თამაშთა თეორია: რაციონალური აგენტების ინტერაქციის მათემატიკა

თამაშის ცნება და ეპისტემური განმარტება

თამაშთა თეორია წარმოადგენს გამოყენებითი მათემატიკისა და ეკონომიკური თეორიის ფუნდამენტურ ქვედარგს, რომელიც სტრატეგიული ურთიერთქმედებების ფორმალურ მოდელირებას ახდენს. მისი ძირითადი სასწავლო ობიექტია „თამაში“ — ანუ სიტუაცია, სადაც ინდივიდუალური აგენტის (მოთამაშის) წარმატება, სარგებელი ან ანაზღაურება დამოკიდებულია არა მხოლოდ მის პირად ქმედებებზე, არამედ სხვა მოთამაშეთა მიერ გაკეთებულ არჩევანზეც. ეს არის ფუნდამენტური განსხვავება ტრადიციული გადაწყვეტილების მიღების თეორიისგან, რომელიც მარტოხელა აგენტს გარე, ბუნებრივ გაურკვევლობასთან უპირისპირებს.

აქვე საჭიროა საწყისი ეპისტემური განმარტება, რადგან ხშირად თამაშთა თეორიას შეცდომით აღიქვამენ, როგორც გასართობი თამაშების ანალიზს. სინამდვილეში, ეს არის მკაცრი მათემატიკური და ლოგიკური ჩარჩო, რომელიც ხსნის, თუ როგორ იღებენ გადაწყვეტილებას აგენტები მაშინ, როდესაც მათი წარმატება პირდაპირაა დამოკიდებული სხვების ქმედებებზე. მოკლედ, ეს არის მეცნიერება სტრატეგიული ურთიერთდამოკიდებულების შესახებ. თამაშთა თეორია ინტერაქციის ცენტრში ათავსებს მოლოდინების ურთიერთგანპირობებას, ანუ პრინციპს, რომელსაც ხშირად ასე გამოხატავენ: „მე ვფიქრობ, რომ ის ფიქრობს, რომ მე ვფიქრობ...“ ეს რეფლექსიური მოლოდინების ჯაჭვი განასხვავებს თამაშთა თეორიას ყველა სხვა ანალიტიკური მიდგომისგან.

1. ისტორიული გენეზისი: კურანოდან ნეშამდე და მის მიღმა

1.1. ადრეული წინამორბედები

თამაშთა თეორიის ინტელექტუალური ფესვები XIX საუკუნის ბოლომდე მიდის. ოგიუსტენ კურნოს (1838) „Recherches sur les principes mathématiques de la théorie des richesses“ („კვლევები სიმდიდრის თეორიის მათემატიკურ პრინციპებზე“) ოლიგოპოლიის ანალიზი, სადაც მან ჩამოაყალიბა კურნოს დუოპოლიის მოდელი, არსებითად იყო პირველი სტრატეგიული ურთიერთქმედების ფორმალური მოდელი. მან აჩვენა, რომ ორი ფირმის მიერ წარმოებული რაოდენობის გადაწყვეტილება ურთიერთდამოკიდებულია — თითოეული ფირმა ირჩევს ოპტიმალურ მოცულობას, იმის ვარაუდით, რომ მეორე თავის ამჟამინდელ მოცულობას შეინარჩუნებს. 1881 წელს ფრენსის ისიდრო ეჯვორთმა თავის „Mathematical Psychics“-ში („მათემატიკური ფსიქიკები“) კურნოს მოდელი გააფართოვა, ხოლო 1913 წელს ერნსტ ცერმელომ ჭადრაკი ფორმალურად გააანალიზა, როგორც სტრატეგიული თამაში. თუმცა, ეს იყო იზოლირებული მცდელობები, რომლებსაც არ ჰქონდათ ერთიანი თეორიული ბაზისი.

