Ένα πείραμα στο οποίο δύο άνθρωποι παίζουν μια τροποποιημένη έκδοση του διάσημου βιντεοπαιχνιδιού Tetris έδειξε πώς επηρεάζονται οι παίκτες ως προς την αντίληψη για τον συμπαίκτη τους- λαμβάνοντας υπόψιν και το αν η κατανομή των γύρων του παιχνιδιού γίνεται από άνθρωπος ή κάποιον αλγόριθμο.
«Αναμέναμε ότι τους ανθρώπους που κάνουν κάτι στο πλαίσιο μιας ομάδας θα τους ένοιαζε αν αντιμετωπίζονταν άδικα από έναν άλλο άνθρωπο ή μια τεχνητή νοημοσύνη» είπε ο Μάλτε Γιουνγκ, επίκουρος καθηγητής επιστήμης της πληροφόρησης στο Cornell Ann S. Bowers College of Computing and Information Science, η ομάδα του οποίου πραγματοποίησε την έρευνα.
Οι πιο πολλές έρευνες πάνω στη δίκαιη λειτουργία αλγορίθμων εστιάζουν στον αλγόριθμο ή στην ίδια την απόφαση, μα ο Γιουνγκ αποφάσισε να διερευνήσει τις σχέσεις μεταξύ των ανθρώπων πυο επηρεάζονται από τις αποφάσεις. «Αρχίζουμε να βλέπουμε πολλές καταστάσεις όπου η ΑΙ παίρνει αποφάσεις ως προς το πώς πόροι θα έπρεπε να διανέμονται μεταξύ ανθρώπων» είπε ο Γιουνγκ. «Θέλουμε να κατανοήσουμε πώς αυτό επηρεάζει τον τρόπο με τον οποίο οι άνθρωποι αντιμετωπίζουν ο ένας τον άλλον και συμπεριφέρονται ο ένας στον άλλο. Βλέπουμε όλο και περισσότερα στοιχεία πως οι μηχανές επηρεάζουν τον τρόπο με τον οποίο αλληλεπιδρούμε ο ένας με τον άλλον».
Ο Χιούστον Μπ. Κλορ είναι ο first author του «The Social Sequences of Machine Allocation Behavior: Fairness, Interpersonal Perceptions and Performance», που δημοσιεύτηκε στις 27 Απριλίου στο Computers in Human Behavior. O Γιουνγκ και ο Κλορ είχαν κάνει μια προηγούμενη έρευνα όπου ένα ρομπότ επέλεγε σε ποιον θα δινόταν ένα block, και είχαν εξετάσει τις αντιδράσεις του κάθε ατόμου στις αποφάσεις που λαμβάνονταν για τη διανομή/ κατανομή τους.
«Αντιληφθήκαμε πως κάθε φορά που ένα ρομπότ φαινόταν να προτιμά ένα άτομο, το άλλο εκνευριζόταν» είπε ο Γιουνγκ, διευθυντής του Robots in Groups Lab. «Θέλαμε να το μελετήσουμε αυτό περαιτέρω, επειδή θεωρήσαμε πως, καθώς η λήψη αποφάσεων από μηχανές γίνεται περισσότερο κομμάτι του κόσμου- είτε πρόκειται για ρομπότ είτε για αλγόριθμο- πώς κάνει αυτό έναν άνθρωπο να νιώθει;».
Λόγω του χρόνου που χρειάστηκε για πειράματα και ανάλυση δεδομένων μέσω της χρήσης ενός «φυσικού» ρομπότ, οι δύο ερευνητές θεώρησαν ότι υπήρχε ένας καλύτερος και πιο αποδοτικός τρόπος για να μελετηθεί το φαινόμενο- και κάπου εδώ μπήκε στο παιχνίδι το Tetris.
Το παιχνίδι, που είχε πρωτοκυκλοφορήσει το 1984, αποτελεί εδώ και πολύ καιρό χρήσιμο εργαλείο για ερευνητές που δουλεύουν πάνω σε γνωστικές λειτουργίες, κοινωνική συμπεριφορά κ.α.
«Όταν μιλάμε για κατανομή πόρων αποδεικνύεται πως το Tetris δεν είναι απλά ένα παιχνίδι- είναι ένα ισχυρό εργαλείο για την απόκτηση πληροφοριών ως προς την πολύπλοκη σχέση μεταξύ της κατανομής πόρων, των επιδόσεων και της κοινωνικής δυναμικής» είπε ο Κλορ.
Χρησιμοποιώντας open source λογισμικό, ο Κλορ, πλέον μεταδιδακτορικός στο Yale, ανέπτυξε μια έκδοση του Tetris για δύο παίκτες (ως γνωστόν στον Tetris οι παίκτες χειρίζονται τα μπλοκ που πέφτουν έτσι ώστε να τα στοιβάζουν χωρίς να αφήνουν κενά, με τις γραμμές από τα τουβλάκια να εξαφανίζονται, αποφεύγοντας το γέμισμα της οθόνης). Στην έκδοση αυτή, το Co-Tetris, δύο παίκτες τη συνεργάζονται (ένας τη φορά/ τον γύρο).
Ένας «allocator», άνθρωπος ή ΑΙ, αποφασίζει ποιος θα παίζει στον κάθε γύρο. Ο Γιουνγκ και ο Κλορ έκαναν το πείραμα έτσι ώστε ο παίκτης να έχει είτε το 90% των γύρων, είτε το 10% είτε το 50%.
Όπως διαπιστώθηκε, αυτοί που είχαν λιγότερους γύρους αντιλαμβάνονταν (προφανώς) ότι ο συμπαίκτης είχε πιο πολλούς. Η έκπληξη ήταν πως τα συναισθήματα για αυτό ήταν ίδια, ανεξαρτήτως του αν ο «allocator» ήταν άνθρωπος ή ΑΙ. Επίσης, ένα άλλο εύρημα ήταν το εξής: Όταν η κατανομή γινόταν από ΑΙ, ο παίκτης που λάμβανε περισσότερους γύρους έβλεπε τον συμπαίκτη ως λιγότερο «κυρίαρχο», μα όταν γινόταν γινόταν από άνθρωπο δεν ίσχυε αυτό.
Η επίδραση αυτών των αποφάσεων ορίζεται από τους ερευνητές ως «machine allocation behavior»- παρόμοια με το φαινόμενο του «resource allocation behavior», την παρατηρήσιμη δηλαδή συμπεριφορά που παρουσιάζουν οι άνθρωποι με βάση τις αποφάσεις κατανομής/ διανομής πόρων. Ο Γιουνγκ είπε ότι η machine allocation behavior είναι η έννοια ότι υπάρχει «αυτή η μοναδική συμπεριφορά που προκύπτει από ένα μηχάνημα που λαμβάνει αποφάσεις σχετικά με το πώς κατανέμεται κάτι».
Οι ερευνητές επίσης διαπίστωσαν πως το δίκαιο της όλης υπόθεσης δεν οδηγεί αυτόματα σε καλύτερο gameplay και επιδόσεις. Για την ακρίβεια, η ίση κατανομή γύρων οδήγησε, κατά μέσο όρο, σε χειρότερο σκορ σε σχέση με την άνιση κατανομή. «Αν ένας δυνατός παίκτης λαμβάνει τα πιο πολλά τουβλάκια η ομάδα θα τα πάει καλύτερα. Και αν κάποιος πάρει 90%, κάποια στιγμή θα βελτιωθεί σε σχέση με δύο μέτριους παίκτες που μοιράζονται τα τουβλάκια».