Khi các hệ thống AI được đưa vào xã hội, một câu hỏi mới được đặt ra: liệu chúng có thể cải thiện cuộc sống của chúng ta ngoài các nhiệm vụ kỹ thuật và sáng tạo không? Liệu chúng có thể giúp loài người đưa ra những quyết định tốt hơn, khiến chúng ta bớt ích kỷ hơn và thúc đẩy sự hợp tác tốt hơn không?
Một nghiên cứu gần đây của các nhà nghiên cứu Arend Hintze và Christoph Adami khám phá chính xác câu hỏi này trong bài báo của họ, “Thúc đẩy hợp tác trong trò chơi hàng hóa công bằng cách sử dụng tác nhân trí tuệ nhân tạo,” được xuất bản trong npj Độ phức tạp.
Bi kịch của cái chung
Bi kịch của tài sản chung là một lý thuyết kinh tế trong đó các cá nhân, trong một môi trường tài nguyên chung và có hạn, lạm dụng và cạn kiệt tài nguyên, dẫn đến sự đau khổ cho cả nhóm. TedEd có một video hay giải thích lý thuyết này mà tôi khuyên bạn nên xem. Để kiểm tra lý thuyết của họ về việc liệu AI có thể cải thiện sự hợp tác giữa con người hay không, các nhà nghiên cứu đã sử dụng một thí nghiệm hợp tác nổi tiếng thường được mô tả là trò chơi “hàng hóa công cộng”.
Video được đề xuất
Trong thử nghiệm này, người chơi có thể đóng góp vào quỹ chung mang lại lợi ích cho mọi người hoặc giữ phần đóng góp của họ cho riêng mình. Mặc dù nhóm làm tốt nhất khi mọi người đóng góp nhưng mỗi cá nhân có thể giữ lại và tận hưởng phần thưởng được chia sẻ. Chỉ riêng con người đã không thể hiện tốt trong bài kiểm tra này và hành động vì lợi ích cá nhân chứ không phải với tư cách là một phần của nhóm. Sau đó, các nhà nghiên cứu đã đưa các tác nhân AI vào hỗn hợp.
Trong kịch bản đầu tiên, các đặc vụ AI được lập trình để luôn hợp tác. Điều đó nghe có vẻ hứa hẹn nhưng nó không làm thay đổi hành vi của con người. Mọi người tiếp tục hành động vì lợi ích riêng của họ. Chỉ thêm những tác nhân “tốt” vào hệ thống là chưa đủ. Trong kịch bản thứ hai, người chơi có thể điều khiển các đặc vụ AI. Như bạn có thể tưởng tượng, điều này đã phản tác dụng. Người chơi đặt AI hợp tác trong khi chọn không hợp tác với chính mình, thuê ngoài hành vi tốt trong khi tối đa hóa lợi ích cá nhân.
Arend Hintze & Christoph Adami / npj Độ phức tạp
Kịch bản thứ ba cho thấy kết quả đầy hứa hẹn. Các tác nhân AI bắt chước hành vi của những người chơi mà chúng tương tác. Nếu một người hợp tác, AI sẽ hợp tác. Nếu người đó hành động ích kỷ, AI sẽ phản ánh lựa chọn đó. Điều này tạo ra một hệ thống phản hồi mạnh mẽ, trong đó sự hợp tác của con người được đền đáp bằng sự hợp tác của AI. Điều này dẫn đến sự hợp tác được cải thiện giữa người chơi.
Tất cả những điều này có liên quan gì đến xe tự lái?
Arend Hintze & Christoph Adami / npj Độ phức tạp
Mặc dù nghiên cứu còn hạn chế và đơn giản hóa để có hiệu quả trong thế giới thực, nhưng các nhà nghiên cứu cho biết nghiên cứu này có thể được áp dụng cho một số tình huống, bao gồm cả xe tự lái. Ví dụ, ô tô tự động có thể được thiết kế để thưởng cho việc lái xe hợp tác và không tuân theo các quy tắc nghiêm ngặt. Nếu có đủ số lượng xe tự lái áp dụng tính năng này, chúng có thể tạo ra một vòng phản hồi tích cực mang lại lợi ích cho tất cả mọi người.
AI không thể loại bỏ sự ích kỷ một cách kỳ diệu. Tuy nhiên, nó có thể cung cấp đủ động lực để khiến việc hợp tác trở thành lựa chọn thông minh hơn, đặc biệt là trong trường hợp xe điện. Những phát hiện được công bố trong Nghiên cứu Giao thông vận tải Tạp chí cũng đề xuất một hệ thống tích hợp để định tuyến và điều phối chuyển động của các phương tiện nhàn rỗi nhằm phục vụ hành khách tốt nhất. Một nghiên cứu khác được công bố trên Người máy tạp chí đề xuất một hệ thống kết nối trực quan và theo dõi không va chạm giữa các phương tiện tự lái.
Nguyên tắc này cũng có thể được sử dụng để lên lịch sạc cho ô tô điện tự lái để chúng có thể tránh phải chờ đợi lâu và gây căng thẳng cho lưới điện, như được trình bày chi tiết trong tài liệu này. giấy. Các hệ thống AI, bao gồm các chatbot như ChatGPT và Gemini, đã tuân theo hệ thống dựa trên phần thưởng để tìm hiểu và cải thiện hiệu suất của chúng, đồng thời có vẻ như hệ thống này cũng có thể giải quyết rất tốt các vấn đề về robotaxi trong thế giới thực khi chúng dần dần đi vào xu hướng phổ biến.
Nguồn DigitalTrend