GPT & Co. im Spiel sozialer Dilemmata KI trifft Spieltheorie – Sprachmodelle im sozialen Test

Anbieter zum Thema

Helmholtz Zentrum München - Dt. Forschungszentrum für Gesundheit und Umwelt (GmbH)

Fsas Technologies GmbH

Board Deutschland GmbH

INFOMOTION GmbH

Eine neue Studie von Helmholtz Munich untersucht, wie Sprachmodelle wie GPT-4 in spieltheoretischen Szenarien mit sozialen Interaktionen abschneiden. Während das Modell in logisch-strategischen Aufgaben punktet, zeigen sich Schwächen bei Koordination und Vertrauen. Methoden wie Social Chain-of-Thought verbessern die soziale Intelligenz der KI.

Sprachmodelle entwickeln sich rasant, doch ihre Fähigkeit, komplexe soziale Dynamiken zu verstehen und darauf zu reagieren, bleibt unklar. Forscher von Helmholtz Munich, dem Max-Planck-Institut für biologische Kybernetik und der Universität Tübingen haben GPT-4 in klassischen spieltheoretischen Situationen getestet.

Starke Logik, schwaches Sozialverständnis

Die Ergebnisse zeigten: GPT-4 war besonders erfolgreich bei Spielen, die logisches Schlussfolgern und strategisches Eigeninteresse erforderten. In Situationen, die auf Teamarbeit, Abstimmung und gemeinschaftliches Handeln angewiesen waren, offenbarte das Modell jedoch deutliche Schwächen.

„In manchen Fällen war die KI fast zu rational – zu ihrem eigenen Nachteil“, erklärt Dr. Eric Schulz, Seniorautor der Studie. „Sie konnte Bedrohungen oder egoistische Züge sofort erkennen und entsprechend reagieren, tat sich jedoch schwer damit, Vertrauen, Kooperation und Kompromissbereitschaft zu erfassen.“

Social Chain-of-Thought (SCoT) als Gamechanger

Die Forscher setzen auf Social Chain-of-Thought, eine Technik, bei der GPT-4 explizit angeregt wird, über die Sichtweise und Erwartungen des Gegenübers nachzudenken. Dieser Ansatz verbessert das Modellverhalten spürbar: Es zeigt mehr Bereitschaft zur Kooperation und ein besseres Verständnis sozialer Signale.

„Sobald wir das Modell zu sozialem Denken angeregt haben, begann es, sich deutlich menschlicher zu verhalten“, berichtet Elif Akata, Erstautorin der Studie. „Interessanterweise konnten viele Menschen gar nicht mehr unterscheiden, ob sie mit einer KI oder einem echten Menschen interagierten.“

SCoT könnte damit eine Brücke schlagen, um KI-Systeme nicht nur als reine Datenverarbeiter, sondern als sozial kompetente Agenten zu etablieren.

In Bereichen wie Gesundheitswesen, Finanzdienstleistungen oder Kundenservice ist Vertrauen zwischen Mensch und Maschine essenziell. Die Fähigkeit von KI, soziale Nuancen zu erfassen und kooperativ zu agieren, könnte die Akzeptanz und Wirksamkeit stark beeinflussen.

„Eine KI, die einen Patienten zur Medikamenteneinnahme motivieren, bei Angstzuständen unterstützen oder ein schwieriges Gespräch begleiten kann – genau dorthin entwickelt sich diese Forschung“, so Elif Akata.

Die Studie macht aber auch deutlich, dass trotz beeindruckender Fortschritte bei Sprachmodellen soziale Intelligenz weiterhin ein Entwicklungsfeld bleibt.

Weichenstellung für künftige KI-Systeme

Die Integration von spieltheoretischen Modellen und Techniken wie SCoT könnte neue Wege eröffnen, KI-Systeme auf soziale Interaktion vorzubereiten. Dadurch könnten Anwendungen entstehen, die nicht nur Fakten liefern, sondern auch empathisch und kontextsensitiv reagieren.

Das wäre besonders wichtig, wenn KI zunehmend in beratenden oder unterstützenden Rollen agiert, die über reine Datenausgabe hinausgehen.

(ID:50437278)