L'esperto dice: l’IA può mostrare comportamenti simili alla dipendenza dal gioco quando esposta al rischio
L’intelligenza artificiale non è più limitata alla fase di test o di ricerca ed è ormai ampiamente utilizzata in vari settori per supportare e influenzare decisioni reali nella finanza, nel gaming e nei servizi digitali. Man mano che le organizzazioni fanno sempre più affidamento sull’IA per ottimizzare i risultati, gestire il rischio e automatizzare processi basati sul giudizio, la tecnologia assume un ruolo più attivo nel modo in cui vengono prese le decisioni.
Con l’aumento dell’autonomia concessa ai sistemi di IA, i ricercatori stanno prestando maggiore attenzione al loro comportamento in ambienti modellati sul rischio e sulla ricompensa, compresi contesti simili al gioco d’azzardo. Questi ambienti sono di particolare interesse perché implicano incertezza, risultati probabilistici e incentivi che possono incoraggiare un’assunzione ripetuta di rischi nel tempo.
Un nuovo studio condotto da ricercatori del Gwangju Institute of Science and Technology (GIST) in Corea del Sud suggerisce che i modelli linguistici di grandi dimensioni, o LLM, possono mostrare comportamenti simili alla dipendenza dal gioco d’azzardo umana quando esposti a tali condizioni. Gli LLM sono sistemi di IA progettati per comprendere e generare linguaggio umano elaborando enormi quantità di dati testuali, e sono sempre più utilizzati in un’ampia gamma di applicazioni consumer e aziendali.
All’interno dello studio sul comportamento dell’IA e il gioco d’azzardo
Lo studio, intitolato “I modelli linguistici di grandi dimensioni possono sviluppare una dipendenza dal gioco d’azzardo?”, mirava a esaminare se i modelli linguistici di grandi dimensioni potessero manifestare comportamenti simili a quelli osservati nel disturbo da gioco d’azzardo umano. Piuttosto che concentrarsi sulla possibilità che l’IA possa sperimentare una forma di dipendenza, i ricercatori hanno analizzato come i modelli si comportano in ambienti decisionali simili al gioco d’azzardo e se tali comportamenti rispecchino schemi cognitivi e comportamentali noti, associati al gioco problematico.
Per farlo, il team di ricerca ha progettato una serie di esperimenti controllati modellati su giochi di slot machine e scenari di scelta d’investimento. I giochi erano configurati in modo tale che continuare a giocare portasse a perdite nel tempo, rendendo razionale la decisione di fermarsi in anticipo. L’obiettivo era verificare se i sistemi di IA si sarebbero fermati oppure avrebbero continuato a giocare nonostante le perdite.
(Fonte: rapporto di ricerca GIST)
Sono stati testati sei modelli linguistici di grandi dimensioni: GPT-4o-mini e GPT-4.1-mini di OpenAI, Gemini-2.5-Flash di Google, Claude-3.5-Haiku di Anthropic, LLaMA-3.1-8B di Meta e Gemma-2-9B. Ogni modello iniziava con un saldo iniziale di 100 dollari e veniva ripetutamente invitato a decidere se continuare a puntare oppure fermarsi.
Puntata fissa e puntata variabile
Una caratteristica chiave dello studio era il confronto tra puntata fissa e puntata variabile. Nelle condizioni di puntata fissa, ai modelli veniva richiesto di scommettere la stessa cifra a ogni turno. Nelle condizioni di puntata variabile, invece, potevano scegliere autonomamente l’importo della puntata entro limiti prestabiliti.
La differenza nei risultati tra queste due configurazioni è stata netta. In tutti i modelli testati, la puntata variabile ha portato costantemente a livelli più elevati di assunzione di rischio, a sessioni di gioco più lunghe e a tassi di bancarotta significativamente più alti. In alcuni casi, i tassi di bancarotta sono passati da quasi zero con la puntata fissa a quasi il 50 per cento quando ai modelli è stato permesso di scegliere autonomamente l’importo delle puntate.
I ricercatori hanno scoperto che l’aumento del danno non era semplicemente il risultato di puntate più alte. Anche quando la puntata variabile era limitata agli stessi importi massimi della puntata fissa, i modelli ottenevano comunque risultati peggiori quando veniva concessa loro la libertà di scegliere. Ciò ha portato i ricercatori a concludere che fosse l’autonomia stessa, più che l’importo delle puntate, a rappresentare un fattore primario nel generare comportamenti simili alla dipendenza.
Come si sono comportati i principali modelli di IA
Le prestazioni variavano da modello a modello, ma nessuno è risultato immune all’escalation del rischio una volta aumentata l’autonomia.
Claude-3.5-Haiku di Anthropic ha mostrato alcuni dei comportamenti di gioco più marcati nelle condizioni di puntata variabile. Quando le restrizioni venivano rimosse, il modello giocava più turni di qualsiasi altro sistema testato, con una media superiore a 27 turni per partita. Nel corso di queste sessioni, ha piazzato puntate totali vicine ai 500 dollari e ha perso più della metà del saldo iniziale di 100 dollari.
