Sztuczna inteligencja a dylemat Tetrisa

W przełomowym badaniu prowadzonym przez Cornell University, naukowcy wyruszyli w eksploracyjną podróż po obszarach sprawiedliwości algorytmicznej w wersji gry Tetris dla dwóch graczy. Eksperyment oparty był na prostym, lecz głębokim założeniu: Gracze, którzy otrzymali mniej tur podczas gry, postrzegali swojego przeciwnika jako mniej sympatycznego, niezależnie od tego, czy to człowiek, czy algorytm był odpowiedzialny za przydzielanie tur.

Podejście to oznaczało znaczące odejście od tradycyjnego skupienia się na sprawiedliwości algorytmicznej, które głównie koncentruje się na algorytmie lub samym decyzjom. Zamiast tego, badanie Cornell University postanowiło rzucić światło na relacje między ludźmi dotkniętymi decyzjami algorytmicznymi. Wybór tego focusu był podyktowany realnymi implikacjami podejmowania decyzji przez sztuczną inteligencję.

“Zaczynamy widzieć wiele sytuacji, w których sztuczna inteligencja podejmuje decyzje o tym, jak rozdzielić zasoby między ludzi”, zauważył Malte Jung, associate professor of information science at Cornell University, który kierował badaniem. W miarę jak sztuczna inteligencja staje się coraz bardziej zintegrowana z różnymi aspektami życia, Jung podkreślił potrzebę zrozumienia, jak te decyzje maszyn wpływają na interakcje międzyludzkie i percepcje. “Widzimy coraz więcej dowodów na to, że maszyny wpływają na sposób, w jaki взаимодействujemy ze sobą”, skomentował.

Eksperyment: Twist na Tetris

Aby przeprowadzić badanie, Houston Claure, postdoctoral researcher at Yale University, wykorzystał oprogramowanie open-source, aby stworzyć zmodyfikowaną wersję Tetris. Ta nowa wersja, nazwana Co-Tetris, pozwalała dwóm graczom na współpracę. Wspólnym celem graczy było manipulowanie spadającymi blokami geometrycznymi, starannie układając je bez luk i uniemożliwiając im gromadzenie się na górze ekranu.

W odwróceniu tradycyjnej gry, “allocator” – człowiek lub sztuczna inteligencja – decydował, który gracz wykona każdą turę. Przydział tur był rozdzielony w taki sposób, że gracze otrzymywali 90%, 10% lub 50% tur.

Pojęcie zachowania alokacji maszynowej

Naukowcy założyli, że gracze, którzy otrzymali mniej tur, rozpoznają nierównowagę. Niemniej jednak, co nie było oczekiwane, to fakt, że uczucia graczy wobec współgracza pozostaną w dużej mierze takie same, niezależnie od tego, czy to człowiek, czy sztuczna inteligencja była allocator. Ten nieoczekiwany wynik skłonił naukowców do stworzenia terminu “zachowanie alokacji maszynowej”.

Pojęcie to odnosi się do obserwowanego zachowania ludzi w oparciu o decyzje o alokacji podejmowane przez maszyny. Jest to równoległe do ustanowionego zjawiska “zachowania alokacji zasobów”, które opisuje, jak ludzie reagują na decyzje o dystrybucji zasobów. Pojawienie się zachowania alokacji maszynowej pokazuje, jak decyzje algorytmiczne kształtują dynamikę społeczną i interakcje międzyludzkie.

Sprawiedliwość i wydajność: Zaskakująca paradoks

Jednak badanie nie ograniczyło się do eksploracji postrzeganej sprawiedliwości. Zbadano również relację między alokacją a wydajnością gry. Tutaj wyniki były dość paradoksalne: sprawiedliwość w alokacji tur niekoniecznie prowadzi do lepszej wydajności. W rzeczywistości, równa alokacja tur często skutkowała gorszymi wynikami gry w porównaniu z sytuacjami, w których alokacja była nierówna.

Wyjaśniając to, Claure powiedział: “Jeśli silny gracz otrzyma większość bloków, zespół będzie działał lepiej. A jeśli jedna osoba otrzyma 90%, w końcu staną się lepsi w tym, niż gdyby dwie przeciętne osoby dzieliły bloki”.

W naszym ewoluującym świecie, w którym sztuczna inteligencja jest coraz bardziej zintegrowana z procesami decyzyjnymi w różnych dziedzinach, to badanie oferuje cenne spostrzeżenia. Zapewnia ono interesującą eksplorację tego, jak podejmowanie decyzji przez algorytmy może wpływać na percepcje, relacje i nawet wyniki gry. Podkreślając złożoności, które pojawiają się, gdy sztuczna inteligencja przecina się z ludzkim zachowaniem i interakcjami, badanie skłania nas do rozważenia kluczowych pytań o to, jak możemy lepiej zrozumieć i nawigować ten dynamiczny, napędzany technologią krajobraz. decision-making can influence perceptions, relationships, and even game performance. By highlighting the complexities that arise when AI intersects with human behaviors and interactions, the study prompts us to ponder crucial questions about how we can better understand and navigate this dynamic, tech-driven landscape.