1.2. ფონ ნოიმანის რევოლუცია

თამაშთა თეორიის, როგორც დამოუკიდებელი დისციპლინის ფუძემდებლად მიჩნეულია ჯონ ფონ ნოიმანი. 1928 წელს მან გამოაქვეყნა ფუნდამენტური ნაშრომი „Zur Theorie der Gesellschaftsspiele“ („საზოგადოებრივი თამაშების თეორიის შესახებ“), სადაც ჩამოაყალიბა და მათემატიკურად დაამტკიცა მინიმაქსის თეორემა. ეს თეორემა, რომელიც ნულოვანი ჯამის მქონე თამაშების ქვაკუთხედია, ამტკიცებს, რომ ორმოთამაშიან, ნულოვანი ჯამის, სასრულსტრატეგიებიან თამაშში (როდესაც დავუშვებთ შერეულ სტრატეგიებს) არსებობს მინიმუმ ერთი წყვილი სტრატეგია, რომლისთვისაც მოსალოდნელი ანაზღაურება იძლევა წონასწორობას (ე.წ. უნაგირ წერტილს, saddle point). მათემატიკურად:

\max_{\sigma_1} \min_{s_2} U_1(\sigma_1, s_2) = \min_{\sigma_2} \max_{s_1} U_1(s_1, \sigma_2) = v,

სადაც $v$ არის თამაშის „ღირებულება“. ეს შედეგი იმდენად ფუნდამენტური იყო, რომ მან განსაზღვრა მთელი შემდგომი კვლევის მიმართულება.

1944 წელს ფონ ნოიმანმა, ეკონომისტ ოსკარ მორგენშტერნთან ერთად, გამოაქვეყნა მონუმენტური ნაშრომი „Theory of Games and Economic Behavior“ („თამაშთა თეორია და ეკონომიკური ქცევა“). ეს წიგნი იყო პირველი სისტემატური ტრაქტატი, რომელმაც თამაშთა თეორია, როგორც მათემატიკური ენა, ეკონომიკური ურთიერთობების აღსაწერად გამოიყენა. მან შემოიღო კოალიციური თამაშების ანალიზი, დამახასიათებელი ფუნქციის (characteristic function) ცნება (ფუნქცია $v: 2^N \to \mathbb{R}$, რომელიც ყოველ კოალიციას $S \subseteq N$ ანიჭებს იმ მინიმალურ გარანტირებულ ანაზღაურებას, რომლის მიღებაც მას შეუძლია), სტაბილური სიმრავლეების (stable sets) კონცეფცია, როგორც გადაწყვეტის იდეა, და მოლოდინი სარგებლიანობის (expected utility) აქსიომატიკა (VNM utility). ამ უკანასკნელმა მყარი საფუძველი ჩამოუყარა რაციონალური აგენტის ქცევის მოდელირებას გაურკვევლობის პირობებში.

1.3. ჯონ ფორბს ნეში და არაკოოპერატიული რევოლუცია

1950-იანმა წლებმა კატეგორიული ძვრა მოიტანა. ახალგაზრდა მათემატიკოსმა, ჯონ ფორბს ნეშმა, 1950 წლის მოკლე, ერთგვერდიან ნაშრომში „Equilibrium Points in N-person Games“ („n-პიროვნულ თამაშებში წონასწორობის წერტილები“, Proceedings of the National Academy of Sciences) და 1951 წლის უფრო ვრცელ სტატიაში „Non-Cooperative Games“ („არაკოოპერატიული თამაშები“, Annals of Mathematics), რევოლუციური იდეა წამოაყენა. მან შექმნა არაკოოპერატიული თამაშების ანალიზის უნივერსალური ინსტრუმენტი — ნეშის წონასწორობა.

ნეშის მთავარი ინოვაცია იყო ფუნდამენტური განსხვავება კოოპერატიულ (სადაც ვარაუდობენ, რომ მოთამაშეებს შეუძლიათ ვალდებულების აღებისუნარიანი ხელშეკრულებების გაფორმება) და არაკოოპერატიულ (სადაც ასეთი შესაძლებლობა არ არსებობს) თამაშებს შორის. მან აჩვენა, რომ ნებისმიერ n-მოთამაშიან, სასრულსტრატეგიებიან თამაშს (თუკი დავუშვებთ შერეულ სტრატეგიებს, ანუ სუფთა სტრატეგიებზე ალბათობათა განაწილებას) გააჩნია სულ მცირე ერთი წონასწორული წერტილი, სადაც არცერთ მოთამაშეს არ აქვს ცალმხრივი გადახრის სტიმული. მათემატიკურად, სტრატეგიული პროფილი $\sigma^* = (\sigma^*_1, \sigma^*_2, ..., \sigma^*_n)$ ნეშის წონასწორობაშია, თუ ყოველი $i \in N$ მოთამაშისთვის და ყოველი მისი შესაძლო სუფთა სტრატეგიისთვის $s_i \in S_i$ სრულდება პირობა:

\forall i \in N, \forall s_i \in S_i, \quad u_i(\sigma^*_i, \sigma^*_{-i}) \ge u_i(s_i, \sigma^*_{-i}),

სადაც $\sigma^*_{-i}$ აღნიშნავს ყველა სხვა მოთამაშის სტრატეგიის პროფილს, გარდა $i$-სი. ნეშის მტკიცებულება ეფუძნებოდა კაკუტანის ფიქსირებული წერტილის თეორემის გამოყენებას მოთამაშეთა „საუკეთესო პასუხის“ (best response) კორესპონდენციებზე.

ამ აღმოჩენამ რადიკალურად გააფართოვა ანალიზის ფარგლები. ფონ ნოიმანის მინიმაქსი მხოლოდ ნულოვანი ჯამის, ანტაგონისტურ თამაშებზე ვრცელდებოდა. ნეშის მიდგომა კი უნივერსალური იყო — უკვე შესაძლებელი გახდა ნებისმიერი კონფიგურაციისა და ინტერესის მატრიცის მქონე კონფლიქტის, იქნებოდა ეს ეკონომიკური, პოლიტიკური, სოციალური თუ ბიოლოგიური, მოდელირება. 1994 წელს ნობელის პრემია ეკონომიკურ მეცნიერებებში მიენიჭა ჯონ ნეშს, რაინჰარდ ზელტენსა და ჯონ ჰარსანის — სწორედ არაკოოპერატიულ თამაშთა თეორიაში შეტანილი ინოვაციური წვლილისთვის.

2. ფორმალური მათემატიკური რეპრეზენტაცია

თამაშთა თეორიაში ორი მთავარი წარმოდგენის ფორმა გამოიყოფა, რომელთაგან თითოეული განსხვავებული ანალიტიკური დანიშნულებისთვისაა მორგებული.

2.1. სტრატეგიული (ნორმალური) ფორმა

თამაში $G$ ნორმალურ (ანუ სტრატეგიულ) ფორმაში განისაზღვრება, როგორც მოწესრიგებული კორტეჟი (tuple) სამი ფუნდამენტური ელემენტისგან:

G = \langle N, (S_i)_{i \in N}, (u_i)_{i \in N} \rangle,

სადაც:

· $N = \{1, 2, ..., n\}$ — მოთამაშეთა სიმრავლე. ყოველი $i \in N$ წარმოადგენს ინდივიდუალურ გადაწყვეტილების მიმღებ აგენტს, რომელსაც გააჩნია საკუთარი მიზნები (preferences).

· $S_i$ — სუფთა სტრატეგიების სიმრავლე $i$ მოთამაშისთვის. $s_i \in S_i$ არის კონკრეტული ქმედება ან გადაწყვეტილება, რომლის არჩევაც $i$-ს შეუძლია. სიმრავლე $S_i$ შეიძლება იყოს სასრული (მაგ., {თანამშრომლობა, მოღალატეობა}) ან უსასრულო/კონტინუუმი (მაგ., ფასი $p_i \in [0, \infty)$, ინვესტიციის მოცულობა).

· $u_i : S \to \mathbb{R}$ — ანაზღაურების (სარგებლიანობის) ფუნქცია. $S = S_1 \times S_2 \times ... \times S_n$ არის ყველა შესაძლო სტრატეგიული პროფილის (ანუ, სტრატეგიების კომბინაციის) სიმრავლე. ფუნქცია $u_i$ ყოველ პროფილს $s = (s_1, s_2, ..., s_n) \in S$ უთავსებს რეალურ რიცხვს, რომელიც გამოხატავს $i$ მოთამაშის მიერ ამ კომბინაციით მიღებულ სარგებლიანობას (von Neumann-Morgenstern utility). მოთამაშის მიზანი მოსალოდნელი სარგებლიანობის მაქსიმიზაციაა.

