Erfolg dank sozialem und individuellem Lernen

Wir Menschen lernen nicht nur aus unseren eigenen Erfahrungen, sondern auch von anderen. Doch wie spielen individuelles und soziales Lernen zusammen – und welche Rolle spielen dabei verschiedene Umweltbedingungen und soziale Situationen? Diese Fragen haben Forschende nun mit Hilfe des Videospiels Minecraft untersucht. Dabei zeigte sich, dass es ein entscheidender Erfolgsfaktor ist, flexibel zwischen eigener Erkundung und dem Beobachten anderer zu wechseln. Die Ergebnisse helfen dabei, die menschliche Entscheidungsfindung in komplexen und dynamischen sozialen Umgebungen besser zu verstehen.

Wir konstruieren Wolkenkratzer, entwickeln Computer und erkunden das Weltall. Solche Fähigkeiten konnte die Menschheit nur erlangen, weil unsere Spezies in der Lage ist, Wissen zu teilen und über Generationen hinweg weiterzugeben und auszubauen. Wie genau wir soziales und individuell erworbenes Wissen kombinieren, ist jedoch bisher nur in Ansätzen verstanden. In vielen Studien blieb zudem außen vor, dass unterschiedliche äußere Bedingungen unterschiedliche Lernstrategien erfordern können.

Virtuelle Nahrungssuche

Ein Team um Charley Wu von der Universität Tübingen hat nun das Videospiel Minecraft genutzt, um zu testen, wie Menschen eigenes und soziales Lernen unter unterschiedlichen Umweltbedingungen kombinieren. Dazu schickten die Forschenden ihre Testpersonen in Vierergruppen in der virtuellen Umgebung des Computerspiels auf Nahrungssuche. Die Landschaft bestand aus unzähligen identisch aussehenden Blöcken, die die Teilnehmenden zerschlagen mussten. Manche dieser Blöcke enthielten Ressourcen wie Kürbisse und Wassermelonen, andere waren leer. Immer wenn ein Spieler eine Ressource fand, erschien ein blauer Funkenschauer, der den Mitspielenden den Fundort zeigte.

Der Clou: In einigen Durchläufen des Spiels war die virtuelle Nahrung in Clustern angeordnet, das heißt, neben einem gefüllten Block befanden sich mit hoher Wahrscheinlichkeit weitere. In diesem Setting waren die sozialen Hinweise also von hohem Wert. In anderen Durchläufen waren die Ressourcen dagegen zufällig verteilt, sodass es vielversprechender war, sich auf eigene Faust auf Erkundungstour zu begeben. In welcher der beiden Umgebungen sich die Testpersonen gerade befanden, konnten sie jedoch allenfalls durch Versuch und Irrtum herausfinden.

Flexible Anpassung

„Ein Spiel wie Minecraft zu nutzen, ist sinnvoll, weil es reale Herausforderungen simuliert. Zum Beispiel kann man immer nur einen kleinen Teil der virtuellen Welt sehen und muss sich daher entscheiden, ob man sich auf die eigene Suche konzentriert oder darauf achtet, was die anderen Spielenden tun, um von ihnen zu lernen“, erklärt Co-Autor Ralf Kurvers vom Max-Planck-Institut für Bildungsforschung. „Das bedeutet, dass ich ständig vor der Wahl stehe: Folge ich meiner Intuition und suche allein oder nutze ich soziale Informationen, indem ich den Spielenden folge, die bereits etwas gefunden haben?“

In den Versuchen zeigte sich, dass diejenigen Testpersonen am erfolgreichsten waren, die ihre Strategie flexibel an die jeweilige Umgebung anpassten. Wer also schnell erkannte, dass sich die Ressourcen oft in benachbarten Blöcken verbergen, folgte vor allem den von anderen ausgelösten blauen Funken und maximierte so in den Durchläufen mit Nahrungsclustern den eigenen Gewinn. Wer dieser Strategie allerdings starr folgte, war in Durchläufen mit zufälliger Verteilung weniger erfolgreich. Es ging also vor allem darum, sich an die verschiedenen Bedingungen anzupassen und je nach Bedarf zu entscheiden, ob der Fokus auf eigener Erkundung oder auf dem Beobachten der Mitspieler liegen soll.

(Video: Benjamin Kahl)

Vorhersagen mit künstlicher Intelligenz

Um die Entscheidungsprozesse der Testpersonen besser nachzuverfolgen, zeichneten die Forschenden deren Blicke automatisiert auf. So konnten sie die Handlungen im Spiel damit verknüpfen, auf welche Objekte, Ereignisse und Mitspieler die Teilnehmenden schauten. Auf dieser Basis entwickelten Wu und sein Team ein Modell, das allein anhand der Blickrichtung vorhersagen konnte, welchen Block ein Proband als nächstes auswählen wird. „Dieser neue Ansatz ermöglicht es uns, Lernalgorithmen moderner künstlicher Intelligenz mit flexiblen sozialen Lernmechanismen zu verbinden, die adaptiv aus dem erfolgreichen Verhalten anderer lernen“, sagt Wu.

Wie die Experimente zeigten, war der treibende Faktor für den Wechsel zwischen den Strategien jeweils der eigene Erfolg. „Diese Ergebnisse integrieren nicht nur Theorien über soziale und nicht-soziale adaptive Mechanismen, sondern liefern auch wichtige Erkenntnisse über die Anpassungsfähigkeit der menschlichen Entscheidungsfindung in komplexen und dynamischen sozialen Landschaften“, fasst das Forschungsteam zusammen.

Quelle: Charley Wu (Universität Tübingen) et al., Nature Communications, doi: 10.1038/s41467-025-58365-6

© wissenschaft.de – Elena Bernard