À mesure que les systèmes d’IA s’intègrent dans la société, une nouvelle question se pose : peuvent-ils améliorer nos vies au-delà des tâches techniques et créatives ? Peuvent-ils aider les humains en tant que race à prendre de meilleures décisions, à nous rendre moins égoïstes et à favoriser une meilleure coopération ?
Une étude récente des chercheurs Arend Hintze et Christoph Adami explore précisément cette question dans leur article « Promouvoir la coopération dans le jeu des biens publics à l’aide d’agents d’intelligence artificielle », publié dans npj Complexity.
La tragédie des biens communs
La tragédie des biens communs est une théorie économique selon laquelle les individus, dans un environnement de ressources partagées et limitées, surexploitent et épuisent les ressources, entraînant la souffrance du groupe tout entier. TedEd a une bonne vidéo expliquant cette théorie, que je vous recommande de regarder. Pour tester leur théorie selon laquelle l’IA peut améliorer la coopération entre les humains, les chercheurs ont utilisé une expérience de coopération bien connue, souvent décrite comme un jeu de « biens publics ».
Dans cette expérience, les joueurs peuvent soit contribuer à une cagnotte partagée qui profite à tous, soit garder leur contribution pour eux. Même si le groupe réussit mieux lorsque tout le monde contribue, chaque individu peut se retenir et profiter de la récompense partagée. Les humains seuls n’ont pas réussi ce test et ont agi dans leur propre intérêt, et non en tant que membres du groupe. Les chercheurs ont ensuite introduit des agents d’IA dans le mélange.
Dans le premier scénario, les agents IA étaient programmés pour toujours coopérer. Cela semble prometteur, mais cela n’a pas changé le comportement humain. Les gens ont continué à agir dans leur propre intérêt. Il ne suffisait pas d'ajouter simplement de « bons » acteurs au système. Dans le deuxième scénario, les joueurs pourraient contrôler les agents IA. Comme vous pouvez l’imaginer, cela s’est retourné contre vous. Les joueurs configurent l'IA pour qu'elle coopère tout en choisissant de ne pas coopérer eux-mêmes, externalisant ainsi les bons comportements tout en maximisant leur gain personnel.
Le troisième scénario a montré des résultats prometteurs. Les agents IA imitaient le comportement des joueurs avec lesquels ils interagissaient. Si une personne coopérait, l’IA coopérait. Si la personne agissait de manière égoïste, l’IA reflétait ce choix. Cela a créé un puissant système de rétroaction, dans lequel la coopération humaine était récompensée par la coopération de l’IA. Cela a conduit à une meilleure coopération entre les acteurs humains.
Qu’est-ce que tout cela a à voir avec les voitures autonomes ?
Bien que l’étude soit limitée et simplifiée pour avoir un effet réel, les chercheurs ont déclaré qu’elle pouvait être appliquée à plusieurs scénarios, y compris les voitures autonomes. Les voitures autonomes, par exemple, pourraient être conçues pour récompenser la conduite coopérative et ne pas suivre des règles strictes. Si suffisamment de voitures autonomes adoptent cette fonctionnalité, elles pourraient créer une boucle de rétroaction positive qui profiterait à tout le monde.
L’IA ne peut pas éliminer comme par magie l’égoïsme. Cependant, cela peut fournir suffisamment d’incitations pour faire de la coopération le choix le plus judicieux, en particulier dans le cas des véhicules électriques. Les résultats publiés dans la revue Transportation Research proposent également un système intégré d'acheminement et de mouvement coordonné des véhicules inactifs afin de mieux servir les passagers. Une autre recherche publiée dans la revue Robotics propose un système de suivi et de connectivité visuelle sans collision entre les véhicules autonomes.
Ce principe pourrait également être utilisé pour programmer la recharge des voitures électriques autonomes afin d’éviter les longues attentes et le stress sur le réseau électrique, comme détaillé dans cet article. Les systèmes d'IA, y compris les chatbots tels que ChatGPT et Gemini, suivent déjà un système basé sur les récompenses pour apprendre et améliorer leurs performances, et il semble que le système pourrait très bien également résoudre les problèmes réels des robotaxis, lorsqu'ils entreront lentement dans le courant dominant.
