Umělá inteligence a Tetrisová konunda

V rámci průkopnického výzkumu vedeného Cornellovou univerzitou se výzkumníci pustili do průzkumu algoritmické spravedlnosti ve dvouhráčové verzi klasické hry Tetris. Experiment byl založen na jednoduchém, ale hlubokém předpokladu: hráči, kteří dostali méně tahů během hry, považovali svého soupeře za méně sympatického, bez ohledu na to, zda za přidělování tahů byl zodpovědný člověk nebo algoritmus.

Tento přístup znamenal významný posun od tradičního zaměření výzkumu algoritmické spravedlnosti, který se převážně soustředí na algoritmus nebo rozhodnutí samo o sobě. Místo toho se studie Cornellovy univerzity rozhodla osvětlit vztahy mezi lidmi, kteří jsou ovlivněni algoritmickými rozhodnutími. Tento výběr zaměření byl dán skutečnými důsledky rozhodování umělých inteligencí.

“Začněme vidět mnoho situací, ve kterých umělá inteligence rozhoduje o tom, jak rozdělit zdroje mezi lidmi,” poznamenal Malte Jung, docent informačních věd na Cornellově univerzitě, který vedl studii. S tím, jak se umělá inteligence stále více integruje do různých aspektů života, Jung zdůraznil potřebu pochopit, jak tato rozhodnutí strojů formují mezilidské interakce a vnímání. “Vidíme stále více důkazů, že stroje mění způsob, jakým komunikujeme s ostatními,” komentoval.

Experiment: Twist na Tetris

Pro provedení studie využil Houston Claure, postdoktorandský výzkumník na Yaleově univerzitě, open-source software k vývoji modifikované verze Tetrisu. Tato nová verze, nazvaná Co-Tetris, umožňovala dvěma hráčům střídavě spolupracovat. Společným cílem hráčů bylo manipulovat padajícími geometrickými bloky, aby je mohli pěkně uspořádat bez mezer a zabránit tomu, aby bloky narůstaly na vrchol obrazovky.

V novém pohledu na tradiční hru “allocator” – buď člověk nebo umělá inteligence – určoval, který hráč bude hrát který tah. Rozdělení tahů bylo takového charakteru, že hráči dostali buď 90%, 10% nebo 50% tahů.

Koncept chování při přidělování strojů

Výzkumníci předpokládali, že hráči, kteří dostali méně tahů, rozpoznají nerovnováhu. Nicméně, co neočekávali, bylo, že pocity hráčů vůči svému spoluhráči zůstanou převážně stejné, bez ohledu na to, zda allocator byl člověk nebo umělá inteligence. Tento neočekávaný výsledek vedl výzkumníky k vytvoření pojmu “chování při přidělování strojů”.

Tento koncept se týká pozorovatelného chování, které lidé vykazují na základě rozhodnutí o přidělování zdrojů stroji. Je to paralela ke zavedenému jevu “chování při přidělování zdrojů”, který popisuje, jak lidé reagují na rozhodnutí o rozdělování zdrojů. Vznik chování při přidělování strojů demonstruje, jak algoritmická rozhodnutí mohou formovat sociální dynamiku a mezilidské interakce.

Spravedlnost a výkon: Překvapivá paradoxie

Nicméně, studie se nezastavila pouze u zkoumání vnímání spravedlnosti. Zkoumala také vztah mezi přidělováním a herním výkonem. Zde byly výsledky poněkud paradoxní: spravedlnost v přidělování tahů nemusí nutně vést k lepšímu výkonu. Ve skutečnosti, rovné přidělování tahů často vedlo k horším herním skóre ve srovnání se situacemi, kde bylo přidělování nerovné.

“Pokud silný hráč dostane většinu bloků, tým bude hrát lépe. A pokud jeden hráč dostane 90%, nakonec se bude zlepšovat více než kdyby dva průměrní hráči rozdělili bloky,” vysvětlil Claure.

V našem se měnícím světě, kde umělá inteligence je stále více integrována do rozhodovacích procesů v různých oblastech, tato studie nabízí cenné poznatky. Poskytuje fascinující průzkum toho, jak algoritmická rozhodnutí mohou ovlivňovat vnímání, vztahy a dokonce i herní výkon. Zvýrazněním komplexit, které vznikají, když se umělá inteligence setkává s lidským chováním a interakcemi, studie nás vede k zamyšlení nad důležitými otázkami o tom, jak můžeme lépe pochopit a navigovat v tomto dynamickém, technologiemi řízeném prostředí.