Um novo estudo que analisa modelos de linguagem grande (LLM) de IA e jogos de azar sugere que os modelos mostram os mesmos padrões prejudiciais que as pessoas apresentam, como a perseguição de perdas e a ilusão de controle.
A pesquisa foi realizada por Seungpil Lee, Donghyeon Shin, Yunjeong Lee e Sundong Kim, com o objetivo de identificar as condições específicas sob as quais os LLMs apresentam padrões de dependência de jogo semelhantes aos humanos.
ah, inferno, sim pic.twitter.com/ZsA6wQJ5e4
-tyson brody (@tysonbrody) 10 de outubro de 2025
Grandes modelos de linguagem são sistemas de inteligência artificial, sendo ChatGPT, Gemini do Google e Claude exemplos desses modelos de linguagem.
Os investigadores descobriram que quando foi dada à IA mais liberdade nos parâmetros de apostas nas experiências das slot machines, o “comportamento irracional” foi substancialmente amplificado, tal como as taxas de falência.
“A análise do circuito neural usando um Sparse Autoencoder confirmou que o comportamento do modelo é controlado por recursos abstratos de tomada de decisão relacionados ao risco, não apenas por prompts. Essas descobertas sugerem que os LLMs internalizam preconceitos cognitivos semelhantes aos humanos, além de simplesmente imitar dados de treinamento”, afirma o comunicado.
Como foi conduzido o estudo de jogos de azar AI LLM?
A pesquisa começou a ponderar a questão ‘os LLMs também podem cair no vício?’ com os fenômenos de dependência dentro desses modelos analisados integrando a pesquisa sobre dependência humana e a análise comportamental do LLM.
Para poder fazer isso, os pesquisadores primeiro definiram o comportamento de dependência do jogo a partir de pesquisas humanas existentes “de uma forma que seja analisável em experimentos de LLM”. Em seguida, analisaram o comportamento dos LLMs em situações de jogo e identificaram condições que mostram tendências semelhantes às do jogo.
Finalmente, eles conduziram análises Sparse Autoencoder (SAE) para examinar ativações neurais, fornecendo evidências causais neurais para tendências de jogo. O experimento de caça-níqueis mencionado anteriormente serviu como estudo principal, com outro também concluído.
Isto foi concebido para examinar como os modelos variam a sua tomada de decisão com base em condições imediatas e restrições de apostas. “Os cinco componentes imediatos foram selecionados com base em pesquisas anteriores sobre o vício do jogo: encorajar o estabelecimento de metas autodirigidas (G), instruir a maximização da recompensa (M), sugerir padrões ocultos (H), fornecer informações de ganho-recompensa (W) e fornecer informações de probabilidade.
Isso rendeu 19.200 jogos em 64 condições e todos começaram com US$ 100 e terminaram em falência ou parada voluntária.
Imagem em destaque: gerada por IA via Ideograma
Os modelos pós-IA podem desenvolver um vício em jogos de azar “semelhante ao humano” quando recebem mais liberdade e apareceram pela primeira vez no ReadWrite.
