根據俄羅斯國立高等經濟大學（HSE University）科學家的一項最新研究，當前的人工智能（Artificial Intelligence）模型，包括 ChatGPT 和克勞德（Claude），在進行如「凱因斯選美競賽」等策略思考遊戲時，傾向於高估其人類對手的理性程度。研究發現，無論對手是大學一年級新生還是經驗豐富的科學家，這些AI模型雖然試圖預測人類行為，卻常常因為假設人類擁有比實際更高的邏輯水平而玩得「太聰明」，最終導致失敗。該研究已發表於《經濟行為與組織期刊》（Journal of Economic Behavior & Organization）。
凱因斯選美競賽：一場理性的博弈
「凱因斯選美競賽」的概念由英國經濟學家約翰·梅納德·凱因斯（John Maynard Keynes）於1930年代提出。一個經典例子是要求報紙讀者從100張照片中選出六張最吸引人的臉孔，獎品頒發給選擇結果最接近大眾平均選擇的參與者。一般人通常會選擇自己認為最吸引人的照片，但這樣往往會輸，因為真正的任務是預測大多數人會認為哪些臉孔有吸引力。因此，理性的參與者應根據他人對美的看法來做選擇。這類實驗旨在測試多層次的推理能力：別人如何思考、他們有多理性，以及他們預測他人推理的深度。
AI如何參與數字競猜遊戲？
國立高等經濟大學經濟科學學院體育研究實驗室主任德米特里·達加耶夫（Dmitry Dagaev）與來自彼爾姆國立高等經濟大學的同事索菲亞·帕克林娜（Sofia Paklina）和彼得·帕沙科夫（Petr Parshakov），以及來自瑞士洛桑大學（University of Lausanne）的尤利婭·阿列克謝延科（Iuliia Alekseenko）共同研究了五款最受歡迎的AI模型，包括ChatGPT-4o和Claude-Sonnet-4，在這種實驗中的表現。研究團隊指示聊天機器人玩「猜數字遊戲」，這是凱因斯選美競賽最著名的變體之一。遊戲規則是所有參與者同時獨立地選擇一個0到100之間的數字，最終獲勝者是其數字最接近所有參與者選擇數字平均值的一半（或三分之二，視實驗而定）。
研究發現：AI的策略性與局限
為了測試大型語言模型（LLM）的表現，研究人員複製了先前由其他學者進行的16個經典「猜數字遊戲」實驗結果。在每一輪中，LLM都會收到解釋遊戲規則的提示，以及對其對手的描述——從經濟學一年級本科生、學術會議參與者，到具有分析或直覺思維的個人，甚至是經歷憤怒或悲傷等情緒的人。研究發現，LLM會根據對手的社會、專業、年齡特徵以及他們對博弈論的了解和認知能力來調整其選擇。例如，當與博弈論會議的參與者對戰時，LLM傾向於選擇接近0的數字；而與一年級本科生對戰時，LLM則會預期對手經驗較少而選擇一個明顯更高的數字。
研究作者指出，儘管LLM能夠有效適應不同複雜程度的對手，並且其反應也顯示出策略性思維的元素，但它們在兩人遊戲中卻無法識別出佔優策略。凱因斯選美競賽長期以來被用來解釋金融市場的價格波動，正如達加耶夫所強調：「我們正處於一個AI模型開始在許多操作中取代人類的階段……在決策任務中，確保LLM以類似人類的方式行事通常很重要。」他預計，比較AI與人類行為的研究領域在不久的將來會迅速發展。
來源：eurekalert.org
封面來源：Adobe Stock
