Исследователи НИУ ВШЭ в Перми сравнили поведение людей и больших языковых моделей в экономической игре «Диктатор» и получили неудобный для интуиции результат: модели чаще делились ресурсами с партнёром. В зависимости от условий эксперимента они передавали на 41–68% больше, чем участники из человеческой выборки.
О чем именно идет речь
Работа посвящена не «доброте» ИИ в бытовом смысле, а тому, насколько большие языковые модели умеют воспроизводить социальное поведение в формальных экспериментах. Для этого авторы использовали игру «Диктатор» — классический тест из поведенческой экономики, где один участник решает, сколько оставить себе, а сколько отдать другому.
Статью подготовили исследователи НИУ ВШЭ; она вышла в «Журнале Новой экономической ассоциации». Проект финансировал Российский научный фонд.
Что показал эксперимент
Авторы сравнили решения десяти больших языковых моделей с результатами уже проведенных лабораторных экспериментов на людях. Если упростить, люди обычно отдавали партнеру около 28–30% доступных ресурсов, тогда как модели в тех же сценариях вели себя заметно щедрее.
Разница проявилась не только в базовой версии игры. В вариантах, где можно было не делиться, а забирать ресурсы у другого участника, модели шли на это на 29% реже. То есть ИИ в среднем выбирал более мягкую стратегию даже там, где правила позволяли действовать жестче.
Но это не значит, что нейросеть внезапно стала гуманистом. Скорее наоборот: модели воспроизводят шаблоны, на которых их обучили, и потому могут смещаться в сторону «гиперальтруизма» — поведения, которое выглядит социально желательным, но не всегда похоже на решения реальных людей.
Где здесь практический смысл
Для бизнеса и исследовательских команд вывод довольно приземленный: большие языковые модели можно использовать для чернового моделирования сценариев и быстрой проверки гипотез, но не как прямую замену живым респондентам. Особенно если речь идет о продуктах, где важны мотивация пользователей, доверие, переговоры или реакция на несправедливые условия. Иначе есть риск построить выводы на слишком «вежливом» ИИ, который в реальной жизни просто не встречается.
Следующий логичный шаг — проверить, как такие модели ведут себя не в изоляции, а при прямом взаимодействии с людьми и в более сложных социальных сценариях.