L'intelligence artificielle et l'énigme de Tetris

Dans une étude pionnière menée par l’Université Cornell, des chercheurs se sont lancés dans un voyage exploratoire dans le domaine de l’équité algorithmique dans une version à deux joueurs du jeu classique Tetris. L'expérience était fondée sur un principe simple mais profond : les joueurs qui recevaient moins de tours au cours du jeu percevaient leur adversaire comme moins sympathique, que ce soit un humain ou un algorithme qui était responsable de l'attribution des tours.

Cette approche a marqué un changement significatif par rapport à l'orientation traditionnelle de la recherche algorithmique sur l'équité, qui se concentre principalement sur l'algorithme ou la décision elle-même. Au lieu de cela, l'étude de l'Université Cornell a décidé de faire la lumière sur les relations entre les personnes affectées par les décisions algorithmiques. Ce choix d'orientation a été motivé par les implications réelles de la prise de décision en matière d'IA.

"Nous commençons à voir de nombreuses situations dans lesquelles l'IA prend des décisions sur la manière dont les ressources doivent être réparties entre les personnes", a observé Malte Jung, professeur agrégé de sciences de l'information à l'Université Cornell, qui a dirigé l'étude. Alors que l'IA s'intègre de plus en plus dans divers aspects de la vie, Jung a souligné la nécessité de comprendre comment ces décisions prises par la machine façonnent les interactions et les perceptions interpersonnelles. "Nous voyons de plus en plus de preuves que les machines perturbent la façon dont nous interagissons les uns avec les autres", a-t-il commenté.

L'expérience : une torsion sur Tetris

Pour mener l'étude, Houston Claure, chercheur postdoctoral à l'Université de Yale, a utilisé un logiciel open source pour développer une version modifiée de Tetris. Cette nouvelle version, baptisée Co-Tetris, permettait à deux joueurs de travailler ensemble en alternance. L'objectif commun des joueurs était de manipuler des blocs géométriques qui tombaient, de les empiler soigneusement sans laisser d'espace et d'empêcher les blocs de s'empiler en haut de l'écran.

Dans une variante du jeu traditionnel, un "distributeur" - soit un humain, soit une IA - déterminait quel joueur jouerait à chaque tour. L'attribution des tours était répartie de telle sorte que les joueurs recevaient soit 90 %, 10 % ou 50 % des tours.

Le concept de comportement d'allocation de machine

Les chercheurs ont émis l'hypothèse que les joueurs recevant moins de tours reconnaîtraient le déséquilibre. Cependant, ils n'avaient pas anticipé que les sentiments des joueurs envers leur adversaire resteraient globalement les mêmes, que l'allocateur soit humain ou IA. Ce résultat inattendu a conduit les chercheurs à inventer le terme « comportement d'allocation de machine ».

Ce concept fait référence au comportement observable des personnes en fonction des décisions d'allocation prises par les machines. C'est un parallèle avec le phénomène bien établi du « comportement d'allocation des ressources », qui décrit comment les gens réagissent aux décisions concernant la distribution des ressources. L'émergence du comportement d'allocation des machines montre comment les décisions algorithmiques peuvent façonner la dynamique sociale et les interactions interpersonnelles.

Équité et performance : un surprenant paradoxe

Cependant, l'étude ne s'est pas limitée à l'exploration des perceptions d'équité. Elle a également examiné la relation entre la répartition des tours et les performances de jeu. Les résultats étaient quelque peu paradoxaux : une répartition équitable des tours n'entraînait pas nécessairement de meilleures performances. En réalité, une répartition équitable des tours entraînait souvent des scores de jeu inférieurs à ceux obtenus dans des situations où la répartition était inégale.

Claure explique : « Si un joueur fort obtient la plupart des contres, l'équipe sera plus performante. Et si un joueur obtient 90 %, il finira par devenir meilleur que si deux joueurs moyens se partageaient les contres. »

Dans notre monde en évolution, où l'IA est de plus en plus intégrée aux processus de prise de décision dans divers domaines, cette étude offre des informations précieuses. Il fournit une exploration intrigante de la façon dont la prise de décision algorithmique peut influencer les perceptions, les relations et même les performances du jeu. En mettant en évidence les complexités qui surviennent lorsque l'IA se croise avec les comportements et les interactions humaines, l'étude nous invite à réfléchir à des questions cruciales sur la façon dont nous pouvons mieux comprendre et naviguer dans ce paysage dynamique et axé sur la technologie.