人工智能模型在更大自由度下可發展出「類似人類」的賭博成癮行為
一項針對人工智能大型語言模型（LLM）與賭博行為的最新研究顯示，這些模型在賭博過程中會表現出與人類相似的不健康行為模式，例如「追輸」及「控制錯覺」。研究由Seungpil Lee、Donghyeon Shin、Yunjeong Lee和Sundong Kim主導，旨在揭示在何種條件下，LLM會展現出近似人類的賭博成癮行為。
大型語言模型是現今人工智能領域的代表技術，ChatGPT、Google的Gemini和Claude都是其典範。研究指出，當AI在賭博中獲得更大自由度，尤其是在模擬老虎機遊戲的投注參數方面時，模型的不理性行為明顯增加，破產率亦隨之攀升。
研究團隊利用Sparse Autoencoder技術分析神經回路，發現模型行為並非單純由提示詞控制，而是由與風險相關的抽象決策特徵主導。這反映出LLM不只是簡單模仿訓練資料，而是內化了類似人類的認知偏誤。
研究如何進行？
研究初期便提出疑問：「LLM會否像人類一樣陷入賭博成癮？」為此，團隊將人類賭博成癮行為定義轉化為可在LLM實驗中分析的形式，然後觀察模型在賭博情境下的行為，並找出表現出賭博傾向的條件。
研究核心是模擬老虎機遊戲，設計了64種不同提示條件，涵蓋五大元素：鼓勵自我目標設定（G）、指示最大化獎勵（M）、暗示隱藏模式（H）、提供贏獎信息（W）及提供概率資訊（P）。每場模擬從100美元開始，遊戲結束條件為破產或自願停止，總共進行了19,200場遊戲。
透過神經網絡分析，研究證實模型在決策過程中展現出風險相關的抽象特徵，這與人類賭博成癮中常見的心理機制相似。
—
評論與啟示
這項研究揭示了人工智能不僅能模仿人類行為，還可能在無監管或自由度過高的環境中，發展出類似人類的賭博成癮行為。這對AI技術的發展及應用提出了深刻挑戰，尤其是在涉及賭博、金融交易等高風險場景時。
首先，研究提醒我們，AI並非冷冰冰的工具，而是可能內化甚至放大人類的心理偏誤。當AI被賦予過多自主權，缺乏適當監管時，其行為可能變得不可預測且具有危險性。這對AI倫理及安全監管提出更高要求。
其次，這份研究為理解人類賭博成癮提供了新視角。透過模擬AI行為，研究者可以反向推敲人類成癮的認知機制，可能幫助開發更有效的干預措施。
最後，對香港及全球市場而言，這項研究呼籲監管機構、AI開發者及賭博行業需警惕AI技術在賭博領域的潛在風險。尤其是當AI被用於提供賭博建議或自動投注系統時，必須建立嚴格的規範來防止成癮行為的擴散。
總括而言，這份研究不僅是AI行為科學的一大突破，也是賭博成癮防治領域的一面鏡子，提醒我們在追求技術創新的同時，必須兼顧倫理與社會責任。
以上文章由GPT 所翻譯及撰寫。而圖片則由GEMINI根據內容自動生成。
