По теме
Питание для депрессивного мозга: что есть, чтобы улучшить на...
Узнайте, как питание влияет на депрессию и тревогу. Это руководство на основе последних исследований...
Потеря девственности: многолетний процесс, а не единичное со...
Исследование канадских ученых показывает, что потеря девственности — это многолетний процесс, состоя...
Как ИИ улучшает работу неинвазивного мозгового интерфейса
Учёные из Carnegie Mellon University показали, что комбинирование адаптивного ИИ с обучением моторны...
Как вспоминание sacrifices удваивает шансы на достижение цел...
Статья представляет результаты исследования, доказывающие, что регулярное напоминание о сделанных sa...
Долгосрочные эффекты когнитивно-поведенческой терапии для вз...
Подробный анализ 8-летнего катамнеза рандомизированного контролируемого исследования эффективности г...
Как объяснимый машинный дефект в рамках ЕвГ показывает разли...
Исследование демонстрирует, как теоретически обоснованный машинный дефект с объяснимыми выводами выя...
Введение
Современные достижения в области автоматизированного принятия решений и искусственного интеллекта (ИИ) изменили представления о задачах, требующих человеческого интеллекта. Например, языковые модели, способные генерировать код и текст, демонстрируют, что ИИ может автоматизировать даже творческие задачи. Это привело к убеждению, что автономные системы с ИИ могут взять на себя множество функций, включая социальные и моральные решения.
Проблема выравнивания ценностей ИИ
Однако при делегировании задач искусственным агентам могут возникать ошибки. Например, человек может выбрать агента, не соответствующего его целям, из-за непонимания его поведения или сложности настройки параметров. Это приводит к несоответствию между ожиданиями человека и действиями агента — проблеме, известной как выравнивание ценностей ИИ.
Методология
Для изучения этой проблемы использовалась коллективная дилемма риска (КДР) — модель, в которой группа участников должна достичь общего порога взносов в общественное благо за ограниченное число раундов. Если порог не достигнут, существует вероятность потери всех личных ресурсов.
Типы ошибок
- Ошибки исполнения: возникают, когда человек принимает решения самостоятельно и ошибается в каждом раунде.
- Ошибки программирования: возникают при настройке агента, которому делегируется задача.
- Ошибки выбора агента: возникают, когда человек выбирает неподходящего предустановленного агента.
Результаты
Исследование показало, что:
- Делегирование, несмотря на ошибки, приводит к более высоким показателям успеха, чем прямое принятие решений.
- При малых вероятностях ошибок (ε ≤ 0.1) делегирование через программируемых агентов дает лучшие результаты.
- При выборе из предустановленных агентов делегирование остается эффективным даже при более высоких вероятностях ошибок (ε ≤ 0.18).
Эволюционные преимущества делегирования
В долгосрочной перспективе стратегии делегирования становятся доминирующими в популяции, особенно в условиях высокого риска. Это связано с тем, что агенты стабильно исполняют заложенные стратегии, даже если они не идеальны.
Заключение
Делегирование искусственным агентам, несмотря на возможные ошибки, оказывается более эффективным, чем прямое принятие решений в условиях коллективного риска. Это открытие важно для разработки автономных систем, участвующих в социальных дилеммах.