2.2. გაშლილი (ექსტენსიური) ფორმა

გაშლილი ფორმა, ძირითადად, რაინჰარდ ზელტენისა და ჰაროლდ უ. კუნის ნაშრომებით იქნა განვითარებული. იგი აღწერს თამაშს, როგორც მოთამაშეთა მიერ მორიგეობით (sequentially) გაკეთებულ სვლათა ხეს (game tree). ეს წარმოდგენა გაცილებით მდიდარია ინფორმაციულად, ვიდრე ნორმალური ფორმა, რადგან ის ითვალისწინებს მოქმედებათა თანმიმდევრობას, ხოლო ნორმალური ფორმა მხოლოდ ერთდროულ არჩევანს უშვებს. თამაში გაშლილ ფორმაში განისაზღვრება შემდეგი კომპონენტებით:

· მოთამაშეები ($N$): იგივე სასრული სიმრავლე, რაც ნორმალურ ფორმაში. მათ ემატება „ბუნება“ (Nature ან Chance), როგორც სპეციალური, ფსევდო-მოთამაშე, რომელიც ასრულებს „სვლებს“ ფიქსირებული, ცნობილი ალბათობითი განაწილების მიხედვით (მაგ., მონეტის აგდებისას).

· გადაწყვეტილების ხე: მიმართული გრაფი (აციკლური), რომლის კვანძები (nodes) წარმოადგენენ ისტორიებს (histories) — მოქმედებათა იმ მიმდევრობას, რამაც ამ წერტილამდე მიგვიყვანა. ხის ფუძე (root) არის თამაშის დაწყების მომენტი. ტერმინალური კვანძები (leaves) აღნიშნავენ თამაშის დასასრულს; მათზე მითითებულია მოთამაშეთა ანაზღაურებები.

· მოთამაშის ფუნქცია: ყოველ არა-ტერმინალურ კვანძს მიაკუთვნებს მოთამაშეს, რომლის ჯერიცაა სვლის გაკეთება (ან „ბუნებას“).

· მოქმედებათა სიმრავლე: ყოველი კვანძისთვის განსაზღვრავს იმ ხელმისაწვდომ მოქმედებებს (edges), რომელთა არჩევაც მოთამაშეს შეუძლია.

· ინფორმაციული სიმრავლეები (information sets): ეს არის კვანძთა კლასტერები, რომლებიც მიეკუთვნება იმავე მოთამაშეს. ინფორმაციული სიმრავლე მოდელირებს იმ სიტუაციას, როდესაც მოთამაშემ, როდესაც მისი სვლის ჯერია, არ იცის, ზუსტად რომელ კვანძში იმყოფება. ის ხედავს მხოლოდ იმ მოქმედებებს, რომლებიც მისთვის ხელმისაწვდომია ამ ინფორმაციულ სიმრავლეში. თუ ყოველი ინფორმაციული სიმრავლე მხოლოდ ერთი კვანძისგან შედგება, თამაშს ეწოდება სრულყოფილი ინფორმაციის (perfect information) მქონე; წინააღმდეგ შემთხვევაში — არასრულყოფილი ინფორმაციის (imperfect information) მქონე.

ვიზუალური ილუსტრაცია: გადაწყვეტილების ხე

სემანტიკური ინტერპრეტაცია: K1 (მარცხენა) და K2 (მარჯვენა) — „ბუნების“ ორი შესაძლო სვლა („ტიპის“ არჩევა), რომლებიც მოთამაშე 1-ის ანაზღაურებას განსაზღვრავენ. K1-სა და K2-ის ირგვლივ შემოხაზული, ტირეებით (~~~~~) გამოყოფილი ინფორმაციული სიმრავლე (Information Set) მოთამაშე 2-სთვის. ის ხედავს, რომ მოთამაშე 1-მა აირჩია A ან B, მაგრამ არ იცის, მაღალი ტიპის (K1) თამაშშია თუ დაბალი ტიპის (K2) — ანუ, არ იცის, K1-ზე აირჩია A თუ K2-ზე. ეს არის არასრულყოფილი ინფორმაციის (imperfect information) მოდელის ზუსტი ვიზუალიზაცია. ტერმინალური კვანძები (Term) — ანაზღაურებები ($u_1, u_2$), რომლებიც დამოკიდებულია ისტორიაზე (მონეტის აგდება + მოქმედება).