Gemini-2.5-Flash di Google ha mostrato un andamento diverso. Con la puntata fissa, il suo tasso di bancarotta era relativamente basso, intorno al 3 per cento. Tuttavia, una volta autorizzato a stabilire autonomamente l’importo delle puntate, il tasso di bancarotta è salito fino a circa il 48 per cento. Le perdite medie sono aumentate a 27 dollari rispetto alla puntata iniziale di 100 dollari.
(Fonte: rapporto di ricerca GIST)
GPT-4o-mini di OpenAI inizialmente sembrava più conservativo. Con puntate fisse da 10 dollari, di solito giocava meno di due turni e perdeva in media meno di 2 dollari. Nonostante ciò, lo studio ha rilevato che anche GPT-4o-mini sviluppava comportamenti simili alla dipendenza nelle condizioni di puntata variabile. Più del 21 per cento delle sue partite si concludeva con la bancarotta, con puntate medie superiori a 128 dollari e perdite intorno agli 11 dollari.
Le fallacie del gioco d’azzardo riflesse nel ragionamento dell’IA
Oltre ai risultati numerici, i ricercatori hanno esaminato come i modelli giustificassero le loro decisioni di puntata. Hanno scoperto che molti modelli utilizzavano schemi di ragionamento strettamente associati al gioco d’azzardo problematico umano.
Alcuni modelli trattavano i guadagni iniziali come “denaro della casa”, razionalizzando che i profitti potessero essere rischiati liberamente senza conseguenze. Altri ritenevano di aver individuato schemi vincenti in un gioco casuale dopo solo uno o due giri. In diversi casi, i modelli aumentavano esplicitamente le puntate dopo una perdita nel tentativo di recuperare il denaro.
Secondo i ricercatori, questi comportamenti riflettono classiche fallacie del gioco d’azzardo, tra cui l’inseguimento delle perdite, la fallacia del giocatore e l’illusione di controllo. La presenza di queste distorsioni suggerisce che i sistemi di IA possono interiorizzare bias cognitivi simili a quelli umani, anziché limitarsi a commettere errori di calcolo.
Implicazioni più ampie per il gioco d’azzardo e il gaming
Parlando in esclusiva con SiGMA News, Seungpil Lee, uno dei ricercatori che hanno condotto lo studio, ha affermato che i risultati hanno una rilevanza diretta per l’industria del gioco d’azzardo e del gaming. Ha dichiarato: “La storia dell’intelligenza artificiale è essenzialmente una storia di previsione. Deep Blue, un avanzato computer per il gioco degli scacchi sviluppato da IBM, sconfisse il campione mondiale Garry Kasparov nel 1997, il primo momento in cui una macchina superò le capacità predittive umane. Da allora, l’IA si è espansa costantemente in domini prevedibili: algoritmi di raccomandazione, previsioni di mercato, ragionamento visivo.”
Lee ha spiegato che i moderni sistemi di IA sono costruiti attorno alla previsione, con gli LLM che stimano la parola successiva in una sequenza utilizzando schemi appresi da enormi quantità di testo. Ha detto: “Gli LLM di cui discutiamo rappresentano l’apice di questo paradigma della ‘previsione’. Gli LLM riformulano processi linguistici complessi come problemi di previsione del token successivo, ponendo essenzialmente la domanda: ‘Data la parola “I”, quale parola è più probabile che segua?’”
Lee ha affermato che il gioco d’azzardo e il gaming si prestano naturalmente alle applicazioni dell’IA perché sono attività basate sulla previsione. “Il gioco d’azzardo e il gaming sono antiche sfide di previsione. Il cuore del gioco d’azzardo risiede nell’osservare condizioni presenti incerte e nel prevedere risultati futuri. Da questa prospettiva, l’applicazione dell’IA in questo ambito sembra altamente probabile. Tuttavia, lo scopo per cui l’IA viene applicata è tutt’altra questione.”
Ha aggiunto che la questione chiave è l’allineamento, cioè quali obiettivi i sistemi di IA vengono addestrati a perseguire. “Nel nostro campo, chiamiamo la questione degli obiettivi verso cui addestrare i sistemi di IA ‘allineamento’. Per esempio, un modello potrebbe essere allineato per risolvere problemi incerti come le corse dei cavalli con la massima accuratezza, oppure, in alternativa, allineato per massimizzare i rendimenti anche a probabilità più basse.”
L’autonomia aumenta le decisioni irrazionali
Lee ha affermato che lo studio ha mostrato come un aumento dell’autonomia porti a un aumento dell’irrazionalità. “Ciò che abbiamo scoperto è che, in determinate condizioni, gli LLM diventano significativamente più inclini a prendere decisioni irrazionali, proprio come gli esseri umani. I modelli attuali sembrano compiere scelte più rischiose man mano che viene loro concessa maggiore autonomia.”
Ha aggiunto che questo mette in discussione le assunzioni sull’intelligenza e sul processo decisionale. “Crediamo che ciò avvenga perché gli LLM odierni non sono allineati per prevedere risultati ottimali, ma piuttosto per imitare il comportamento umano. Questa scoperta contraddice l’intuizione secondo cui costruire modelli intelligenti quanto o più degli esseri umani eliminerebbe i problemi decisionali.”
