Intelligence Artificielle et le Casse-Tête Tetris

Dans une étude pionnière menée par l’Université Cornell, les chercheurs se sont lancés dans un voyage d’exploration 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 pendant le jeu percevaient leur adversaire comme moins sympathique, qu’il s’agisse d’un humain ou d’un algorithme responsable de l’attribution des tours.

Cette approche marquait un changement significatif par rapport à l’accent traditionnel de la recherche sur l’équité algorithmique, qui se concentre principalement sur l’algorithme ou la décision elle-même. Au lieu de cela, l’étude de l’Université Cornell a choisi de mettre en lumière les relations entre les personnes affectées par les décisions algorithmiques. Ce choix de focalisation était motivé par les implications réelles de la prise de décision par l’IA.

“Nous commençons à voir de nombreuses situations dans lesquelles l’IA prend des décisions sur la façon dont les ressources doivent être distribuées 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 est de plus en plus intégrée à divers aspects de la vie, Jung a souligné la nécessité de comprendre comment ces décisions prises par les machines 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 : Un Twist sur Tetris

Pour mener l’étude, Houston Claure, chercheur postdoctoral à l’Université 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 partagé des joueurs était de manipuler des blocs géométriques qui tombaient, en les empilant soigneusement sans laisser d’espaces et en empêchant les blocs de s’accumuler jusqu’au haut de l’écran.

Dans un twist sur le jeu traditionnel, un “allocateur” – soit un humain ou un IA – déterminait quel joueur prendrait 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 supposé que les joueurs recevant moins de tours reconnaîtraient le déséquilibre. Cependant, ce qu’ils n’avaient pas anticipé, c’est que les sentiments des joueurs envers leur co-joueur resteraient en grande partie les mêmes, qu’il s’agisse d’un humain ou d’un IA en tant qu’allocateur. Ce résultat inattendu a conduit les chercheurs à créer le terme “comportement d’allocation de machine”.

Ce concept fait référence au comportement observable des personnes en fonction des décisions d’attribution prises par les machines. Il est parallèle au phénomène établi de “comportement d’allocation de ressources”, qui décrit la façon dont les personnes réagissent aux décisions de distribution de ressources. L’émergence du comportement d’allocation de machine démontre comment les décisions algorithmiques peuvent façonner la dynamique sociale et les interactions interpersonnelles.

Équité et Performance : Un Paradoxe Surprenant

Cependant, l’étude n’a pas cessé d’explorer les perceptions d’équité. Elle explore également la relation entre l’attribution et la performance du jeu. Ici, les résultats étaient quelque peu paradoxaux : l’équité dans l’attribution des tours ne conduisait pas nécessairement à de meilleures performances. En fait, une attribution égale des tours aboutissait souvent à de moins bons scores de jeu par rapport aux situations où l’attribution était inégale.

En expliquant cela, Claure a déclaré : “Si un joueur fort reçoit la plupart des blocs, l’équipe va faire mieux. Et si une personne reçoit 90 %, elle finira par devenir meilleure que si deux joueurs moyens partagent les blocs.”

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 perspectives précieuses. Elle 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 lumière les complexités qui surgissent lorsque l’IA croise 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.