인공 지능과 테트리스의 딜레마

콘奈尔 대학교가 주도한 개척적인 연구에서, 연구자들은 2인용 테트리스 게임의 알고리즘 공정성에 대한 탐구적인 여정에 착수했다. 이 실험은 간단하지만 깊은 전제에 기반을 두고 있었다: 게임에서 더 적은 차례를 받은 플레이어는 상대방을 덜 호감으로 인식했다. 이는 인간이나 알고리즘이 차례를 할당했는지에 관계없이 마찬가지였다.

이 접근법은 알고리즘 공정성 연구의 전통적인 초점에서 크게 벗어난 것으로, 주로 알고리즘 또는 의사 결정 자체에 집중했다. 대신, 콘奈尔 대학교 연구는 알고리즘 의사 결정에 영향을 받는 사람들 사이의 관계에 대한 조명을 제공하기로 결정했다. 이 초점의 선택은 AI 의사 결정의 실제 세계적 의미에 의해 주도되었다.

“우리는 점점 더 많은 상황에서 AI가 자원을 사람들 사이에서 어떻게 분배할지에 대한 의사 결정을 내린다는 것을 보게 됩니다.”라고 말테 정(Malte Jung) 콘奈엘 대학교 정보 과학 부교수가 연구를 주도했다. 정은 AI가 점점 더 많은 삶의 영역에 통합됨에 따라, 이러한 기계 제작 의사 결정이 어떻게 상호 작용과 인식을 형성하는지 이해하는 필요성을 강조했다. “우리는 기계가 우리가 서로 상호 작용하는 방식에 영향을 미친다는 많은 증거를 보게 됩니다.”라고 그는 말했다.

실험: 테트리스의 변형

이 연구를 수행하기 위해, 예일 대학교의 박사 후 연구원 휴스턴 클로어(Houston Claure)는 오픈 소스 소프트웨어를 사용하여 테트리스의 수정된 버전을 개발했다. 이 새로운 버전, 즉 Co-Tetris는 두 명의 플레이어가 번갈아 함께 일할 수 있게 해주었다. 플레이어들의 공통 목표는 떨어지는 기하학적 블록을 조작하여 빈 공간 없이 깔끔하게 쌓고, 블록이 화면의 상단에 쌓이는 것을 방지하는 것이었다.

전통적인 게임과는 다른 방식으로, “할당자” 즉, 인간이나 AI가 어느 플레이어가 차례를 가져갈지 결정했다. 차례의 할당은 플레이어가 90%, 10%, 또는 50%의 차례를 받도록 분배되었다.

기계 할당 행동의 개념

연구자들은 더 적은 차례를 받은 플레이어가 불균형을 인식할 것이라고 가정했다. 그러나 예상치 못한 결과는 플레이어들의 상대방에 대한 감정이 대부분 동일하게 남아 있었던 것으로, 이는 인간이나 AI가 할당자였는지에 관계없이 마찬가지였다. 이 예상치 못한 결과로 연구자들은 “기계 할당 행동”이라는 용어를 만들었다.

이 개념은 기계가 내린 할당 결정에 따라 사람들 사이에서 나타나는 행동을 설명한다. 이는 기존의 “자원 할당 행동” 현상과 평행선으로, 이는 사람들 사이에서 자원 분배에 대한 결정에 대한 반응을 설명한다. 기계 할당 행동의 출현은 알고리즘 의사 결정이 어떻게 사회적 역동과 상호 작용을 형성하는지 보여준다.

공정성과 성능: 놀라운 역설

그러나 이 연구는 공정성에 대한 탐구에만 그치지 않았다. 또한 차례 할당과 게임 성능 사이의 관계를探索했다. 여기서의 발견은 약간 역설적이었다: 차례 할당의 공정성이 항상 더好的 성능으로 이어지지 않았다. 실제로, 차례를 동등하게 할당하는 경우 게임 점수가 더 나쁘게 나타나는 경우가 많았다.

클로어는 “강한 플레이어가 대부분의 블록을 받으면, 팀은 더 잘할 것이다. 그리고 한 사람이 90%를 받으면, 두 명의 평균 플레이어가 블록을 나눠 가지면 더 잘할 것이다.”라고 설명했다.

우리가 발전하는 세계에서, AI가 점점 더 많은 의사 결정 과정에 통합됨에 따라, 이 연구는 귀중한 통찰력을 제공한다. 이는 알고리즘 의사 결정이 어떻게 인식, 관계, 그리고 게임 성능에 영향을 미칠 수 있는지에 대한 매혹적인 탐구를 제공한다. AI와 인간 행동 및 상호 작용의 교차점에서 발생하는 복잡성을 강조함으로써, 이 연구는 우리가 어떻게 더 잘 이해하고, 이 역동적인 기술 주도적 풍경을 탐색할 수 있는지에 대한 중요한 질문을 제기한다.