AI-mallit ja alustat
Tekoäly ja Tetrisin arvoitus
Cornellin yliopiston johtamassa uraauurtavassa tutkimuksessa tutkijat lähtivät tutkimaan algoritminen reiluus Tetris-pelin kaksinpeliversiossa. Kokeen perustana oli yksinkertainen mutta syvällinen oletus: Pelaajat, jotka saivat vähemmän vuoroja pelin aikana, kokivat vastustajansa vähemmän mielekkäänä, riippumatta siitä, oliko ihminen vai algoritmi vastuussa vuoroon jakamisesta.
Tämä lähestymistapa merkitsi merkittävää muutosta perinteisestä algoritmisen reiluuden tutkimuksesta, joka keskittyy pääasiassa itse algoritmiin tai päätöksiin. Sen sijaan Cornellin yliopiston tutkimus päätti valaista suhteita ihmisten välillä, jotka ovat vaikuttaneet algoritmisiin päätöksiin. Tämä keskittyminen johtui tekoälyn päätöksenteon todellisista maailman vaikutuksista.
“Alkaamme nähdä tilanteita, joissa tekoäly tekee päätöksiä siitä, miten resursseja jaetaan ihmisten kesken”, totesi Malte Jung, tietojenkäsittelytieteen apulaisprofessori Cornellin yliopistossa, joka johti tutkimusta. Kun tekoäly yhdistyy yhä enemmän elämän eri osa-alueisiin, Jung korosti tarvetta ymmärtää, miten nämä koneiden tekemät päätökset muokkaavat vuorovaikutuksia ja mielipiteitä. “Näemme yhä enemmän näyttöä siitä, että koneet vaikuttavat siihen, miten vuorovaikutamme toistemme kanssa”, hän kommentoi.
Koe: Tetrisin twist
Tutkimuksen suorittamiseksi Houston Claure, postdoc-tutkija Yalen yliopistossa, käytti avoimen lähdekoodin ohjelmistoa kehittääkseen muokatun version Tetris-pelistä. Tämä uusi versio, joka kutsutaan Co-Tetrikseksi, salli kahden pelaajan vuorotella toisiinsa. Pelaajien yhteinen tavoite oli manipuloida putoavia geometrisia paloja, pinota ne siististi ilman aukkoja ja estää paloja kasaantumasta ruudun yläreunaan.
Perinteisen pelin twistinä “jakaja” – joko ihminen tai tekoäly – päätti, kumpi pelaaja saisi kunkin vuoron. Vuoroon jakoa jaettiin siten, että pelaajat saivat joko 90%, 10% tai 50% vuoroista.
Koneen jakamiskäyttäytyminen
Tutkijat olettivat, että pelaajat, jotka saivat vähemmän vuoroja, tunnistaisivat epätasapainon. Mitä he eivät kuitenkaan odottaneet, oli se, että pelaajien tunteet toisiaan kohtaan säilyisivät suurelta osin samana, riippumatta siitä, oliko ihminen vai tekoäly jakajana. Tämä odottamaton tulos johti siihen, että tutkijat keksivät termin “koneen jakamiskäyttäytyminen”.
Tämä käsite viittaa havaittavissa olevaan käyttäytymiseen, jota ihmiset näyttävät koneiden tekemien jakamispäätösten perusteella. Se on rinnakkainen ilmiö vakiintuneelle “resurssien jakamiskäyttäytymiselle”, joka kuvaa, miten ihmiset reagoivat resurssien jakamiseen liittyviin päätöksiin. Koneen jakamiskäyttäytymisen ilmestyminen osoittaa, miten algoritmiset päätökset voivat muokata sosiaalista dynamiikkaa ja vuorovaikutuksia.
Reiluus ja suorituskyky: Yllättävä paradoksi
Tutkimus ei kuitenkaan loppunut siihen, että se tutki vain reiluuden vaikutuksia. Se tutkii myös vuoroon jakamisen ja pelin suorituskyvyn välistä suhdetta. Tässä tutkimuksen tulokset olivat jonkin verran paradoksaaliset: vuoroon jakamisen reiluus ei välttämättä johtanut parempaan suorituskykyyn. Itseasiassa vuoroon jakamisen tasa-arvo johti usein huonompiin pelipisteisiin verrattuna tilanteisiin, joissa jakoa ei jaettu tasan.
Selittäessään tätä, Claure sanoi: “Jos vahva pelaaja saa useimmat palikat, joukkue menestyy paremmin. Ja jos yksi henkilö saa 90%, he lopulta paranevat siinä, mitä he tekevät, verrattuna tilanteeseen, jossa kaksi keskivertopelaajaa jakavat palikat.”
Kehittyvässä maailmassamme, jossa tekoäly yhdistyy yhä enemmän päätöksentekoprosesseihin eri aloilla, tämä tutkimus tarjoaa arvokkaita oivalluksia. Se tarjoaa mielenkiintoisen tarkastelun siitä, miten algoritmisen päätöksenteon vaikutukset voivat vaikuttaa mielipiteisiin, suhteisiin ja jopa pelin suorituskykyyn. Korostamalla kompleksisuutta, joka syntyy, kun tekoäly leikkaa ihmisten käyttäytymisen ja vuorovaikutuksen, tutkimus kannustaa meitä pohtimaan tärkeitä kysymyksiä siitä, miten voimme paremmin ymmärtää ja navigoida tässä dynaamisessa, teknologiajohtoisessa maisemassa.












