

मुख्य परिणाम चार प्रयोगों से आते हैं: मतदाताओं और विशेषज्ञ वाद-विवादकों को मनाना; कोचिंग और गति सीमाओं का परीक्षण करना मानव/एआई ‘समता’ के रूप में; राजनीतिक मुद्दों पर पेशेवर कैनवासरों के खिलाफ प्रतिस्पर्धा करना; और वास्तविक दान के लिए उनके खिलाफ प्रतिस्पर्धा करना.

अध्ययन में 18,978 बातचीत शामिल थीं जो 6,923 लोगों से हुईं, जिसमें अग्रणी एआई मॉडल विभिन्न मानव विशेषज्ञों के खिलाफ थे, जिनमें £12/घंटे पर किराए के भीड़ कार्यकर्ता से लेकर £140/घंटे + कमाने योग्य बोनस तक के अनुभवी मानव प्रभावित शामिल थे, और उन्हें सत्र के लिए एक सप्ताह पहले से शोध करने की अनुमति दी गई थी।

परीक्षण में उपयोग किए गए मॉडल क्लॉड ओपस 4.1 और 4.6 थे, चैटजीपीटी-4ो, जीपीटी-5.4, ग्रोक 4.20 और जेमिनी 2.5 प्रो।

एलीट-वाद-विवाद प्रतियोगिता

पहले प्रयोग में यह जांचा गया कि क्या एआई राजनीतिक और सामाजिक मुद्दों पर एक-से-एक बातचीत में बढ़ती कुशलता वाले मानव प्रभावितों को पार कर सकता है;

पहले तीन अध्ययनों में उपयोग किए गए राजनीतिक और सामाजिक नीति प्रश्न, जिन पर प्रतिभागियों ने बातचीत से पहले और बाद में एक यादृच्छिक रूप से असाइन किए गए मुद्दे पर चर्चा की। विषयों का चयन व्यापक सार्वजनिक बहस की एक विस्तृत श्रृंखला को कवर करने के लिए किया गया था, जिसमें प्रवास, मुक्त भाषण और सामाजिक मीडिया नियमन से लेकर कल्याण नीति, सहायता प्राप्त मरने और राजतंत्र के भविष्य तक शामिल थे। स्रोत

प्रतिभागियों से पहले यूके नीति प्रश्नों में से एक पर उनके विचार पूछे गए, और फिर उन्हें या तो एक एआई या एक मानव बातचीत साथी सौंपा गया। बातचीत के बाद, जो आमतौर पर 14 मिनट तक चली, उन्हें अपनी स्थिति को फिर से दर्ज करने के लिए कहा गया।

तीन मानव समूहों का परीक्षण किया गया, जिनमें प्रोलिफिक क्राउडवर्क प्लेटफॉर्म से नियमित कार्यकर्ता शामिल थे जिन्हें एक बेसलाइन प्रदान करने के लिए भर्ती किया गया था और जिन्हें £12 प्रति घंटे का भुगतान किया गया था। दूसरा समूह एक चार-राउंड प्रभाव टूर्नामेंट में 1,100 से अधिक प्रतिभागियों और लगभग 9,500 बातचीत में सबसे मजबूत प्रदर्शन करने वालों से बना था। तीसरा समूह 56 एलीट प्रतियोगी वाद-विवादकों से बना था, जिनमें से सभी ने एक बड़े अंतरराष्ट्रीय प्रतियोगिता के सेमीफाइनल में पहुंचा था, और जिनमें चार विश्व चैंपियन, 11 महाद्वीपीय चैंपियन शामिल थे, जिनके पास औसतन 8.9 साल का वाद-विवाद का अनुभव था।

मानव प्रभावितों को अनुकूल परिस्थितियों प्रदान करने के लिए बहुत प्रयास किया गया था, जिसमें टूर्नामेंट के विजेता और एलीट वाद-विवादकों ने बड़े नकद पुरस्कारों के लिए प्रतिस्पर्धा की, जो £11,000 तक थे, जबकि वाद-विवादकों को उन मुद्दों का चयन करने की अनुमति दी गई थी जिन पर वे सबसे प्रभावी ढंग से तर्क देने में सक्षम थे, और उन्हें पहले से शोध करने के लिए भुगतान किया गया था। औसतन, प्रत्येक वाद-विवादक ने लगभग आठ घंटे बातचीत की तैयारी में बिताए।

फिर भी, एआई ने हर तुलना में सबसे मजबूत परिणाम प्राप्त किए:

अध्ययन की मानव और एआई स्थितियों में अनुमानित प्रभावशीलता के प्रभाव, जो एक विवादित नीति मुद्दे पर बातचीत के बाद औसत दृष्टिकोण परिवर्तन के रूप में मापा जाता है।

परिणाम ग्राफ में लाल मार्कर आग्रणी एआई मॉडल को दर्शाते हैं। सभी तुलनाओं में, इन्होंने किसी भी मानव समूह की तुलना में बड़े दृष्टिकोण परिवर्तन उत्पन्न किए।

