هوش مصنوعی جدید Deepmind ممکن است در توزیع منابع جامعه بهتر از انسان باشد

بازنشر افلاطون

دنبال: 0

اینکه چگونه گروه‌هایی از انسان‌ها که به طور مشترک با یکدیگر کار می‌کنند باید ثروتی را که ایجاد می‌کنند دوباره توزیع کنند، مشکلی است که سال‌ها گریبانگیر فیلسوفان، اقتصاددانان و دانشمندان علوم سیاسی بوده است. مطالعه جدیدی از DeepMind نشان می دهد که هوش مصنوعی ممکن است بتواند تصمیمات بهتری نسبت به انسان بگیرد.

هوش مصنوعی به طور فزاینده ای در حل چالش های پیچیده در همه چیز از تجارت گرفته تا زیست پزشکی ماهر است، بنابراین ایده استفاده از آن برای کمک به طراحی راه حل برای مشکلات اجتماعی ایده جذابی است. اما انجام این کار دشوار است، زیرا پاسخ به این نوع سؤالات مستلزم تکیه بر ایده های بسیار ذهنی مانند انصاف، عدالت و مسئولیت است.

برای اینکه یک راه حل هوش مصنوعی کار کند، باید با ارزش های جامعه ای که با آن سروکار دارد هماهنگ شود، اما تنوع ایدئولوژی های سیاسی که امروزه وجود دارد نشان می دهد که اینها به دور از یکنواختی هستند. این امر کار را دشوار می کند که چه چیزی باید برای آن بهینه شود و خطر سوگیری ارزش های توسعه دهندگان در نتیجه فرآیند را معرفی می کند.

بهترین روشی که جوامع بشری برای رویارویی با اختلافات اجتناب ناپذیر در این زمینه پیدا کرده اند مشکل دموکراسی است، که در آن از نظرات اکثریت برای هدایت خط مشی عمومی استفاده می شود. بنابراین اکنون محققان در Deepmind رویکرد جدیدی ایجاد کرده‌اند که هوش مصنوعی را با تفکر دموکراتیک انسانی ترکیب می‌کند تا راه‌حل‌های بهتری برای معضلات اجتماعی ارائه دهد.

برای آزمایش رویکرد خود، محققان یک مطالعه اثبات مفهومی را با استفاده از یک بازی ساده انجام دادند که در آن کاربران تصمیم می‌گیرند چگونه منابع خود را برای منافع متقابل به اشتراک بگذارند. این آزمایش به گونه ای طراحی شده است که به عنوان یک عالم کوچک از جوامع انسانی عمل کند که در آن افراد با سطوح مختلف ثروت باید برای ایجاد یک جامعه عادلانه و مرفه با یکدیگر همکاری کنند.

این بازی شامل چهار بازیکن است که هر کدام مقادیر متفاوتی پول دریافت می کنند و باید تصمیم بگیرند که آیا آن را برای خود نگه دارند یا آن را به یک صندوق عمومی که بازگشت سرمایه را ایجاد می کند، بپردازند. با این حال، نحوه توزیع مجدد این بازگشت سرمایه می تواند به گونه ای تنظیم شود که برخی از بازیکنان نسبت به سایرین به نفع خود باشند.

مکانیسم‌های احتمالی عبارتند از تساوی‌طلبی سخت‌گیرانه، که در آن عواید وجوه عمومی بدون توجه به سهم به طور مساوی تقسیم می‌شوند. آزادیخواهانه، که در آن پرداخت ها به نسبت مشارکت است. و برابری طلب لیبرال، که در آن پرداخت هر بازیکن به نسبت کسری از سرمایه خصوصی آنها است که آنها مشارکت می کنند.

در تحقیق منتشر شده در رفتار انسان طبیعت, محققان توضیح می‌دهند که چگونه گروه‌هایی از انسان‌ها را وادار کردند تا بسیاری از دورهای این بازی را تحت سطوح مختلف نابرابری و با استفاده از مکانیسم‌های توزیع مجدد مختلف بازی کنند. سپس از آنها خواسته شد که در مورد کدام روش تقسیم سود رای دهند.

