People use fast and flat simulation to reason about new games
Durch groß angelegte Verhaltensstudien und ein computergestütztes „Intuitive Gamer“-Modell zeigt diese Arbeit auf, dass Menschen systematisch und adaptiv über neuartige Spiele unter Verwendung schneller, tiefenbeschränkter probabilistischer Simulationen schlussfolgern, was Erkenntnisse für die Entwicklung flexiblerer, menschenähnlicher KI-Systeme bietet.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, man reicht Ihnen ein brandneues Brettspiel in die Hand, das Sie noch nie gesehen haben. Die Regeln sind seltsam: Vielleicht gewinnt man durch vier in einer Reihe auf einem 10x10-Raster, oder vielleicht verliert derjenige, der als Erster drei in einer Reihe erreicht. Sie haben noch keinen einzigen Zug gemacht. Sie haben keinen Strategieleitfaden. Sie haben keinen Coach.
Wie finden Sie heraus, ob das Spiel fair ist? Wie entscheiden Sie, ob es Spaß machen wird? Und wenn Sie Ihren allerersten Zug machen müssen, was tun Sie?
Die meisten Menschen gehen davon aus, dass man ein Spiel gut spielen muss, indem man ein Großmeister ist, der Jahre damit verbracht hat, Millionen von zukünftigen Möglichkeiten zu berechnen, wie ein Supercomputer, der tief in einem Baum von „Was-wäre-wenn“-Szenarien gräbt. Aber eine massive neue Studie deutet darauf an, dass unser Gehirn nicht so arbeitet, wenn wir auf etwas Neues stoßen. Stattdessen sind wir wie intuitive Gamer, die eine „schnelle und flache“ mentale Abkürzung nutzen.
Der „Intuitive Gamer“ in Ihrem Kopf
Die Forscher, angeführt von einem Team aus dem MIT, Princeton und Cambridge, untersuchten über 1.000 Menschen, die (oder die nur über) 121 verschiedene, größtenteils neuartige Zwei-Spieler-Strategiespiele nachdachten. Sie fanden heraus, dass wir, wenn wir vor einem neuen Problem stehen, keine tiefe, teure Simulation durchführen, die etwa 20 Schritte vorausblickt. Das würde zu viel Gehirnleistung beanspruchen.
Stattdessen lässt unser Gehirn eine schnelle, flache und probabilistische Simulation laufen.
Stellen Sie sich das so vor: Stellen Sie sich vor, Sie sind eine Videospiel-Figur, die nur einen Schritt voraus blicken kann. Sie sehen das Spielfeld und fragen sich zwei einfache Fragen:
- „Wenn ich mein Stück hier platziere, komme ich meinem Sieg näher?“
- „Wenn ich mein Stück hier platziere, verhindere ich, dass mein Gegner gewinnt?“
Sie berechnen nicht das gesamte Spiel bis zum Ende. Sie werfen nur einen kurzen, oberflächlichen Blick. Dann treffen Sie eine Vermutung basierend auf diesem Blick. Wenn Sie entscheiden müssen, ob ein Spiel fair ist, lösen Sie nicht die Mathematik; Sie lassen einfach diese schnelle „Blick“-Simulation etwa 5 bis 7 Mal in Ihrem Kopf ablaufen und sehen, was normalerweise passiert. Wenn in den meisten dieser schnellen Durchläufe Spieler 1 gewinnt, vermuten Sie, dass das Spiel unfair ist. Wenn sie oft unentschieden enden, vermuten Sie, dass es ausgewogen ist.
Das Paper nennt dies das „Intuitive Gamer“-Modell. Es legt nahe, dass Menschen überraschend gut darin sind. Als die Forscher dieses Modell gegen echte Menschen testeten, sagte es, was Menschen über Fairness dachten und welche Züge sie machen würden, mit einer Genauigkeit von 81 % (einem R² von 0,81) voraus. Das ist fast so gut wie das „Rauschen“ in den menschlichen Daten selbst, was bedeutet, dass das Modell fast alles einfängt, was wir über das Denken der Menschen erklären können.
Was wir nicht tun
Die Studie argumentiert explizit gegen die Vorstellung, dass Neulinge tiefes, expertenhaftes Denken anwenden.
- Wir sind keine Tiefen-Taucher: Das „Expert Gamer“-Modell, das eine Simulation simuliert, die etwa 5 Schritte voraus blickt (wie ein Schachmeister), war wesentlich schlechter darin, vorherzusagen, was normale Menschen tun würden. Es war zudem 700 Mal langsamer in der Ausführung auf einem Computer als das einfache „Intuitive Gamer“-Modell.