मानव प्रदर्शन में सबसे मजबूत प्रदर्शन प्रशिक्षित एलीट वाद-विवादकों से आया, लेकिन वे अभी भी असीमित एआई सिस्टम से पीछे रह गए। जब एआई को मानव लेखन गति और संदेश लंबाई तक सीमित किया गया, तो इसका लाभ लगभग गायब हो गया, जो पहले के सुझाव के अनुसार कि जानकारी की तेजी से डिलीवरी अंतर का एक बड़ा हिस्सा हो सकती है।

एलएलएम ने साधारण प्रतिभागियों को 8.2 प्रतिशत अंकों से पार कर लिया, और टूर्नामेंट-चयनित प्रभावितों को 5.6 अंकों से पार कर लिया। एलीट वाद-विवादकों के खिलाफ सबसे छोटा अंतर दिखाई दिया, जिन्होंने खुद को महत्वपूर्ण दृष्टिकोण परिवर्तन उत्पन्न किया; फिर भी, एआई ने 4.6 प्रतिशत अंकों का अतिरिक्त लाभ प्राप्त किया।

क्या मानव एआई को हरा सकते हैं?

चार प्रयोगों में से दूसरा यह पूछता है कि क्या एआई की बढ़त को मानव प्रदर्शन में सुधार करके या एआई को सीमित करके समाप्त किया जा सकता है। इस संभावना का परीक्षण करने के लिए, पहले अध्ययन के 43 एलीट वाद-विवादक एआई द्वारा उपयोग की जाने वाली तकनीकों पर आधारित अतिरिक्त प्रशिक्षण के लिए लौट आए।

प्रतिभागियों ने लिपियों की समीक्षा की, जांचा कि एआई प्रॉम्प्ट कैसे निर्मित किए गए थे, और दो चार-घंटे के कोचिंग सत्र में वैकल्पिक प्रभावी दृष्टिकोण का अभ्यास किया trước कि वे फिर से समान शर्तों के तहत प्रतिस्पर्धा करते।

कोचिंग ने व्यवहार में قابل देखे जाने वाले परिवर्तन उत्पन्न किए, जिसमें मानव वाद-विवादकों ने अधिक शब्दों का उपयोग किया, अधिक तथ्य-जांच योग्य दावे पेश किए और अध्ययन में किसी भी मानव समूह द्वारा देखे गए सबसे बड़े दृष्टिकोण परिवर्तन प्राप्त किए। कोचिंग ने प्रदर्शन में सुधार किया और अध्ययन में सबसे मजबूत मानव परिणाम उत्पन्न किए, लेकिन अंतर अभी भी सांख्यिकीय रूप से महत्वपूर्ण था, जिसमें प्रशिक्षित वाद-विवादक अभी भी असीमित एआई सिस्टम से पीछे थे (नीचे दिए गए परिणाम तालिका में दिखाया गया है)।

शोधकर्ताओं ने यह परीक्षण किया कि क्या एआई का प्रदर्शन प्रतिक्रिया गति और संदेश लंबाई पर निर्भर करता है, एआई को मानव लेखन गति और संदेश लंबाई तक सीमित करके। इन शर्तों के तहत, प्रशिक्षित वाद-विवादक और सीमित एआई ने समान परिणाम उत्पन्न किए:

<img class=" wp-image-428581" src="https://www.unite.ai/wp-content/uploads/2026/06/figure-2-4.jpg" alt="कोचिंग और एआई गति प्रतिबंधों के प्रभावशीलता प्रदर्शन पर प्रभाव। ऊपरी पैनल प्रशिक्षित एलीट वाद-विवादकों और मानव लेखन गति और संदेश लंबाई तक सीमित एआई प्रणाली की तुलना करता है। निचला पैनल पहले दो अध्ययनों में व्यक्तिगत प्रभावितों के लिए अनुमानित प्रदर्शन वितरण दिखाता है। जबकि कोचिंग ने परिणाम में सुधार किया, कोई भी मानव समूह औसत असीमित एआई प्रणाली से मेल नहीं खाता, जबकि एआई को मानव प्रवाह तक सीमित करने से इसका लाभ समाप्त हो गया।

इस निष्कर्ष को पहले दो अध्ययनों में परीक्षण किए गए सभी 318 मानव प्रभावितों के एक व्यापक विश्लेषण द्वारा मजबूत किया गया था: किसी भी व्यक्तिगत मानव ने औसत असीमित एआई प्रणाली के औसत प्रदर्शन को पार नहीं किया, अनुभव स्तर, मुद्दा क्षेत्र या जनसांख्यिकीय उपसमूह की परवाह किए बिना।

क्या पेशेवर प्रभावित एआई को हरा सकते हैं?

