Intelligence Artificielle et le Casse-Tête de Tetris

Dans une étude pionnière menée par l’Université Cornell, les chercheurs se sont lancés dans un voyage d’exploration des domaines 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 déplacement significatif par rapport à la focalisation traditionnelle de la recherche sur l’équité algorithmique, qui se concentre principalement sur l’algorithme ou la décision lui-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 manière dont les ressources devraient être distribuées entre les personnes”, a observé Malte Jung, professeur agrégé de sciences de l’information à l’Université Cornell, qui a mené l’étude. À mesure 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 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, un chercheur postdoctoral à l’Université Yale, a utilisé un logiciel open-source pour développer une version modifiée de Tetris. Cette nouvelle version, appelée Co-Tetris, permettait à deux joueurs de travailler ensemble de manière alternée. L’objectif partagé des joueurs était de manipuler des blocs géométriques tombants, les empilant soigneusement sans laisser d’espaces et en empêchant les blocs de s’accumuler jusqu’au sommet de l’écran.

Dans un twist sur le jeu traditionnel, un “allocateur” – soit un humain, soit une IA – déterminait quel joueur prendrait chaque tour. La répartition des tours était telle 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 largement les mêmes, qu’il s’agisse d’un humain ou d’une 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 présenté par les personnes en fonction des décisions d’allocation prises par les machines. Il s’agit d’un parallèle au phénomène établi de “comportement d’allocation de ressources”, qui décrit la manière dont les gens réagissent aux décisions concernant la distribution des 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’allocation et la performance du jeu. Ici, les résultats sont quelque peu paradoxaux : l’équité dans l’allocation des tours ne conduit pas nécessairement à de meilleures performances. En fait, une allocation égale des tours a souvent abouti à de moins bons scores de jeu par rapport aux situations où l’allocation était inégale.

En expliquant cela, Claure a déclaré : “Si un joueur fort reçoit la plupart des blocs, l’équipe va mieux performer. 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 dans les processus de prise de décision dans divers domaines, cette étude offre des perspectives précieuses. Elle fournit une exploration intrigante de la manière 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 manière dont nous pouvons mieux comprendre et naviguer dans ce paysage dynamique et technologique.