2.3. შერეული სტრატეგიები

თუკი მოთამაშეთა სუფთა სტრატეგიების სიმრავლე $S_i$ სასრულია, მაშინ $i$ მოთამაშის შერეული სტრატეგია $\sigma_i$ არის ალბათობათა განაწილება ამ სუფთა სტრატეგიებზე. ანუ, $\sigma_i: S_i \to [0,1]$, სადაც $\sum_{s_i \in S_i} \sigma_i(s_i) = 1$. მოსალოდნელი ანაზღაურება მოთამაშისთვის $i$, როდესაც ყველა იყენებს შერეულ სტრატეგიათა პროფილს $\sigma = (\sigma_1, ..., \sigma_n)$, გამოითვლება მათემატიკური მოლოდინის სახით, იმ ვარაუდით, რომ მოთამაშეთა შერევა (randomization) სტატისტიკურად დამოუკიდებელია:

U_i(\sigma_1, ..., \sigma_n) = \sum_{s \in S} \left( \prod_{j \in N} \sigma_j(s_j) \cdot u_i(s) \right).

3. უმთავრესი გადაწყვეტის (Solution) კონცეფციები

თუ მოდელი თამაშის „გრამატიკას“ (წესებს) აღწერს, გადაწყვეტის კონცეფცია (solution concept) ცდილობს იწინასწარმეტყველოს ან დაადგინოს, რა იქნებოდა რაციონალური აგენტების ქცევის ლოგიკური „გამოსავალი“ ან „შედეგი“ მოცემულ სტრატეგიულ გარემოში.

3.1. ნეშის წონასწორობა (Nash Equilibrium - NE)

ნეშის წონასწორობა თანამედროვე არაკოოპერატიული თამაშთა თეორიის ცენტრალური გადაწყვეტის კონცეფციაა. ის მდგომარეობა, სადაც ვერც ერთი მოთამაშე ვერ იხეირებს ცალმხრივი გადახრით. მიუხედავად მისი ძალისა, მას აქვს რამდენიმე ფუნდამენტური პრობლემა:

1. არაერთადერთობა (Multiplicity): ბევრ თამაშს (მაგ., Battle of the Sexes) აქვს მრავლობითი ნეშის წონასწორობა. თეორია იშვიათად იძლევა ინსტრუმენტს, რომ მათ შორის „შერჩევა“ მოახდინოს.

2. სუბოპტიმალურობა: „პატიმრის დილემაში“, ერთადერთი NE (D,D) არის მკაცრად უარესი ორივე მოთამაშისთვის, ვიდრე (C,C). ეს გვიჩვენებს, რომ ინდივიდუალური რაციონალობა ყოველთვის არ იწვევს კოლექტიურ რაციონალობას.

3. არადამაჯერებელი მუქარები: ექსტენსიური ფორმის თამაშებში, ზოგიერთი ნეშის წონასწორობა ემყარება „მუქარას“, რომლის შესრულებაც თავად მუქარის ავტორისთვის ირაციონალური იქნებოდა, თუ მდგომარეობა რეალურად დადგებოდა.

ვიზუალური ილუსტრაცია: ნეშის წონასწორობა vs. პარეტო-ეფექტურობა.

სემანტიკური ინტერპრეტაცია: (C,C) მდებარეობს „პარეტო-ეფექტურ საზღვარზე“ ან მის მახლობლად — ამ წერტილიდან ვერც ერთი მოთამაშის მდგომარეობის გაუმჯობესება ვერ მოხერხდება მეორის გაუარესების გარეშე. (D,D) — ნეშის წონასწორობა, რომელიც, როგორც ვხედავთ, მდებარეობს C,C-ზე დაბლა. ეს არის „სისტემური ჩავარდნა“ — ინდივიდუალურად მდგრადი, მაგრამ კოლექტიურად უარესი შედეგი. (D,C) ან (C,D) — მიმზიდველი (T) ერთისთვის, „კატასტროფული“ (S) მეორისთვის. ისინი მიანიშნებენ, თუ რატომ ინგრევა (C,C) — ცალმხრივად D-ზე გადასვლა ინდივიდუალურად მომგებიანია, სანამ მეორეც D-ს აირჩევს.

3.2. სუბთამაშით სრულყოფილი ნეშის წონასწორობა (Subgame Perfect Nash Equilibrium - SPNE)

1994 წელს რაინჰარდ ზელტენმა, ამ კონცეფციისთვის, მიიღო ნობელის პრემია. SPNE არის ნეშის წონასწორობის დახვეწა (refinement), რომელიც გამიზნულია ზუსტად იმისთვის, რომ გამორიცხოს არადამაჯერებელ მუქარებზე დაფუძნებული წონასწორობები.

