Forschung zeigt: Menschen erwarten Rationalität und Kooperation von KI in strategischen Spielen
Eine neue Studie untersucht, wie sich Menschen verhalten, wenn sie strategische Spiele gegen **Large Language Models (LLMs)** spielen. Die Forschung deutet darauf hin, dass Menschen dazu neigen, ihre Strategien anzupassen und oft Rationalität und sogar Kooperation von ihren KI-Gegnern erwarten, insbesondere in Szenarien mit monetären Anreizen.
Interessante Forschung ist unter dem Titel "Humans expect rationality and cooperation from LLM opponents in strategic games" erschienen und als Pre-Print auf arXiv verfügbar.
[https://arxiv.org/pdf/2505.11011](https://arxiv.org/pdf/2505.11011)
### Wichtigste Erkenntnisse
Die Zusammenfassung hebt eine faszinierende Dynamik hervor:
> Da Large Language Models (LLMs) zunehmend in unsere sozialen und wirtschaftlichen Interaktionen integriert werden, müssen wir unser Verständnis vertiefen, wie Menschen auf LLM-Gegner in strategischen Umgebungen reagieren. Wir präsentieren die Ergebnisse des ersten kontrollierten Laborexperiments mit monetären Anreizen, das Unterschiede im menschlichen Verhalten in einem Multi-Player-p-Beauty-Contest gegen andere Menschen und LLMs untersucht. Wir verwenden ein Within-Subject-Design, um das Verhalten auf individueller Ebene zu vergleichen. Wir zeigen, dass menschliche Probanden in dieser Umgebung signifikant niedrigere Zahlen wählen, wenn sie gegen LLMs spielen als gegen Menschen, was hauptsächlich auf die erhöhte Prävalenz von 'Null'-Nash-Gleichgewichts-Wahlen zurückzuführen ist. Diese Verschiebung wird hauptsächlich von Probanden mit hoher strategischer Denkfähigkeit angetrieben. Probanden, die die Null-Nash-Gleichgewichts-Wahl treffen, begründen ihre Strategie mit der wahrgenommenen Denkfähigkeit des LLM und, unerwartet, mit seiner Neigung zur Kooperation. Unsere Ergebnisse liefern grundlegende Einblicke in die Multi-Player-Mensch-LLM-Interaktion in simultanen Wahlspielen, decken Heterogenitäten im Verhalten und in den Überzeugungen der Probanden über das Spiel von LLMs auf, wenn sie gegen sie spielen, und deuten auf wichtige Implikationen für das Mechanismendesign in gemischten Mensch-LLM-Systemen hin.
Dies deutet darauf hin, dass Personen mit starken strategischen Denkfähigkeiten eher logisches Spiel von KIs antizipieren, sogar bis hin zur Erwartung kooperativen Verhaltens. Diese Erwartung beeinflusst ihre Entscheidungsfindung innerhalb der Spielumgebung.
Tags: wissenschaftliche Arbeiten, **KI**, Spiele, **LLM**, Vertrauen