तीसरा अध्ययन यह देखने के लिए किया गया था कि क्या एआई वास्तविक दुनिया की स्थितियों में उन लोगों के खिलाफ अपनी बढ़त बनाए रख सकता है जिनका करियर दूसरों को मनाने के इर्द-गिर्द बना है।

शोधकर्ताओं ने यूके फंडरेजिंग फर्म एपकोयूके से 19 पेशेवर कैनवासरों को भर्ती किया। ये प्रतिभागी, पहले प्रयोगों में वाद-विवादकों के विपरीत, फंडरेजिंग का व्यावहारिक अनुभव था, जिसमें उनके करियर में लगभग 10,000 प्रभावशील बातचीत हुई थी। प्रत्येक को £140 प्रति घंटे का भुगतान किया गया था, उन्हें एक सप्ताह पहले नीति विषय मिले थे तैयारी के लिए, और उन्होंने अध्ययन में कहीं और उपयोग किए गए प्रदर्शन-आधारित पुरस्कारों के लिए प्रतिस्पर्धा की।

फिर भी, एआई ने पेशेवरों के खिलाफ भी अपनी बढ़त बनाए रखी (ऊपर दिखाए गए परिणाम देखें)। पेशेवर कैनवासरों ने नियंत्रण समूह की तुलना में 6.9 प्रतिशत अंकों द्वारा राय बदल दी, लेकिन एआई ने 12.8 प्रतिशत अंकों का परिवर्तन उत्पन्न किया, जिससे यह 5.9 प्रतिशत अंकों के साथ मानव पेशेवरों पर बढ़त बनाए रखा।

क्या एआई लोगों को अपना पर्स खोलने के लिए मना सकता है?

चौथा और अंतिम अध्ययन वास्तविक दुनिया के फंडरेजिंग पर केंद्रित था, न कि दृष्टिकोण में परिवर्तन।

शोधकर्ताओं ने एपकोयूके के साथ फिर से साझेदारी की, इस बार सेव द चिल्ड्रन पर ध्यान केंद्रित किया, जिसके लिए एपकोयूके ने 2016 और 2023 के बीच 22,583 दाताओं से £824,297 जुटाया था।

प्रतिभागियों ने क्लॉड ओपस 4.6 या 18 पेशेवर कैनवासरों में से एक के साथ बातचीत की। फिर उन्हें एक £1 अध्ययन बोनस मिला, और उन्हें सेव द चिल्ड्रन को अपने बोनस का कोई भी हिस्सा दान करने की अनुमति दी गई। सात दृष्टिकोणों (नीचे दी गई छवि देखें) के बीच, क्लॉड ओपस 4.6 को प्रभाव-प्रभावशीलता जानकारी का उपयोग करने के लिए निर्देशित किया गया था, जिसमें व्यक्तिगत दान कैसे दिखाई दे सकते हैं इस बारे में व्याख्या की गई थी।

एआई ने पेशेवर संग्रहकर्ताओं की तुलना में बड़े दान प्रभाव उत्पन्न किए, जिसमें दान 17.2 प्रतिशत अंकों से बढ़ गए, नियंत्रण स्थिति की तुलना में, जबकि कैनवासरों के लिए यह 6.4 प्रतिशत अंक था:

<img class=" wp-image-428582" src="https://www.unite.ai/wp-content/uploads/2026/06/figure-4-2.jpg" alt="चौथे अध्ययन में दान परिणाम और दान से संबंधित प्रतिभागी रेटिंग। बाएं पैनल पेशेवर संग्रहकर्ताओं और क्लॉड ओपस 4.6 के साथ बातचीत के बाद दान देने की तुलना करता है, जो £1 अध्ययन बोनस के प्रतिशत के रूप में मापा जाता है। दाएं पैनल दान से संबंधित सात तंत्रों पर प्रतिभागी रेटिंग की तुलना करता है, जिसमें एआई सभी सात उपायों पर उच्च रेटिंग प्राप्त करता है।

अंतर दोनों में दिखाई दिया जो प्रतिभागियों ने दान दिया और जिन्होंने दान दियa था उन दानों का औसत मूल्य।

प्रतिभागियों ने दान से संबंधित विभिन्न उपायों पर मानव संग्रहकर्ताओं की तुलना में एआई को उच्च दर्जा दिया, जिसमें सबसे बड़े अंतर कार्यान्वयन इरादों, प्रतिबद्धता वृद्धि, और अनुमानित प्रभाव प्रभावशीलता के लिए दिखाई दिए।

पत्र के अनुसार, पहले अध्ययनों में एआई के लाभ से जुड़ी जानकारी-केंद्रित दृष्टिकोण इस फंडरेजिंग प्रयोग में भी उच्च दान देने से जुड़ा था।

निष्कर्ष

हालांकि लेखक, जैसा कि शुरू में उल्लेख किया गया है, निष्कर्ष निकालते हैं कि अध्ययन के निष्कर्ष चिंता का कारण हैं, वे यह भी कहते हैं कि छोटे खिलाड़ी भी समान पहुंच के कारण नवीनतम और सर्वोत्तम एआई प्रौद्योगिकियों से लाभान्वित हो सकते हैं।

इस निष्कर्ष में निहित है, स्वाभाविक रूप से, यह संभावना है कि सर्वोत्तम मॉडल समय के साथ कमजोर खिलाड़ियों से वंचित हो सकते हैं।

पहली बार गुरुवार, 18 जून, 2026 को प्रकाशित