Kunstig intelligens og Tetris-dilemmaet

I en banebrytende studie ledet av Cornell University, gikk forskerne på en utforskende reise inn i områdene for algoritmissk fairness i en to-spiller-versjon av det klassiske spillet Tetris. Eksperimentet var basert på en enkel, men dyptgående premisse: Spillere som fikk færre tur under spillet oppfattet motspilleren som mindre likelig, uavhengig av om det var et menneske eller en algoritme som var ansvarlig for å fordele tur.

Dette tilretteleggingen markerte en betydelig skifte bort fra den tradisjonelle fokuset på algoritmissk fairness-forskning, som hovedsakelig zoomer inn på algoritmen eller beslutningen selv. I stedet valgte Cornell University-studien å kaste lys over forholdet mellom menneskene som ble berørt av algoritmisske beslutninger. Dette valget av fokus var drevet av de virkelige verdensimplikasjonene av AI-beslutning.

“Vi begynner å se en rekke situasjoner hvor AI tar beslutninger om hvordan ressurser skal fordeles blant mennesker,” observerte Malte Jung, associate professor of information science at Cornell University, som ledet studien. Da AI blir stadig mer integrert i ulike aspekter av livet, understreket Jung behovet for å forstå hvordan disse maskinlagde beslutningene former mellommenneskelige interaksjoner og oppfatninger. “Vi ser stadig mer bevis for at maskiner forstyrer måten vi interagerer med hverandre på,” kommenterte han.

Eksperimentet: En twist på Tetris

For å gjennomføre studien, brukte Houston Claure, en postdoktorand ved Yale University, åpen kildekode-programvare for å utvikle en modifisert versjon av Tetris. Denne nye versjonen, kalt Co-Tetris, tillot to spillere å arbeide sammen om å manipulere fallende geometriske blokker, å stable dem pent uten å etterlate hull og å forhindre at blokkene stablet seg opp til toppen av skjermen.

I en twist på det tradisjonelle spillet, bestemte en “allocator” – enten et menneske eller en AI – hvilken spiller som skulle ta hver tur. Fordelingen av tur var slik at spillere fikk enten 90%, 10% eller 50% av tur.

Konseptet om maskinfordelingsatferd

Forskerne antok at spillere som fikk færre tur ville gjenkjenne ubalansen. Men det de ikke forventet, var at spillernes følelser mot medspilleren ville forbli stort sett de samme, uavhengig av om det var et menneske eller en AI som var allocator. Dette uventede resultatet ledet forsykerne til å mynte begrepet “maskinfordelingsatferd”.

Dette konseptet refererer til den observerbare atferden som mennesker viser basert på fordelingsbeslutninger tatt av maskiner. Det er en parallell til det etablerte fenomenet “ressursfordelingsatferd”, som beskriver hvordan mennesker reagerer på beslutninger om ressursfordeling. Fremkomsten av maskinfordelingsatferd demonstrerer hvordan algoritmiske beslutninger kan forme sosiale dynamikker og mellommenneskelige interaksjoner.

Fairness og ytelse: En overraskende paradoks

Men studien stoppet ikke ved å utforske oppfatninger av fairness. Den utforsket også forholdet mellom fordeling og spillprestasjon. Her var funnene noe paradoksale: fairness i turfordeling ikke nødvendigvis ledet til bedre prestasjon. I virkeligheten resulterte lik fordeling av tur ofte i dårligere spillpoeng sammenlignet med situasjoner hvor fordelingen var ulik.

Claure forklarte dette ved å si: “Hvis en sterk spiller får de fleste blokkene, vil laget gjøre det bedre. Og hvis en person får 90%, vil de til slutt bli bedre på det enn hvis to gjennomsnittlige spillere deler blokkene.”

I vår utviklende verden, hvor AI stadig mer integreres i beslutningsprosesser over ulike felt, tilbyr denne studien verdifulle innsikter. Den gir en intrigerende utforskning av hvordan algoritmisk beslutning kan påvirke oppfatninger, relasjoner og selv spillprestasjon. Ved å understreke kompleksitetene som oppstår når AI krysser med menneskelige atferd og interaksjoner, oppfordrer studien oss til å overveie kritiske spørsmål om hvordan vi kan bedre forstå og navigere dette dynamiske, teknologidrevne landskapet.