Логика инопланетян: как ИИ думает в играх

Новое исследование показывает: искусственный интеллект мыслит так, словно его воспитывали не люди, а математики с Марса. В играх, требующих стратегических решений, большие языковые модели демонстрируют гиперрациональное поведение и часто превосходят людей. Но при этом умудряются споткнуться на простейших понятиях, например, на доминирующих стратегиях – то есть на тех решениях, которые всегда лучше других. Работа опубликована в журнале Journal of Economic Behavior and Organization.

Большие языковые модели – это продвинутые системы искусственного интеллекта, обученные на гигантских массивах текстов. Их уже применяют в экономике: от анализа рынков до автоматизированных переговоров. И раз уж эти модели всё чаще оказываются в среде, где нужно конкурировать или взаимодействовать как человек с человеком, важно понять: они размышляют как мы или по каким-то своим странным правилам.

Авторы исследования – Iuliia Alekseenko, Dmitry Dagaev, Sofiia Paklina и Petr Parshakov из ВШЭ, Университета Лозанны и Российской экономической школы. Они поставили простой вопрос: ограничивает ли ИИ человеческая логика или он работает на базе совершенно иного мышления? Ученые решили выяснить, насколько ИИ похож на человека в условиях игровых экспериментов, давно изученных психологами и экономистами.

Главной ареной стало знаменитое «игровое шоу красоты», также известное как «угадай число». Участникам предлагается выбрать число от 0 до 100, а побеждает тот, кто окажется ближе всего к доле среднего выбранного значения. Классический вариант — две трети среднего.

Если все выбирают случайно, получается среднее 50, значит целевое значение — 33. Умный участник предполагает это и выбирает 33. Но если все такие умные, целевой показатель становится уже 22. И так далее, пока не придём к нулю — теоретическому равновесию Нэша.

Для тестов использовали пять крупных моделей: GPT‑4o, GPT‑4o‑Mini, Gemini‑2.5‑flash, Claude‑Sonnet‑4 и Llama‑4‑Maverick. Учёные воспроизвели 16 сценариев из классических работ по поведенческой экономике: меняли количество игроков, параметры и правила.

Каждая модель давала 50 ответов в каждом сценарии, температурный параметр был фиксирован на уровне 1.0, чтобы ответы напоминали разнообразие человеческих решений.

В повторении эксперимента Розмари Нагель (1995) модели выбрали числа куда ниже человеческих средних. Люди обычно выбирали около 27, а Llama – около двух. В варианте с коэффициентом две трети люди выбирали в среднем 36.73, модели — от 2.80 до 22.24. То есть ИИ совершал больше шагов рассуждений, чем человек.

В повторении эксперимента Дюффи и Нагель (1997), где критерий победы менялся—медиана, среднее или максимум—модели корректно адаптировали стратегию, выбирая более высокие числа, если целевое значение основывалось на максимуме. Это означает, что ИИ понимает, когда правила требуют иной оптимальной логики.

Но дальше начались странности. В двухигровых сценариях (Grosskopf и Nagel, 2008), где доминирующей стратегией является выбор нуля, модели… не смогли прямо сформулировать этот факт. Они выбирали низкие числа, но не потому, что понимали доминирующую стратегию, а по вероятностным соображениям.

Учёные подчеркнули два удивления: во‑первых, ИИ часто играет стратегичнее людей. Во‑вторых, он при этом не может заметить элементарную доминирующую стратегию.

Исследователи также проверили, умеет ли ИИ имитировать человеческие черты. Когда модель просили вести себя как человек с высоким уровнем когнитивной рефлексии, она выбирала очень низкие числа. С низкой — более высокие. Если модель «злили», она также выбирала высокие числа, что совпадает с реальными данными о поведении рассерженных людей.

Команда проверила влияние размера моделей: маленькие версии Llama выдавали хаотичные значения, похожие на человеческие, а огромные — стремились к нулю, то есть математическому эталону. Чем больше модель, тем ближе её поведение к строгой теории.

Главный вывод исследователей: ИИ мыслит стратегически, но не по‑человечески. Он ближе к машине, чем к человеку, и иногда не способен осознать элементарные логические принципы.

При этом ИИ не стоит рассматривать как предсказателя поведения людей — он действует слишком иначе. В реальных ситуациях с конкуренцией или взаимодействием ИИ может менять исходы в неожиданные для людей стороны.

У исследования есть ограничения: модели не играли за реальные деньги, а это влияет на человеческое мышление. Кроме того, результаты зависят от формулировок запросов, хотя проверка с перефразированными подсказками показала стабильность.

Авторы отмечают: важно понимать, что высокая точность ИИ в задачах не означает, что он мыслит по‑человечески. Следующий шаг — расширение экспериментов на другие игровые ситуации, где важны координация, сотрудничество и доминирование.