- Wir sind nicht zufällig: Wir wählen nicht einfach Züge, indem wir Würfel werfen. Das „Random Gamer“-Modell (das völlig zufällige Züge wählt) passte überhaupt nicht dazu, wie Menschen tatsächlich spielten.
- Wir sind keine perfekten Rechner: Wir verfügen nicht über einen perfekten „Orakel“, der den absolut besten Zug kennt. Wir sind ressourcenbeschränkt. Wir tun das Beste, was wir mit einer winzigen Menge mentaler Energie können.
Der „Spaß“-Faktor
Die Forscher fragten die Menschen auch: „Glauben Sie, bevor Sie überhaupt spielen, dass dieses Spiel Spaß machen wird?“
Sie fanden heraus, dass unsere Einschätzung des Spaßfaktors ebenfalls nicht zufällig ist. Er basiert auf denselben schnellen Simulationen.
- Balance: Wir mögen Spiele, bei denen der Sieger nicht von vordem bekannt ist. Wenn der erste Spieler immer gewinnt, ist es langweilig. Wenn es immer Unentschieden endet, ist es frustrierend.
- Denk-Belohnung: Wir mögen Spiele, in denen „Nachdenken“ tatsächlich hilft, zu gewinnen, statt nur zufällig zu ziehen.
- Länge: Wir mögen Spiele, die weder zu kurz noch zu lang sind. Es ist wie eine Goldlöckchen-Zone für die Spieldauer.
Das „Intuitive Gamer“-Modell konnte diese „Spaß“-Bewertungen mit 57 % Genauigkeit vorhersagen, was sehr nah an der maximal möglichen Genauigkeit für menschliche Meinungen liegt (die von Person zu Person variierten).
Die Zahlen hinter der Magie
Die Studie hat nicht nur geraten; sie hat gemessen.
- Sie testeten 121 unterschiedliche Spiele mit Regeln wie „3 in einer Reihe gewinnt“, „4 in einer Reihe verliert“ oder „Spieler 2 darf in seinem ersten Zug zweimal ziehen“.
- Sie ließen 238 Menschen die Fairness von Spielen beurteilen, ohne sie zu spielen.
- Sie ließen 302 Menschen tatsächlich 40 dieser Spiele zum ersten Mal spielen.
- Sie ließen 314 Menschen Videos von anderen beim Spielen zusehen und den nächsten Zug vorhersagen.
- Das „Intuitive Gamer“-Modell musste nur etwa 6 Simulationen (k=6) durchlaufen, um das menschliche Urteil zu erreichen.
- In Bezug auf die Geschwindigkeit war das „Intuitive Gamer“-Modell fast 40.000 Mal schneller als eine Standard-KI-Methode namens Monte Carlo Tree Search (MCTS) und 700 Mal schneller als das „Expert Gamer“-Modell.
Das Fazit
Das Paper legt nahe, dass wir, wenn wir mit einer völlig neuen Situation konfrontiert werden – sei es ein seltsames Brettspiel oder eine neue Art von Problem –, keine Genies oder Supercomputer sein müssen, um eine kluge Vermutung anzustellen. Wir müssen nur ein paar schnelle, flache mentale Simulationen durchführen und uns auf unsere Ziele und das Blockieren unserer Gegner konzentrieren.
Diese „schnelle und flache“ Art des Denkens ist effizient. Sie ist nicht perfekt, und sie ist nicht so tiefgründig wie das, was ein Großmeister nach Jahren des Trainings tut, aber sie ist adaptiv rational. Es ist das perfekte Werkzeug für ein menschliches Gehirn, das eine Entscheidung jetzt treffen muss, ohne den ganzen Tag darüber nachzudenken.
Die Autoren geben zu, dass dies ein Modell dafür ist, wie wir über Spiele denken (speziell über Spiele mit vollständiger Information), und sie schlagen vor, dass dies auch auf andere Lebensbereiche anwendbar sein könnte, wie etwa darauf, wie Wissenschaftler entscheiden, welche Probleme sie angehen. Aber im Moment ist die Evidenz stark: Wenn wir auf ein neues Spiel treffen, sind wir alle intuitive Gamer, die schnelle mentale Rennen laufen lassen, um zu sehen, wer gewinnt, und wir sind ziemlich gut darin.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.