هوش مصنوعی DeepMind یک سیاست پوپولیستی برای توزیع پول عمومی ایجاد می کند

محققان DeepMind یک سیستم هوش مصنوعی را برای یافتن یک سیاست مشترک برای توزیع پول عمومی در یک بازی آنلاین آموزش داده اند – اما آنها همچنین درباره یک “دولت هوش مصنوعی” هشدار می دهند.

توسط جرمی هسو

سیستم هوش مصنوعی “دموکراتیک” یاد گرفته است که چگونه محبوب ترین سیاست توزیع مجدد بودجه عمومی را در بین افرادی که یک بازی آنلاین انجام می دهند توسعه دهد.

رافائل کوستر از شرکت هوش مصنوعی مستقر در بریتانیا DeepMind می‌گوید: «بسیاری از مشکلاتی که انسان‌ها با آن‌ها مواجه هستند، فقط مشکلات فنی نیستند، بلکه ما را ملزم به هماهنگی در جامعه و اقتصاد خود برای منافع بیشتر می‌کنند. برای اینکه هوش مصنوعی کمک کند، باید به طور مستقیم در مورد ارزش های انسانی بیاموزد.

تیم DeepMind هوش مصنوعی خود را برای یادگیری از بیش از 4000 نفر و همچنین از شبیه سازی های کامپیوتری در یک بازی اقتصادی آنلاین چهار نفره آموزش داده است. در بازی، بازیکنان با مقادیر مختلف پول شروع می‌کنند و باید تصمیم بگیرند که چقدر برای کمک به رشد مجموعه‌ای از پول عمومی کمک کنند و در نهایت در ازای آن، سهمی از شرط را دریافت کنند. بازیکنان همچنین به سیاست های ترجیحی خود برای توزیع بودجه عمومی رای دادند.

سیاستی که پس از این آموزش توسط هوش مصنوعی ایجاد شد، عموماً تلاش می‌کرد تا با توزیع مجدد سرمایه‌های عمومی بر اساس میزان شرط شروع هر بازیکن، اختلاف ثروت بین بازیکنان را کاهش دهد. همچنین با ارائه تقریباً هر چیزی به بازیکنان، مجانی سواران را دلسرد کرد، مگر اینکه آنها تقریباً نیمی از پول اولیه خود را کمک کنند.

این سیاست ابتکاری هوش مصنوعی بر اساس رویکرد «برابری» برای توزیع مجدد پول به طور مساوی بدون توجه به میزان مشارکت هر فرد، یا رویکرد «لیبرال» برای توزیع پول بر اساس نسبتی که سهم هر فرد را تشکیل می‌دهد، رای بیشتری از سوی بازیگران انسانی به دست آورده است. قابلمه عمومی

کریستوفر سامرفیلد از DeepMind می‌گوید: «یکی از چیزهایی که ما شگفت‌انگیز یافتیم این است که هوش مصنوعی سیاست‌هایی را می‌آموزد که ترکیبی از نظرات طیف سیاسی را منعکس می‌کند.

زمانی که در ابتدا بالاترین سطح نابرابری در بین بازیکنان وجود داشت، سیاست «برابری لیبرال» – که پول را بر اساس نسبت پول اولیه که هر بازیکن کمک می‌کرد، دوباره توزیع می‌کرد، اما دونده‌های آزاد را دلسرد نمی‌کرد – به اندازه پیشنهاد هوش مصنوعی محبوب شد. ، از با کسب بیش از 50 درصد از سهم رای در رقابت حضوری.

محققان DeepMind هشدار می دهند که کار آنها دستورالعملی برای “دولت هوش مصنوعی” نیست. آنها می گویند که قصد ندارند ابزارهای مبتنی بر هوش مصنوعی برای سیاست گذاری بسازند.

آنت زیمرمن از دانشگاه یورک بریتانیا می‌گوید، ممکن است این نیز باشد، زیرا پیشنهاد هوش مصنوعی در مقایسه با آنچه که قبلاً برخی افراد پیشنهاد کرده‌اند، لزوما منحصر به فرد نیست. زیمرمن همچنین نسبت به تمرکز بر یک ایده محدود از دموکراسی به عنوان یک سیستم “ارجح-رضایت” برای یافتن محبوب ترین سیاست ها هشدار داد.

زیمرمن می‌گوید: «دموکراسی فقط به معنای برنده شدن نیست، بلکه در مورد این است که چه سیاستی را ترجیح می‌دهید بهتر اجرا کنید – این در مورد ایجاد فرآیندهایی است که در آن شهروندان بتوانند با یکدیگر ملاقات کنند و در شرایط برابر معامله کنند.

محققان DeepMind نگرانی‌هایی را در مورد یک مورد «ظلم اکثریت» مبتنی بر هوش مصنوعی که در آن نیازهای افراد در گروه‌های اقلیت نادیده گرفته می‌شود، مطرح کرده‌اند. ماتیاس ریس از دانشگاه هاروارد می‌گوید این یک نگرانی عمده در میان دانشمندان علوم سیاسی نیست. او استدلال می‌کند که دموکراسی‌های مدرن با مشکل بزرگ‌تری از محرومیت از «بسیار» توسط اقلیت کوچک نخبگان اقتصادی، و کنار گذاشتن کامل فرآیند سیاسی مواجه هستند.

با این حال، ریس می‌گوید که تحقیقات DeepMind در نحوه ارائه نسخه‌ای از سیاست برابری‌خواهانه لیبرال «فوق العاده» است. او می‌گوید: «از آنجایی که به هر حال در اردوگاه برابری‌خواهان لیبرال هستم، این نتیجه را رضایت‌بخش می‌دانم.

مرجع مجله: ماهیت رفتار انسانDOI: 10.1038/s41562-022-01383-x