في إطار السعي المتواصل لفهم وتحسين استراتيجيات التعاون في الذكاء الاصطناعي، توصل الباحثون إلى نموذج جديد يحمل في طياته قوى الأفضليات الإنسانية. هذه الفكرة تنطلق من مفهوم أساسي في علم النفس الاجتماعي والاقتصاد السلوكي، ألا وهو دمج الأفضليات الإيثارية والعدالة، مما يعرف بنموذج أفضليات الإيثار والعدالة (Altruistic and Fairness Preference - AFP).

تُعتبر مواقف التحديات الاجتماعية في التعلم المعزز متعدد الوكلاء (Multi-Agent Reinforcement Learning - MARL) من بين أصعب الحالات التي يصادفها الباحثون. ففي هذه المواقف، تتوافق مصلحة الفرد بشكل متعارض مع المصلحة العامة، مما يؤدي إلى نتائج جماعية دون المستوى المتوقع. بينما يتمتع البشر بالقدرة على تحقيق التعاون في مثل هذه السيناريوهات.

من خلال الدراسة الجديدة، تم تصميم وظيفة مكافأة جديدة تجمع بين الأفضليات الإيثارية (التحفيز لمكافأة الآخرين) والأفضليات العادلة (التحفيز لتحقيق المساواة). وقد أظهرت التجارب المقارنة أن الوكلاء المدربين تحت نموذج AFP نجحوا في تحقيق تعاون متبادل مع مكافآت جماعية أعلى وتوزيعات أكثر عدالة، متفوقين بذلك على نماذج التعلم المعزز التقليدية.

كما تم تحليل الكيفية التي تؤثر بها الأفضليات الإيثارية والعدالة على تصرفات الوكلاء خلال فترة التدريب، مما أسفر عن نتائج مشجعة تؤكد أهمية هذه الأفضليات في تعزيز التعاون ودعم المصلحة العامة بين الوكلاء الذكياء. هذه الإنجازات تقدم لمحة جديدة حول كيفية استخدام الأبعاد الإنسانية لتعزيز إمكانيات الذكاء الاصطناعي وجعله أكثر قابلية للتعاون.