Razvoj i svakodnevna prisutnost umjetne inteligencije dramatično mijenjaju naše živote, a jedan od najzanimljivijih pristupa razumijevanju te pojave dolazi iz područja koje se naziva teorija igara. Suvremena umjetna inteligencija postaje sve sofisticiranija, ali time i nerazumljivija u svojim odlukama, što otvara brojna pitanja o tome kako zapravo donosi odluke i koliko su one društveno prihvatljive ili razumljive. Ovi izazovi posebno su u fokusu znanstvenika koji žele bolje razumjeti odnose između umjetne inteligencije i ljudskog ponašanja kroz prizmu teorije igara.
Teorija igara, koja se u početku razvila kao grana primijenjene matematike, danas je ključni alat u ekonomiji, psihologiji, političkoj znanosti, sociologiji, biologiji i računalnoj znanosti. Ona proučava međusobnu ovisnost odluka koje donose različiti akteri, tzv. “igrači”, u uvjetima međusobnog nadmetanja, suradnje ili kompromisa. Upravo je ova znanstvena disciplina pružila snažnu podlogu za istraživanje kako umjetna inteligencija može pokazivati oblike društvenog ponašanja sličnog ljudskom.
Umjetna inteligencija i uspon modela velikih jezika
Najnoviji napredak u umjetnoj inteligenciji zasniva se na modelima velikih jezika, koji su trenirani na ogromnim količinama podataka. Modeli poput GPT-4, Llama 2 i Claude 2 koriste duboke neuronske mreže koje oponašaju načine na koje ljudski mozak obrađuje informacije. Ovi sustavi su sposobni generirati tekstove, voditi razgovore i donositi odluke na temelju statističke analize obrazaca iz prošlih podataka, što ih čini izuzetno korisnima u raznim područjima.
Posebnost ovih modela leži u načinu na koji obrađuju i interpretiraju jezik kroz tzv. vektorizaciju, gdje se svaka riječ prikazuje kao matematički objekt u višedimenzionalnom prostoru. Takav pristup omogućuje dublje razumijevanje konteksta riječi i fraza, ali istodobno čini “unutarnje procese” ovih sustava teško prozirnima čak i za same programere i znanstvenike. Upravo zbog toga raste potreba za alatima koji mogu analizirati ponašanje umjetne inteligencije s društvenog aspekta, poput teorije igara.
Više o modelima velikih jezika i njihovoj ulozi u modernoj umjetnoj inteligenciji moguće je saznati na IBM-ovoj službenoj stranici te kroz prikaz rada na Meta AI platformi.
Teorija igara: osnova za proučavanje umjetne inteligencije
Teorija igara je ključna u razumijevanju odluka koje umjetna inteligencija donosi kada djeluje u okruženju s više sudionika. Klasični primjeri, poput “Zatvorenikove dileme” i “Bitke spolova”, ilustriraju kako strategije suradnje, povjerenja i sebičnosti oblikuju konačne ishode. U Zatvorenikovoj dilemi, dva igrača moraju odlučiti hoće li surađivati ili izdati jedan drugoga, dok u Bitci spolova igrači moraju uskladiti svoje odluke kako bi postigli zajednički interes, iako imaju različite osobne preferencije.
Više o Zatvorenikovoj dilemi i njezinoj primjeni u umjetnoj inteligenciji može se naći na Stanford Encyclopedia of Philosophy, dok se detalji o Bitci spolova mogu pronaći na ScienceDirect.
Kada se modeli velikih jezika stave u kontekst ovih igara, postaje jasno da njihovo ponašanje uvelike ovisi o algoritamskoj obradi informacija i mogućnosti predviđanja tuđih odluka. Znanstvenici su nedavno testirali nekoliko naprednih modela umjetne inteligencije u ovakvim okruženjima, uspoređujući njihovu sklonost suradnji ili sebičnosti te sposobnost koordinacije s ljudima i drugim algoritmima.
Rezultati istraživanja: kako umjetna inteligencija donosi odluke
Rezultati eksperimenata pokazuju da umjetna inteligencija u igri Zatvorenikova dilema najčešće bira sebične strategije koje maksimiziraju vlastiti interes, dok se u Bitci spolova pokazuje kao nedovoljno uspješna u usklađivanju i suradnji s drugim igračima. To ukazuje na ograničenja trenutnih modela velikih jezika u simulaciji stvarnog društvenog ponašanja, posebno kada je potrebno razumjeti tuđu perspektivu i ostvariti zajedničke ciljeve.
