Ученые установили, что популярные нейросети чаще принимают более альтруистичные решения, чем люди, в задачах с распределением ресурсов. Исследователи из Национального исследовательского университета «Высшая школа экономики» в Перми проанализировали поведение десяти крупных нейросетей из США, Китая и России. В одном из классических экспериментов алгоритмы на 41–68% чаще делились средствами с условным партнёром, чем реальные участники. Исследование поддержано грантом Российского научного фонда (РНФ). Результаты исследования опубликованы в «Журнале Новой экономической ассоциации».
Как отмечают авторы исследования, большие языковые модели всё чаще применяются в социальных и экономических исследованиях. БЯМ используют для имитации поведения людей и групп в разных ситуациях. Модели заменяют респондентов в опросах и применяются при моделировании социальных процессов, включая локальные сообщества и конфликты.
Такое использование основано на предположении, что после обучения модели могут воспроизводить поведение человека. При этом исследования показывают, что их поведение зависит от архитектуры, методов обучения, источников данных, а также от культурного и геополитического контекста. До настоящего времени оставалось неясным, насколько сильно решения моделей отличаются от человеческих, в том числе в вопросах щедрости и альтруизма.
В работе использовалась экономическая игра «Диктатор», которая применяется для изучения решений в условиях неравного распределения ресурсов. В этой игре один участник получает сумму денег и сам решает, какую часть оставить себе, а какую передать другому игроку, который не влияет на исход. С рациональной точки зрения выгодно оставить всё себе. Однако реальные участники в среднем передают около 28–30% средств. Это связывают со стремлением к справедливости и заботой о другом.
В расширенной версии эксперимента участник может не только делиться, но и забирать ресурсы у второго игрока. В этих условиях нейросети также показали отличия от людей. Нейросети реже выбирали стратегию изъятия и в среднем делали это на 29% реже. Если изъятие происходило, его объём был ниже, чем у людей.
При возможности только делиться модели передавали на 41–68% больше средств, чем человек. Наиболее близкое к человеческому поведение показали Claude, DeepSeek, Gemini, Grok и LLaMA. Наиболее выраженное альтруистичное поведение зафиксировано у GPT-4-mini и Qwen.
Анализ текстовых объяснений показал, что при передаче большей доли ресурсов модели чаще использовали слова, связанные с доверием, справедливостью и равенством. При более сдержанном поведении встречались формулировки, связанные с рациональностью и максимизацией собственной выгоды.
Исследование также показало, что при обосновании решений модели опираются на два подхода. Первый связан с представлениями о справедливости и социальных нормах. Второй связан с рациональным увеличением собственной выгоды. Различия между моделями авторы связывают с особенностями обучения.
Руководитель проекта, кандидат экономических наук, профессор, заведующий Международной лабораторией нематериальной экономики НИУ ВШЭ Пётр Паршаков пояснил, что альтруизм моделей не является прямым аналогом человеческого поведения. По словам профессора, у нейросетей нет собственных предпочтений и мотивации, поэтому корректнее говорить о внешне альтруистичном поведении в рамках задачи. Пётр Паршаков отметил, что модели обучаются на больших массивах текстов с разными типами решений, поэтому могут воспроизводить разные стратегии и аргументы.
Пётр Паршаков сообщил, что результаты подтверждают возможность использования нейросетей только для предварительного моделирования поведения. По словам профессора, БЯМ не могут полностью заменить людей в поведенческих экспериментах. Руководитель проекта отметил, что этот вывод важен для науки, образования, бизнеса и разработки ИИ‑систем. В дальнейшем исследователи планируют изучить влияние культурных факторов, включая язык запроса, на результаты таких экспериментов.
Источник: habr.com