Künstliche Intelligenz und das Tetris-Dilemma

In einer bahnbrechenden Studie der Cornell University machten sich Forscher auf eine erkundende Reise in die Bereiche der algorithmischen Fairness in einer Zwei-Spieler-Version des klassischen Spiels Tetris. Das Experiment basierte auf einer einfachen, aber tiefgründigen Prämisse: Spieler, die während des Spiels weniger Züge erhielten, empfanden ihren Gegner als weniger sympathisch, unabhängig davon, ob ein Mensch oder ein Algorithmus für die Zuweisung der Züge verantwortlich war.

Dieser Ansatz markierte einen bedeutenden Schritt weg von der traditionellen Konzentration auf algorithmische Fairness-Forschung, die hauptsächlich auf den Algorithmus oder die Entscheidung selbst fokussiert ist. Stattdessen beschloss die Cornell University-Studie, das Licht auf die Beziehungen zwischen den Menschen zu werfen, die von algorithmischen Entscheidungen betroffen sind. Diese Wahl der Konzentration wurde durch die realen Auswirkungen von KI-Entscheidungen getrieben.

“Wir sehen immer mehr Situationen, in denen KI Entscheidungen darüber trifft, wie Ressourcen unter den Menschen verteilt werden”, bemerkte Malte Jung, Associate Professor für Informationswissenschaft an der Cornell University, der die Studie leitete. Da KI immer mehr in verschiedene Aspekte des Lebens integriert wird, hob Jung die Notwendigkeit hervor, zu verstehen, wie diese maschinellen Entscheidungen die zwischenmenschlichen Interaktionen und Wahrnehmungen prägen. “Wir sehen immer mehr Beweise dafür, dass Maschinen die Art und Weise, wie wir miteinander interagieren, beeinflussen”, kommentierte er.

Das Experiment: Eine Variation von Tetris

Um die Studie durchzuführen, nutzte Houston Claure, ein Postdoktorand an der Yale University, Open-Source-Software, um eine modifizierte Version von Tetris zu entwickeln. Diese neue Version, genannt Co-Tetris, ermöglichte es zwei Spielern, abwechselnd zusammenzuarbeiten. Das gemeinsame Ziel der Spieler bestand darin, fallende geometrische Blöcke zu manipulieren, sie ordentlich zu stapeln, ohne Lücken zu hinterlassen und zu verhindern, dass die Blöcke bis zum oberen Rand des Bildschirms stapelten.

In einer Variation des traditionellen Spiels bestimmte ein “Zuweiser” – entweder ein Mensch oder eine KI – welcher Spieler jeden Zug ausführen würde. Die Zuweisung der Züge erfolgte so, dass die Spieler entweder 90%, 10% oder 50% der Züge erhielten.

Das Konzept des maschinellen Zuweisungsverhaltens

Die Forscher vermuteten, dass Spieler, die weniger Züge erhielten, die Ungleichheit erkennen würden. Was sie jedoch nicht erwartet hatten, war, dass die Gefühle der Spieler gegenüber ihrem Mitspieler größtenteils gleich bleiben würden, unabhängig davon, ob ein Mensch oder eine KI der Zuweiser war. Dieses unerwartete Ergebnis führte die Forscher dazu, den Begriff “maschinelles Zuweisungsverhalten” zu prägen.

Dieses Konzept bezieht sich auf das beobachtbare Verhalten, das Menschen aufgrund von Zuweisungsentscheidungen durch Maschinen zeigen. Es ist ein Parallel zum etablierten Phänomen des “Ressourcen-Zuweisungsverhaltens”, das beschreibt, wie Menschen auf Entscheidungen über Ressourcenverteilung reagieren. Die Entstehung des maschinellen Zuweisungsverhaltens zeigt, wie algorithmische Entscheidungen soziale Dynamiken und zwischenmenschliche Interaktionen prägen können.

Fairness und Leistung: Ein überraschendes Paradox

Die Studie stoppte jedoch nicht bei der Erforschung von Fairness-Wahrnehmungen. Sie erforscht auch die Beziehung zwischen Zuweisung und Spiel-Leistung. Hier waren die Ergebnisse etwas paradox: Fairness in der Zuweisung der Züge führte nicht unbedingt zu besserer Leistung. Tatsächlich führte eine gleiche Zuweisung der Züge oft zu schlechteren Spiel-Ergebnissen im Vergleich zu Situationen, in denen die Zuweisung ungleich war.

Claure erklärte dies damit, dass “wenn ein starker Spieler die meisten Blöcke erhält, das Team besser abschneidet. Und wenn eine Person 90% erhält, wird sie schließlich besser darin, als wenn zwei durchschnittliche Spieler die Blöcke teilen.”

In unserer sich entwickelnden Welt, in der KI immer mehr in Entscheidungsprozesse in verschiedenen Bereichen integriert wird, bietet diese Studie wertvolle Einblicke. Sie bietet eine faszinierende Erforschung davon, wie algorithmische Entscheidungen Wahrnehmungen, Beziehungen und sogar Spiel-Leistung beeinflussen können. Indem die Studie die Komplexitäten hervorhebt, die entstehen, wenn KI mit menschlichem Verhalten und Interaktionen zusammentrifft, regt sie uns dazu an, entscheidende Fragen darüber zu stellen, wie wir diese dynamische, technologiegetriebene Landschaft besser verstehen und navigieren können.