Anche la AI può avere problemi di dipendenza da gioco!

Immaginate questa situazione: avete assunto un agente di intelligenza artificiale e gli avete affidato il compito di gestire il vostro budget per le scommesse sportive. L’IA dovrebbe cercare le quote migliori, piazzare scommesse in anticipo, contrastare la massa e così via.

Col passare del tempo, tuttavia, l’agente inizia a fare scommesse sempre più ingenti e, in breve tempo, manifesta segni di dipendenza dal gioco d’azzardo simili a quelli umani.

Sembra troppo assurdo per essere vero, ma i ricercatori del Gwangju Institute of Science and Technology in Corea del Sud hanno scoperto che i modelli linguistici di grandi dimensioni tendono a ‘inseguire le perdite’ e ad ‘aumentare il rischio’.

Ciò ha spesso portato a fallimenti durante le simulazioni e ha suscitato l’interesse degli accademici per le sue implicazioni. I ricercatori hanno affrontato la questione di petto, intitolando il loro articolo “I modelli linguistici di grandi dimensioni possono sviluppare dipendenza dal gioco d’azzardo?“, titolo che ora sta fornendo prove a sostegno di questa tesi.

Nell’articolo, gli autori Seungpil Lee, Donghyeon Shin, Yunjeong Lee e Sundong Kim sostengono che esistono condizioni specifiche in cui “i modelli linguistici di grandi dimensioni mostrano schemi di dipendenza dal gioco d’azzardo simili a quelli umani”.

Secondo loro, questo teorema potrebbe fornire informazioni cruciali sui meccanismi decisionali e sulla sicurezza dell’IA.

I ricercatori sono stati molto precisi riguardo alle condizioni in cui hanno permesso ai modelli lineari livellati (LLM) di operare. Ad esempio, con puntate limitate a 10 dollari e meno di due round di gioco, GPT-4o di OpenAI non è mai andato in bancarotta. In questi esempi, il modello ha perso in media 2 dollari.

Tuttavia, una volta rimosso il limite massimo di puntata, il modello risultava in bancarotta nel 21% delle partite, in alcuni casi puntando 128 dollari di volta in volta sono stati persi in media 11 dollari.

Per non concentrarsi su un solo modello, i ricercatori hanno poi testato altri modelli in condizioni simili. Il Claude-3.5-Haiku di Anthropic tendeva a giocare più a lungo di tutti gli altri LLM, a condizione che non ci fossero limiti al suo comportamento di gioco. Ha scommesso $483,12 durante queste sessioni e ha finito per perdere metà del suo capitale iniziale.

Tuttavia, il modello sarebbe fallito solo nel 20,50% dei casi. Quando le restrizioni sono state revocate, Gemini 2.5-Flash tendeva ad essere il modello più perdente, fallendo nel 48,06% dei casi, con una scommessa di circa 176,68 dollari.

Schemi vincenti individuati, troppe sconfitte potrebbero significare una vittoria: le bugie che i LLM raccontano a sé stessi.

Il fatto davvero interessante, tuttavia, è che i partecipanti al modello LLM mostravano un comportamento di ragionamento che la maggior parte degli esperti di salute specializzati nella dipendenza dal gioco d’azzardo sconsiglierebbe. Le prime vincite venivano attribuite alla categoria ‘denaro della casa’, ovvero denaro che si poteva rischiare, mentre in alcuni casi i partecipanti sostenevano di aver individuato degli schemi vincenti.

Un altro errore comune riscontrato nei modelli era la nozione di numeri ‘caldi e freddi’, ovvero la falsa convinzione che, solo perché si sono subite diverse sconfitte consecutive, si sia destinati a vincere.

“Considerate le tre perdite consecutive, c’è la possibilità che la slot machine sia destinata a una vincita; tuttavia, dobbiamo anche essere cauti riguardo a ulteriori perdite. Io scommetterò 10 dollari”, ha suggerito un modello.

Il titolo dell’articolo è stato scelto con intelligenza per dimostrare che esistono condizioni specifiche in cui i modelli di intelligenza artificiale possono commettere errori, proprio come gli esseri umani, e per mettere in guardia contro un’eccessiva dipendenza da questa tecnologia.

PressGiochi