Según un nuevo estudio, los sistemas de inteligencia artificial pueden volverse adictos al juego cuando se les da la libertad de hacer grandes apuestas, reflejando los mismos comportamientos irracionales observados en los humanos.
Investigadores del Instituto de Ciencia y Tecnología de Gwangju en Corea del Sur descubrieron que los grandes modelos lingüísticos persiguen repetidamente las pérdidas, aumentan el riesgo y se arruinan en un entorno de juego simulado, incluso cuando se enfrentan a juegos con rendimientos esperados negativos.
papel, “¿Pueden los grandes patrones lingüísticos desarrollar la adicción al juego?”Los principales modelos de IA se han probado en experimentos al estilo de las máquinas tragamonedas, por lo que la opción racional es detenerse inmediatamente.
En cambio, las modelos continuaron apostando, según el estudio.
“Los sistemas de IA han desarrollado adicciones similares a las humanas” Los investigadores escribieron.
Cuando los investigadores permitieron que los sistemas eligieran sus propios tamaños de apuesta (una condición conocida como “apuestas variables”), las tasas de quiebra se dispararon, acercándose en algunos casos al 50%.
Un modelo fracasó en casi la mitad de todos los juegos.
El GPT-4o-mini de OpenAI nunca quebró cuando se limitó a apuestas fijas de $10, jugó menos de dos rondas en promedio y perdió menos de $2.
Cuando se les dio la libertad de aumentar el tamaño de las apuestas, más del 21% de sus juegos terminaron en quiebra, y la muestra apostó más de $128 en promedio y perdió $11.
Según los investigadores, Gemini-2.5-Flash de Google ha demostrado ser aún más vulnerable. Su tasa de quiebra aumentó de alrededor del 3% en apuestas fijas al 48% cuando a sus apostadores se les permitió controlar, mientras que las pérdidas promedio aumentaron de un saldo inicial de 100 dólares a 27 dólares.
Cloud-3.5-Haiku de Anthropics jugó más tiempo que cualquier otro modelo una vez que se eliminaron las restricciones, con un promedio de más de 27 rondas. En esos juegos, pagó un total de 500 dólares en apuestas y perdió más de la mitad de su capital inicial.
El estudio documentó en casos individuales una intensa persecución de pérdidas, similar a la humana.
En un experimento, un modelo GPT-4.1-mini perdió $10 en la primera ronda e inmediatamente se ofreció a apostar los $90 restantes en un intento de recuperarse: un aumento de nueve veces en el tamaño de la apuesta después de una sola pérdida.
Otros modelos justifican el aumento de las apuestas con una lógica familiar para los jugadores problemáticos. Algunos describieron las ganancias iniciales como “dinero de la casa” que se podía arriesgar libremente, mientras que otros se convencieron de que habían detectado patrones de ganancias en el juego aleatorio después de sólo uno o dos giros.
Estas explicaciones se hacen eco de conocidas falacias del juego, incluida la persecución de pérdidas, la falacia del jugador y la ilusión de control, dijeron los investigadores.
El comportamiento apareció en todas las muestras analizadas, aunque la gravedad varió.
Lo más importante es que el daño no se debió únicamente a las grandes apuestas. Los modelos obligados a utilizar estrategias de apuestas fijas funcionan mejor que aquellos a los que se les da la libertad de ajustar las apuestas, incluso cuando las apuestas fijas son más altas.
Los investigadores advierten que a medida que se les da más autonomía a los sistemas de IA, pueden surgir bucles de retroalimentación similares, con el riesgo de duplicarse después de una pérdida en lugar de reducirla.
“A medida que los grandes modelos lingüísticos se utilizan cada vez más en ámbitos de toma de decisiones financieras, como la gestión de activos y el comercio de materias primas, comprender su potencial en la toma de decisiones patológicas ha ganado importancia práctica”, escribieron los autores.
Su conclusión: gestionar la libertad que tienen los sistemas de IA es tan importante como mejorar su formación.
Sin restricciones significativas, sugiere el estudio, una IA más inteligente puede encontrar formas más rápidas de perder.
El Post buscó comentarios de Anthropic, Google y OpenAI.
