Investigación revela que los humanos esperan racionalidad y cooperación de la IA en juegos estratégicos
Un nuevo estudio explora cómo se comportan los humanos al jugar juegos estratégicos contra **Modelos de Lenguaje Grandes (LLMs)**. La investigación indica que las personas tienden a ajustar sus estrategias, esperando a menudo racionalidad e incluso cooperación de sus oponentes de IA, particularmente en escenarios con incentivos monetarios.
Ha surgido una investigación interesante titulada "Humans expect rationality and cooperation from LLM opponents in strategic games" (Los humanos esperan racionalidad y cooperación de oponentes LLM en juegos estratégicos), disponible como pre-print en arXiv.
[https://arxiv.org/pdf/2505.11011](https://arxiv.org/pdf/2505.11011)
### Hallazgos Clave
El resumen destaca una dinámica fascinante:
> A medida que los Modelos de Lenguaje Grandes (LLMs) se integran en nuestras interacciones sociales y económicas, necesitamos profundizar nuestra comprensión de cómo responden los humanos a los oponentes LLM en entornos estratégicos. Presentamos los resultados del primer experimento controlado de laboratorio con incentivos monetarios que analiza las diferencias en el comportamiento humano en un juego de "p-beauty contest" multijugador contra otros humanos y LLMs. Utilizamos un diseño intrasujeto para comparar el comportamiento a nivel individual. Demostramos que, en este entorno, los sujetos humanos eligen números significativamente más bajos cuando juegan contra LLMs que contra humanos, lo que se debe principalmente a la mayor prevalencia de elecciones del equilibrio de Nash 'cero'. Este cambio se debe principalmente a sujetos con alta capacidad de razonamiento estratégico. Los sujetos que eligen la opción del equilibrio de Nash cero motivan su estrategia apelando a la capacidad de razonamiento percibida del LLM y, de manera inesperada, a su propensión a la cooperación. Nuestros hallazgos proporcionan información fundamental sobre la interacción humana-LLM multijugador en juegos de elección simultánea, descubren heterogeneidades tanto en el comportamiento de los sujetos como en sus creencias sobre el juego de los LLM cuando juegan contra ellos, y sugieren implicaciones importantes para el diseño de mecanismos en sistemas mixtos humano-LLM.
Esto sugiere que las personas con sólidas habilidades de razonamiento estratégico son más propensas a anticipar un juego lógico por parte de las IA, incluso hasta el punto de esperar un comportamiento cooperativo. Esta expectativa influye en su toma de decisiones dentro del entorno del juego.
Etiquetas: artículos académicos, **IA**, juegos, **LLM**, confianza