En un fascinante experimento que involucra una versión modificada del clásico juego Tetris, los investigadores han descubierto ideas sobre cómo la asignación injusta de la IA y la respuesta humana pueden afectar la dinámica social.
El estudio, realizado por la Facultad de Computación y Ciencias de la Información Ann S. Bowers de la Universidad de Cornell, arroja luz sobre las percepciones y comportamientos de los individuos afectados por las decisiones de asignación tomadas por humanos o por inteligencia artificial.
Decisiones de asignación
El profesor asociado Malte Jung dirigió el estudio para explorar las relaciones entre las personas afectadas por las decisiones de asignación, un área que a menudo se pasa por alto en la investigación de la equidad algorítmica.
Si bien la mayoría de los estudios se centran en el algoritmo o la decisión en sí, Jung y su equipo profundizaron en las consecuencias sociales de estas decisiones.
“Estamos empezando a ver muchas situaciones en las que la IA toma decisiones sobre cómo se deben distribuir los recursos entre las personas”. explicó jung.
“Queremos entender cómo esto influye en la forma en que las personas se perciben unas a otras y se comportan entre sí. Vemos cada vez más evidencia de que las máquinas interfieren con la forma en que interactuamos entre nosotros”.
Houston B. Claure, primer autor del artículo de investigación titulado “Las consecuencias sociales del comportamiento de asignación de máquinas: equidad, percepciones interpersonales y rendimiento”, explicó que su estudio anterior sobre las decisiones de asignación de un robot los llevó a explorar más a fondo cómo reaccionan los individuos a preferencias de las máquinas.
Para agilizar sus investigaciones, el equipo recurrió al Tetris, el icónico videojuego de apilamiento de bloques que ha servido durante mucho tiempo como herramienta de investigación para comprender el comportamiento y la cognición humanos.
Al desarrollar una versión para dos jugadores llamada Co-Tetris, el investigador Claure creó una plataforma donde los participantes jugaban en colaboración.
Claure empleó software de código abierto para crear un sistema de “asignación” que determinaba la distribución de turnos entre los jugadores. El asignador podía asumir el papel de un ser humano o de una IA, y se informaba a los participantes sobre la identidad del asignador.
Los investigadores manipularon las condiciones de asignación, incluidos escenarios en los que un jugador recibía el 90% de los turnos, otro jugador recibía el 10% (lo que se conoce como condición “menos”) o se mantenía una división igual del 50% para cada jugador (lo que se conoce como condición “menos”). como condición de “igualdad”).
Los resultados revelaron que los individuos que recibieron menos turnos eran muy conscientes de la ventaja de su compañero, independientemente de si el asignador era un humano o una IA.
Sorprendentemente, los investigadores descubrieron que las percepciones de dominancia diferían según el asignador. Cuando una IA realizó la asignación, el jugador que recibió más turnos vio a su compañero como menos dominante, mientras que las percepciones de dominio no se vieron afectadas cuando un humano hizo la asignación.
Comportamiento de asignación de máquinas
Los investigadores acuñaron el término “comportamiento de asignación de la máquina” para describir el comportamiento único que resulta de una máquina que toma decisiones de asignación.
También descubrieron que la asignación equitativa de turnos no se traducía necesariamente en una mejor jugabilidad y rendimiento. Por el contrario, la asignación desigual a menudo conducía a mejores puntuaciones, ya que un jugador fuerte que recibía la mayoría de los bloqueos contribuía al éxito general del equipo.
René Kizilcec, coautor del estudio, enfatizó la importancia de considerar los efectos a largo plazo de las decisiones de la IA en los individuos, especialmente en escenarios donde se toman decisiones continuas.
A medida que las herramientas de IA se integran cada vez más en la vida cotidiana, como los tutores de IA en educación, es fundamental comprender cómo las personas perciben la competencia y la equidad de estos sistemas a lo largo del tiempo.
Este estudio abre nuevas vías para la investigación sobre la intrincada relación entre las decisiones de la IA, la percepción humana y la dinámica social.
Al investigar el impacto de la asignación injusta en un contexto familiar y atractivo como el Tetris, los investigadores han arrojado luz sobre las complejidades de las interacciones entre la IA y los humanos y la necesidad de una mayor exploración en este campo.
Los hallazgos del estudio fueron publicado en Computadoras en el comportamiento humano.
ⓒ 2023 . .
