Искусственный Интеллект и Тетрис-Парадокс

В пионерском исследовании под руководством Корнелльского университета исследователи отправились в исследовательское путешествие в области алгоритмической справедливости в двухигровой версии классической игры Тетрис. Эксперимент был основан на простой, но глубокой предпосылке: игроки, которые получали меньше ходов во время игры, воспринимали своего противника как менее симпатичного, независимо от того, был ли человек или алгоритм ответственен за распределение ходов.

Этот подход ознаменовал значительный сдвиг от традиционного фокуса исследований алгоритмической справедливости, которые в основном сосредоточены на алгоритме или самом решении. Вместо этого исследование Корнелльского университета решило пролить свет на отношения между людьми, затронутыми алгоритмическими решениями. Этот выбор фокуса был обусловлен реальными последствиями принятия решений с помощью ИИ.

“Мы начинаем видеть много ситуаций, в которых ИИ принимает решения о том, как распределять ресурсы между людьми”, – отметил Мальте Юнг, ассоциированный профессор информационных наук в Корнелльском университете, который возглавил исследование. По мере того, как ИИ становится все более интегрированным в различные аспекты жизни, Юнг подчеркнул необходимость понимания того, как эти машино-ориентированные решения формируют межличностные взаимодействия и восприятие. “Мы видим все больше доказательств того, что машины нарушают способ, которым мы взаимодействуем друг с другом”, – прокомментировал он.

Эксперимент: Твист на Тетрис

Для проведения исследования Хьюстон Клауре, постдокторант Йельского университета, использовал открытое программное обеспечение для разработки модифицированной версии Тетриса. Эта новая версия, получившая название Ко-Тетрис, позволяла двум игрокам работать вместе по очереди. Цель игроков была共同ной – манипулировать падающими геометрическими блоками, аккуратно укладывая их без пробелов и предотвращая их накопление на верхней части экрана.

В.twist на традиционную игру “распределитель” – либо человек, либо ИИ – определял, какой игрок будет делать каждый ход. Распределение ходов осуществлялось таким образом, что игроки получали либо 90%, 10% или 50% ходов.

Концепция Поведения Машины при Распределении

Исследователи предположили, что игроки, получающие меньше ходов, признают несбалансированность. Однако то, чего они не ожидали, – это то, что чувства игроков к своему сопернику останутся в основном неизменными, независимо от того, был ли человек или ИИ распределителем. Этот неожиданный результат привел исследователей к созданию термина “поведение машины при распределении”.

Эта концепция относится к наблюдаемому поведению, проявляемому людьми на основе решений о распределении, принимаемых машинами. Это параллельно установленному феномену “поведения при распределении ресурсов”, который описывает, как люди реагируют на решения о распределении ресурсов. Возникновение поведения машины при распределении демонстрирует, как алгоритмические решения могут формировать социальную динамику и межличностные взаимодействия.

Справедливость и Производительность: Удивительный Парадокс

Однако исследование не остановилось на изучении восприятия справедливости. Оно также исследует связь между распределением и производительностью игры. Здесь результаты были несколько парадоксальными: справедливость в распределении ходов не обязательно приводила к лучшей производительности. На самом деле, равное распределение ходов часто приводilo к худшим результатам игры по сравнению с ситуациями, когда распределение было неравным.

Объясняя это, Клауре сказал: “Если сильный игрок получает большинство блоков, команда будет играть лучше. И если один человек получает 90%, в конце концов он станет лучше в этом, чем если бы два средних игрока разделили блоки.”

В нашем развивающемся мире, где ИИ все больше интегрируется в процессы принятия решений в различных областях, это исследование предлагает ценные идеи. Оно представляет собой интригующее исследование того, как алгоритмическое принятие решений может влиять на восприятие, отношения и даже производительность игры. Подчеркивая сложности, возникающие при пересечении ИИ с человеческим поведением и взаимодействием, исследование побуждает нас задуматься о том, как мы можем лучше понять и ориентироваться в этом динамичном, технологически обусловленном ландшафте.