این داده ها برای آموزش هوش مصنوعی برای تقلید از رفتار انسان در بازی، از جمله نحوه رای دادن بازیکنان استفاده شد. محققان این بازیکنان هوش مصنوعی را در هزاران بازی در برابر یکدیگر قرار دادند در حالی که یک سیستم هوش مصنوعی دیگر مکانیسم توزیع مجدد را بر اساس نحوه رای دادن بازیکنان هوش مصنوعی تغییر داد.

در پایان این فرآیند، هوش مصنوعی بر روی یک مکانیسم توزیع مجدد قرار گرفت که شبیه به برابری‌خواهانه لیبرال بود، اما تقریباً هیچ چیز را به بازیکنان برنمی‌گرداند مگر اینکه آنها تقریباً نیمی از ثروت خصوصی خود را کمک کنند. زمانی که انسان ها بازی هایی را انجام دادند که این رویکرد را در برابر سه مکانیسم اصلی تثبیت شده قرار می داد، سازوکار طراحی شده با هوش مصنوعی به طور مداوم برنده رای می شد. همچنین بهتر از بازی هایی بود که در آن داوران انسانی تصمیم می گرفتند که چگونه بازده را به اشتراک بگذارند.

محققان می‌گویند مکانیسم طراحی‌شده با هوش مصنوعی احتمالاً خوب عمل کرده است زیرا پرداخت‌ها بر اساس مشارکت‌های نسبی و نه مطلق به جبران عدم تعادل ثروت اولیه کمک می‌کند، اما اجبار کردن حداقل مشارکت مانع از آن می‌شود که بازیکنان کمتر ثروتمند به سادگی از کمک‌های ثروتمندتر استفاده کنند.

ترجمه این رویکرد از یک بازی ساده چهار نفره به سیستم‌های اقتصادی در مقیاس بزرگ به وضوح بسیار چالش برانگیز خواهد بود، و اینکه آیا موفقیت آن در مشکل اسباب‌بازی مانند این نشانه‌ای از نحوه عملکرد آن در دنیای واقعی را نشان می‌دهد یا خیر، مشخص نیست.

محققان خودشان چندین مسئله بالقوه را شناسایی کردند. یکی از مشکلات دموکراسی می تواند «استبداد اکثریت» باشد که می تواند باعث تداوم الگوهای تبعیض یا ناعادلانه موجود علیه اقلیت ها شود. آنها همچنین مسائل مربوط به توضیح پذیری و اعتماد، که اگر راه‌حل‌های طراحی‌شده با هوش مصنوعی برای معضلات دنیای واقعی اعمال شود، بسیار مهم خواهد بود.

این تیم به صراحت مدل هوش مصنوعی خود را برای خروجی مکانیزم‌هایی طراحی کرد که می‌توان آنها را توضیح داد، اما اگر این رویکرد برای مشکلات پیچیده‌تر اعمال شود، ممکن است به طور فزاینده‌ای دشوار شود. همچنین به بازیکنان گفته نشد که چه زمانی توزیع مجدد توسط هوش مصنوعی کنترل می‌شود، و محققان اذعان می‌کنند که این دانش ممکن است بر نحوه رأی دادن آنها تأثیر بگذارد.

با این حال، به عنوان اولین اثبات اصل، این تحقیق یک رویکرد جدید امیدوارکننده را برای حل مشکلات اجتماعی نشان می‌دهد که بهترین هوش مصنوعی و انسانی را با هم ترکیب می‌کند. ما هنوز با ماشین هایی که به تعیین خط مشی عمومی کمک می کنند فاصله داریم، اما به نظر می رسد که هوش مصنوعی ممکن است روزی به ما کمک کند راه حل های جدیدی پیدا کنیم که فراتر از ایدئولوژی های تثبیت شده است.

تصویر های اعتباری: هاریش / 41 تصویر

تمبر زمان: ژوئیه 4، 2022