人工智能与俄罗斯方块困境

康奈尔大学的一项开创性的研究，由研究人员率先探索了算法公平性的领域，采用了俄罗斯方块的两玩家版本。该实验基于一个简单却深刻的前提：玩家在游戏中获得的回合次数较少，会认为对手的可亲和度较低，无论是人类还是算法负责分配回合。

这种方法标志着算法公平性研究的传统焦点发生了重大转变，传统焦点主要集中在算法或决策本身。相反，康奈尔大学的研究决定将焦点放在算法决策影响的人们之间的关系上。这种选择的驱动力来自于人工智能决策的现实世界影响。

“我们开始看到很多情况下，人工智能决定如何在人们之间分配资源，” 康奈尔大学信息科学副教授马尔特·容格（Malte Jung）观察到，他领导了这项研究。随着人工智能越来越多地融入生活的各个方面，容格强调了了解这些机器决策如何塑造人际交互和感知的必要性。”我们看到越来越多的证据表明，机器会干扰我们彼此之间的交互，” 他评论道。

实验：俄罗斯方块的变体

为了进行这项研究，耶鲁大学的博士后研究员休斯顿·克劳尔（Houston Claure）利用开源软件开发了俄罗斯方块的修改版本。这个新版本被称为Co-Tetris，允许两名玩家交替合作。玩家的共同目标是操纵下落的几何块，整齐地堆叠它们而不留下空隙，并防止块堆叠到屏幕的顶部。

在传统游戏中，有一个“分配器”——无论是人类还是人工智能——决定哪个玩家将采取每个回合。回合的分配方式是，玩家获得90％、10％或50％的回合。

机器分配行为的概念

研究人员假设，获得较少回合的玩家会认识到这种不平衡。然而，他们没有预料到的是，玩家对共同玩家的感受将在很大程度上保持不变，无论是人类还是人工智能作为分配器。这种意外的结果导致研究人员创造了“机器分配行为”这个术语。

这个概念指的是基于机器分配决策的人们表现出的可观察行为。这是与已建立的“资源分配行为”现象相平行的概念，后者描述了人们如何对资源分配决策做出反应。机器分配行为的出现表明，算法决策可以塑造社会动态和人际交互。

公平性和性能：一个令人惊讶的悖论

然而，这项研究并没有停止于探索公平性的认知。它还探索了分配和游戏性能之间的关系。在这里，发现的结果有些悖论：回合分配的公平性并不一定会带来更好的性能。事实上，回合的平等分配往往会导致比不平等分配的情况下更差的游戏分数。

克劳尔解释说：“如果一个强大的玩家获得大多数的块，那么团队就会表现得更好。如果一个人获得90％的块，最终他们会比两个平均玩家分配块时更擅长。”

在我们不断发展的世界中，人工智能越来越多地融入决策过程的各个领域，这项研究提供了宝贵的见解。它对算法决策如何影响认知、关系，甚至游戏性能进行了令人着迷的探索。通过强调人工智能与人类行为和交互的交叉点所带来的复杂性，这项研究促使我们思考如何更好地理解和应对这一动态的技术驱动的格局。