SPNE მოითხოვს, რომ სტრატეგიის პროფილი წარმოადგენდეს ნეშის წონასწორობას არა მხოლოდ მთლიან თამაშში, არამედ მის ყველა შესაძლო სუბთამაშში (subgame). სუბთამაში არის თამაშის ნებისმიერი ნაწილი, რომელიც იწყება ინფორმაციული სიმრავლიდან, რომელიც მხოლოდ ერთი კვანძისგან შედგება (singleton information set), მოიცავს ყველა მის მომდევნო კვანძს, და რაც მთავარია, იგი არ კვეთს (does not cut through) არცერთ ინფორმაციულ სიმრავლეს. ეს ნიშნავს, რომ თუ კვანძი მიეკუთვნება სუბთამაშს, მაშინ ყველა ის კვანძი, რომელიც იმავე ინფორმაციულ სიმრავლეში შედის, ასევე უნდა ეკუთვნოდეს სუბთამაშს. ამგვარად, SPNE ითხოვს, რომ ქცევა იყოს რაციონალური იმ ისტორიებშიც კი, რომლებიც წონასწორულ გზაზე ფაქტობრივად არასდროს მიიღწევა. იგი, როგორც წესი, მიიღება უკუსვლითი (უკუშექცევითი) ინდუქციის მეთოდით: თამაშის ბოლოდან (ტერმინალური კვანძებიდან) ვიწყებთ ოპტიმალური მოქმედებების „გამოთვლას“ და ხის ფუძისკენ მივიწევთ.

3.3. ბაიესური ნეშის წონასწორობა (Bayesian Nash Equilibrium - BNE)

რეალური სამყაროს ბევრ სტრატეგიულ ინტერაქციაში, მოთამაშეებს აქვთ არასრული ინფორმაცია (Incomplete Information). ეს ნიშნავს, რომ მათ არ იციან სხვა მოთამაშეების ზუსტი ანაზღაურების ფუნქცია. მაგ., აუქციონზე მონაწილემ შეიძლება არ იცოდეს, რა ღირებულება აქვს კონკურენტისთვის გასაყიდ ობიექტს.

1994 წელს ჯონ ჰარსანის მიერ ნობელის პრემიით დაჯილდოებულმა მიღწევამ ეს პრობლემა გადაჭრა. მისი იდეა, რომელიც ცნობილია როგორც ჰარსანის ტრანსფორმაცია (Harsanyi transformation), გულისხმობს, რომ ყოველი მოთამაშისთვის არსებობს ფარული მახასიათებლების, ანუ „ტიპების“ (types) სიმრავლე $T_i$. მოთამაშის ანაზღაურების ფუნქცია მის ტიპზეა დამოკიდებული: $u_i(s, t_i)$. მოთამაშემ იცის საკუთარი ტიპი, მაგრამ ზუსტად არ იცის სხვათა ტიპები. მას მხოლოდ აქვს რწმენა (belief) — ალბათობათა განაწილება $p(t_{-i} | t_i)$ — იმის თაობაზე, თუ რა ტიპის იქნებიან სხვები. ჰარსანის ტრანსფორმაცია გულისხმობს, რომ „ბუნება“ (Nature) თამაშის დასაწყისში, ცნობილი ერთობლივი ალბათობითი განაწილების $p(t_1, ..., t_n)$ მიხედვით, „არჩევს“ მოთამაშეთა ტიპებს, თითოეულს კი მხოლოდ საკუთარი ტიპი ეცნობება. ეს, ფაქტობრივად, არასრულ ინფორმაციას გარდაქმნის არასრულყოფილ ინფორმაციად (მოთამაშეებმა „არ იციან“ ბუნების სვლა). ბაიესური ნეშის წონასწორობაში (BNE), ყოველი მოთამაშის სტრატეგია $\sigma_i(t_i)$ დამოკიდებულია მის ტიპზე. თითოეული მოთამაშე, თავისი ტიპის მიცემულობით, მაქსიმიზაციას უკეთებს მოსალოდნელ სარგებლიანობას, რომელიც გამოთვლილია მისი aposterioruli (Bayes-ის) რწმენის მიხედვით.

