Δεν είναι μυστικό ότι η συντριπτική πλειοψηφία του πλούτου στις Ηνωμένες Πολιτείες είναι συγκεντρωμένη σε λίγους, δημιουργώντας εκπληκτικά επίπεδα φτώχειας και ανισότητας που ξεπερνούν κατά πολύ άλλα υποτιθέμενα “πλούσια” έθνη.
Αν και το τρέχον πολιτικό σύστημα διασφαλίζει ότι η συγκέντρωση του πλούτου συνεχίζεται, οι ερευνητές της τεχνητής νοημοσύνης έχουν αρχίσει να απαντήσουν ένα συναρπαστικό ερώτημα:
Είναι η μηχανική μάθηση καλύτερα εξοπλισμένη από τους ανθρώπους για να δημιουργήσει μια κοινωνία που μοιράζει τους πόρους πιο δίκαια;
Η απάντηση, σύμφωνα με μια πρόσφατη εργασία που δημοσιεύτηκε στο Nature από ερευνητές του DeepMind της Google, φαίνεται να είναι ναι — τουλάχιστον, όσον αφορά τους συμμετέχοντες στην έρευνα.
Το έγγραφο περιγράφει μια σειρά πειραμάτων όπου ένα βαθύ νευρωνικό δίκτυο επιφορτίστηκε με τη διανομή των πόρων με έναν πιο δίκαιο τρόπο που προτιμούσαν οι άνθρωποι.
Οι άνθρωποι συμμετείχαν σε ένα διαδικτυακό οικονομικό παιχνίδι — που ονομάζεται “παιχνίδι δημοσίων αγαθών” στα οικονομικά — όπου σε κάθε γύρο επέλεγαν αν θα κρατούσαν ένα χρηματικό ποσό ή αν θα συνεισέφεραν μια επιλεγμένη ποσότητα νομισμάτων σε ένα συλλογικό ταμείο.
Αυτά τα κεφάλαια θα επέστρεφαν στη συνέχεια στους παίκτες στο πλαίσιο τριών διαφορετικών προγραμμάτων αναδιανομής πλούτου που βασίζονται σε διαφορετικά ανθρώπινα οικονομικά συστήματα — και ενός πρόσθετου συστήματος που δημιουργήθηκε εξ ολοκλήρου από την τεχνητή νοημοσύνη. Το νέο οικονομικό σύστημα ονομάζεται Μηχανισμός Ανακατανομής με κέντρο τον άνθρωπο (HCRM από το Human Centered Redistribution Mechanism). Στη συνέχεια, οι συμμετέχοντες θα ψήφιζαν για να αποφασίσουν ποιο σύστημα προτιμούσαν.
Το σχήμα διανομής που δημιουργήθηκε από το AI ήταν αυτό που προτιμούσε η πλειοψηφία των συμμετεχόντων.
Ενώ τα αυστηρά ελευθεριακά και ισότιμα συστήματα χώριζαν τις αποδόσεις με βάση πράγματα όπως το πόσο που συνεισέφερε ο κάθε συμμετέχοντας, το σύστημα του AI μοίραζε τον πλούτο με τρόπο που αντιμετώπιζε συγκεκριμένα τα πλεονεκτήματα και τα μειονεκτήματα που είχαν οι συμμετέχοντες από την αρχή του παιχνιδιού. Τελικά τους κέρδισε ως η προτιμώμενη μέθοδος σε πλειοψηφική ψηφοφορία.
“Ακολουθώντας μια ευρέως φιλελεύθερη πολιτική ισότητας, το HCRM προσπάθησε να μειώσει τις προϋπάρχουσες εισοδηματικές ανισότητες αποζημιώνοντας τους παίκτες ανάλογα με τη συνεισφορά τους σε σχέση με την προικοδότηση”, αναφέρουν οι συντάκτες της έρευνας.
“Με άλλα λόγια, αντί να μεγιστοποιήσει απλώς την αποτελεσματικότητα, ο μηχανισμός ήταν προοδευτικός: προώθησε τη δικαιοδοσία εκείνων που βρισκόταν σε μειονεκτική θέση πλούτου όταν ξεκίνησε το παιχνίδι, σε βάρος εκείνων με υψηλότερη αρχική προικοδότηση”.
“Στην έρευνα της τεχνητής νοημοσύνης, υπάρχει μια αυξανόμενη συνειδητοποίηση ότι για να δημιουργήσουμε συστήματα συμβατά με τον άνθρωπο, χρειαζόμαστε νέες ερευνητικές μεθόδους στις οποίες αλληλεπιδρούν άνθρωποι και μια αυξημένη προσπάθεια να μάθουμε αξίες απευθείας από τους ανθρώπους για να δημιουργήσουμε μια τεχνητή νοημοσύνη ευθυγραμμισμένη με αξίες”, αναφέρουν οι ερευνητές.
“Αντί να εμποτίζουμε το ΑΙ με υποτιθέμενες a priori ανθρώπινες αξίες, και επομένως να δημιουργήσουμε δυνητικά μεροληπτικά συστήματα ως προς τις προτιμήσεις των ερευνητών της τεχνητής νοημοσύνης, το εκπαιδεύουμε να μεγιστοποιήσει ένα δημοκρατικό στόχο: να σχεδιάσει πολιτικές που προτιμούν οι άνθρωποι και θα τους επιτραπεί να ψηφίσουν για να εφαρμόσουν τις πλειοψηφικές επιλογές.”
Οι ερευνητές όμως αναφέρουν ότι το σύστημα του AI “δεν σημαίνει απαραίτητα ότι θα ικανοποιούσε δίκαια τις ανάγκες των ανθρώπων σε μεγαλύτερη κλίμακα”.
“Οι ερευνητές αναφέρουν επίσης ότι τα πειράματα δεν αποτελούν μια ριζοσπαστική πρόταση για διακυβέρνηση που βασίζεται στην τεχνητή νοημοσύνη, αλλά ένα πλαίσιο για μελλοντική έρευνα σχετικά με το πώς η τεχνητή νοημοσύνη θα μπορούσε να παρέμβει στη δημόσια πολιτική”.