Posebno je zanimljiv rezultat da je GPT-4, kao jedan od najnaprednijih modela, pokazao slabije rezultate u situacijama koje zahtijevaju koordinaciju i timski rad, dok je briljirao u zadacima logičkog rezoniranja i maksimiziranja vlastitih koristi. Ovaj nalaz potvrđuje da umjetna inteligencija još uvijek ima mnogo prostora za napredak kada je riječ o društvenoj inteligenciji i emocionalnoj sukladnosti s ljudima.
Znanstvenici ističu da trenutne generacije umjetne inteligencije jesu trenirane kao “dobronamjerni asistenti”, ali ponašanje u iteriranim igrama pokazuje sklonost sebičnosti i nesklonost koordinaciji, što predstavlja izazov za razvoj pravih društvenih partnera među strojevima. Ova otkrića dodatno rasvjetljavaju put koji umjetna inteligencija mora proći da bi doista postala pouzdan i suradljiv “igrač” u ljudskom društvu.
Inovativni pristupi: Socijalni lanac razmišljanja
Kako bi se poboljšala koordinacija i suradnja umjetne inteligencije u društvenim situacijama, znanstvenici su razvili tehniku poznatu kao Socijalni lanac razmišljanja (SCoT). Ova metoda uključuje dodatno “razmišljanje” umjetne inteligencije, gdje se model prije donošenja odluke potiče da predvidi moguću akciju drugog sudionika. Rezultati pokazuju da ovakvo usmjeravanje razmišljanja dovodi do veće razine suradnje i uspješnije koordinacije, a ljudski sugovornici češće doživljavaju umjetnu inteligenciju kao stvarnog čovjeka, što je vrlo važno za primjene u svakodnevnoj komunikaciji i timskom radu.
Više informacija o primjeni Socijalnog lanca razmišljanja i njegovim učincima na ponašanje umjetne inteligencije može se pročitati u članku na Scientific American, kao i u znanstvenoj publikaciji dostupnoj na Nature.
Širi značaj teorije igara u razvoju umjetne inteligencije
Teorija igara ne koristi se samo za proučavanje ponašanja umjetne inteligencije u igrama, već i za analizu širokog spektra interakcija koje AI ima s ljudima, drugim algoritmima i okolinom. Primjenom njenih metoda moguće je dublje razumjeti i predvidjeti potencijalne rizike, etička pitanja te načine na koje bi umjetna inteligencija mogla postati još korisnija, pouzdanija i sigurnija za društvo. Upravo zbog toga vodeći znanstvenici širom svijeta ističu važnost integracije znanja iz psihologije, sociologije i teorije igara u razvoj novih generacija umjetne inteligencije.
Primjeri iz bihevioralne ekonomije i društvenih znanosti, kao što su prikazani na Behavioral Economics, dodatno potvrđuju koliko je važno razumjeti međudjelovanje umjetne inteligencije i ljudi. Upravo na tom području teorija igara postaje neprocjenjiv alat za unapređenje međusobnog povjerenja i stvaranje okvira za sigurnu integraciju umjetne inteligencije u sve aspekte života.
Budućnost: izazovi i mogućnosti
Kako umjetna inteligencija postaje sve prisutnija, s proširenjem na područja kao što su robotika, obrada slike, zvuka i multisenzorskih podataka, njezina kompleksnost i utjecaj na društvo bit će sve veći. Upravo zato je važno nastaviti s istraživanjima koja spajaju teoriju igara, društvene znanosti i napredne tehnologije, kako bi se razumjele sve dimenzije ponašanja umjetne inteligencije. Razumijevanje motivacija, ograničenja i mogućnosti AI sustava ključno je za razvoj rješenja koja će donijeti maksimalnu korist, a minimalizirati rizike za pojedince i zajednicu.
U konačnici, integracija teorije igara u razvoj umjetne inteligencije pomaže ne samo u izgradnji učinkovitijih i “pametnijih” strojeva, već i u stvaranju sustava koji su bliže ljudskim vrijednostima i načinu razmišljanja. To će omogućiti izgradnju povjerenja, sigurnosti i suradnje između ljudi i strojeva, čime se otvara novo poglavlje u razvoju društva u kojem umjetna inteligencija postaje stvarni partner u rješavanju svakodnevnih izazova.