3.4. ევოლუციურად სტაბილური სტრატეგია (Evolutionarily Stable Strategy - ESS)

ბიოლოგიურ კონტექსტში, რაციონალური აგენტის ვარაუდი არამიზანშეწონილია. ჯონ მეინარდ სმითმა (1973) და მისმა კოლეგებმა შეიმუშავეს ევოლუციური თამაშთა თეორია, რომლის მთავარი გადაწყვეტის კონცეფციაა ევოლუციურად სტაბილური სტრატეგია (ESS). ESS მოდის ნეშის დახვეწის ნაცვლად. იგი აღწერს პოპულაციის მდგრადობას: სტრატეგია $\sigma^*$ არის ESS, თუ მთლიანი პოპულაციის მიერ $\sigma^*$-ს გამოყენებისას, ნებისმიერი მუტანტური (განსხვავებული) სტრატეგიის $\sigma’$ მქონე მოთამაშეთა მცირე ჯგუფი ($\epsilon \to 0$) ვერ შეძლებს ინვაზიას, ანუ ვერ მიიღებს იმაზე მაღალ ანაზღაურებას, ვიდრე ინკუმბენტი სტრატეგიის მატარებლები. მათემატიკურად, $\sigma^*$ არის ESS, თუ ნებისმიერი $\sigma’ \neq \sigma^*$-სთვის:

U(\sigma^*, \sigma^*) \ge U(\sigma’, \sigma^*),

და თუ ეს ტოლობაა, მაშინ

U(\sigma^*, \sigma’) > U(\sigma’, \sigma’).

აქ აქცენტი სელექციაზე, მუტაციასა და მემკვიდრეობაზეა; რაციონალური დაგეგმვა იცვლება ბიოლოგიური ან კულტურული ევოლუციის „ბრმა“ ძალებით.

ვიზუალური ილუსტრაცია: Hawk-Dove (ევოლუციური დინამიკა)

სემანტიკური ინტერპრეტაცია: Hawk vs. Dove: Hawk იგებს (2), Dove-ს არაფერი ერგება (0). Hawk იყენებს Dove-ს. Dove vs. Dove: ორივე ინაწილებს (1, 1). Hawk vs. Hawk: კონფლიქტი, დანაკარგი; ორივე ზარალდება (-1, -1). ESS-ის ვიზუალიზაცია (Replicator Dynamics): გრაფიკი $p_{Hawk}$-ის (Hawk-ის წილი) ცვლილებისა: $dp/dt$ $y$-ღერძზე, $p_{Hawk}$ $x$-ღერძზე. მრუდი შუაზე კვეთს $x$-ღერძს. ეს კვეთის წერტილი ($p^*$) — შერეული ESS. იგი მდგრადია, რადგან მისგან გადახრისას (მაგ., მეტი Hawk) Hawk-ის ანაზღაურება მკვეთრად მცირდება (Hawk-Hawk-ის დანაკარგის გამო), რაც ისევ $p^*$-ისკენ „გვაბრუნებს“.

4. ანალიზის ცენტრალური სტრუქტურები (Canonical Games)

4.1. პატიმრის დილემა (Prisoner’s Dilemma)

პატიმრის დილემა, რომელიც Merrill Flood-მა და Melvin Dresher-მა RAND Corporation-ში 1950 წელს ჩამოაყალიბეს, ყველაზე ფუნდამენტური მაგალითია იმისა, თუ როგორ მარცხდება ინდივიდუალური რაციონალობა კოლექტიური კეთილდღეობის მიღწევაში. მოთამაშეები ირჩევენ $C$ (Cooperate — თანამშრომლობა) ან $D$ (Defect — მოღალატეობა). ანაზღაურების მატრიცა ისეთია, რომ $T > R > P > S$ (T—temptation, R—reward, P—punishment, S—sucker’s payoff). $D$ მკაცრად დომინანტური სტრატეგიაა: $u_i(D, \cdot) > u_i(C, \cdot)$, განურჩევლად ოპონენტის არჩევნისა. ამიტომ, (D,D) ერთადერთი ნეშის წონასწორობაა, მიუხედავად იმისა, რომ (C,C) ორივესთვის უკეთესია. ეს მოდელი ფუნდამენტური ილუსტრაციაა იმისა, რომ ინდივიდუალური რაციონალობა კოლექტიური რაციონალობის იდენტური არ არის.

ვიზუალური ილუსტრაცია: ანაზღაურების მატრიცა — პატიმრის დილემა.