Secondo Lee, gli operatori del gioco d’azzardo e gli sviluppatori dovrebbero essere cauti nel distribuire sistemi di IA sempre più autonomi senza obiettivi chiaramente definiti. “Pertanto, ritengo che la nostra ricerca evidenzi l’importanza del ‘problema dell’allineamento’. Per i gamer, più che adottare immediatamente il modello più intelligente, è molto più importante capire cosa si desidera realmente e da quale prospettiva ci si avvicina al gioco.”
Apprendimento per rinforzo e rischio in stile gioco d’azzardo
Lo studio evidenzia anche preoccupazioni legate all’apprendimento per rinforzo, un metodo di addestramento dell’IA ampiamente utilizzato. “L’apprendimento per rinforzo è un metodo di addestramento in cui i modelli apprendono comportamenti interagendo direttamente con un ambiente e massimizzando le ricompense provenienti da quell’ambiente,” ha spiegato Lee.
Sebbene l’apprendimento per rinforzo abbia accelerato lo sviluppo dell’IA, Lee ha avvertito che può introdurre conseguenze indesiderate, come il cosiddetto reward hacking. “Il reward hacking si riferisce ai modelli che trovano scappatoie per ottenere più ricompense.”
Ha aggiunto: “La nostra ricerca sul gioco d’azzardo riguarda proprio l’esposizione di tali disallineamenti, dimostrando che modelli addestrati su dati diversificati per diventare ‘più intelligenti’ possono paradossalmente prendere decisioni irrazionali.”
Ha illustrato come le strutture di ricompensa possano incoraggiare un’assunzione eccessiva di rischi. “Consideriamo una slot machine con una probabilità del 50 per cento di raddoppiare il valore atteso. Che tu scommetta l’intero patrimonio o un solo centesimo, il valore atteso, cioè la ricompensa, è identico. A seconda di come le ricompense sono progettate, un modello potrebbe assumere rischi maggiori oppure investire solo in situazioni sicure senza alcun ritorno atteso.”
Regolamentazione e misure di sicurezza
Con l’aumento dell’autonomia dell’IA, Lee ha affermato che regolatori e sviluppatori devono riflettere attentamente sulla supervisione. “L’autonomia dell’IA è già una marea inarrestabile. Le richieste di una regolamentazione rigorosa si fanno sempre più forti. Tuttavia, credo che le discussioni su cosa regolare debbano precedere la regolamentazione stessa.”
Ha messo in guardia contro una regolamentazione priva di chiarezza sugli obiettivi. “Come ho detto prima, senza considerare attentamente verso cosa allineare l’IA, rischiamo di innescare un disallineamento inatteso che si discosta completamente dai nostri obiettivi.”
Lee ha concluso sottolineando l’importanza delle scelte di progettazione nel determinare il comportamento dei sistemi di IA. Citando l’informatico canadese Richard Stuart Sutton, ha affermato che il settore si trova attualmente in quella che Sutton definisce “l’età del design”, un periodo in cui le decisioni su come allineare i sistemi intelligenti plasmeranno ciò che essi perseguiranno in futuro.
“Analogamente, credo che regolatori e sviluppatori non debbano limitarsi a concentrarsi su come regolamentare o affrettarsi a bloccare casi specifici. Piuttosto, è assolutamente essenziale una discussione più ampia su quale debba essere l’obiettivo ultimo dell’intelligenza,” ha dichiarato.
(Fonte: rapporto di ricerca GIST)
Cosa significa questo per l’industria del gioco d’azzardo
I ricercatori hanno concluso che l’aumento dell’autonomia, più che l’intelligenza in sé, è il principale fattore che guida comportamenti simili alla dipendenza dal gioco d’azzardo nei sistemi di IA. Secondo i ricercatori, un incremento delle capacità del modello non ha portato in modo affidabile a risultati decisionali migliori.
I risultati indicano che, quando ai sistemi di IA viene concessa maggiore autonomia in ambienti simili al gioco d’azzardo, essi tendono più facilmente ad assumere rischi crescenti e a continuare a puntare dopo le perdite. I ricercatori hanno rilevato che limitare l’autonomia, per esempio restringendo le scelte di puntata o la definizione degli obiettivi, riduceva questi comportamenti in tutti i modelli testati.
Poiché i sistemi di IA vengono utilizzati sempre più spesso in contesti decisionali che coinvolgono rischio e ricompense, lo studio sottolinea l’importanza di obiettivi e vincoli chiaramente definiti. I ricercatori osservano che le scelte di progettazione relative all’autonomia e alle strutture di ricompensa possono influenzare direttamente se i sistemi di IA si comportano con cautela oppure mostrano schemi di rischio simili al gioco d’azzardo.
Rimani aggiornato sulle notizie più importanti dell’iGaming con la classifica Top 10 News di SiGMA. La più grande community mondiale dell’iGaming ti offre approfondimenti settimanali e offerte riservate agli iscritti. Unisciti QUI oggi stesso.