სემანტიკური ინტერპრეტაცია: C,C (3,3): პარეტო-ეფექტური კოლექტიური ოპტიმუმი, მაგრამ ინსტაბილურია, რადგან $T > R$ (მოღალატეობის ცდუნება). D,D (1,1): ნეშის წონასწორობა, მიღწევადი მაშინ, როცა ორივე იყენებს მკაცრად დომინანტურ D-ს. ინდივიდუალურად რაციონალური, კოლექტიურად ირაციონალური. C,D ან D,C: „სულელის“ (Sucker) ანაზღაურება — ცალმხრივი თანამშრომლობის ექსპლუატაცია.

4.2. ნულოვანი ჯამის თამაშები (Zero-Sum Games)

ეს სიტუაცია, სადაც მოთამაშეთა ინტერესები მკაცრად ანტაგონისტურია: $\sum_{i=1}^n u_i(s) = 0$ (ან კონსტანტა). ფონ ნოიმანის მინიმაქსის თეორემა გვკარნახობს, რომ რაციონალურია მაქსიმალური ზარალის მინიმიზაცია (minimax), რაც, ანტაგონისტურ გარემოში, ემთხვევა სხვისი მოგების მინიმიზაციას. ეს იშვიათი შემთხვევაა, სადაც „რაციონალური“ ქცევა ცალსახადაა განსაზღვრული.

4.3. კოორდინაციის თამაშები (Stag Hunt, Battle of the Sexes)

აქ მრავლობითი ნეშის წონასწორობის არსებობა იწვევს ინსტიტუციების, კონვენციებისა და „ფოკალური წერტილების“ (focal points) როლის ზრდას. თომას შელინგმა (1960) თავის „The Strategy of Conflict“-ში ბრწყინვალედ აჩვენა, თუ როგორ შეუძლიათ მოთამაშეებს, მრავალფეროვანი წონასწორობის პირობებში, კოორდინაციის მიღწევა „თვალსაჩინო“, მაგრამ მათემატიკურად არაფორმალიზებული ნიშნების მეშვეობით. „Battle of the Sexes“-ში კი ილუსტრირებულია, თუ როგორ იწვევს ასიმეტრიული ინტერესები კონფლიქტს კოორდინაციის მოტივის არსებობისას.

5. თეორიის ვრცელი სფეროები: განმეორებადობა, მექანიზმის დიზაინი, ქცევითი მიმართულება

5.1. განმეორებადი თამაშები (Repeated Games) და Folk Theorem

როცა ბაზისური „სტატიკური“ თამაში $G$ მეორდება გაუთავებლად (ან გაურკვეველი, მაგრამ მუდმივი ალბათობით), საქმე გვაქვს სუპერთამაშთან (supergame). „ხალხური თეორემა“ (Folk Theorem) — რომელსაც ეს სახელი იმიტომ ჰქვია, რომ იგი როგორც ფორმალური თეორემა ფიქსირებამდე ფართოდ იყო მიღებული, როგორც „სალაპარაკო ცოდნა“ — ამტკიცებს, რომ თუ მოთამაშეები საკმარისად „მომთმენნი“ (patient) არიან, ანუ მათი დისკონტის ფაქტორი $\delta \to 1$, ნეშის წონასწორობათა სიმრავლე რადიკალურად ფართოვდება. ნებისმიერი ისტორიის მიღწევა, რომლის ანაზღაურების ვექტორიც ინდივიდუალურად რაციონალურია (ე.ი., აღემატება მინიმაქსის ანაზღაურებას), შესაძლოა გახდეს წონასწორობა. ეს იძლევა თანამშრომლობის, მუქარის, სასჯელისა (მუდმივი ხელის კანკალი, Grim Trigger) და რეპუტაციის ფორმირების მოდელირების ინსტრუმენტს.

5.2. მექანიზმის დიზაინი (Mechanism Design)

„უკუ თამაშთა თეორია“ (Reverse Game Theory). თუ სტანდარტული თამაშთა თეორია მოცემულ წესებში (თამაშში) ეძებს შედეგს, მექანიზმის დიზაინი (2007 წ. ნობელის ლაურეატები ლეონიდ ჰურვიცი, ერიკ მასკინი, როჯერ მაიერსონი) ეძიებს ისეთ წესებს („მექანიზმს“), რომელთა წონასწორული გამოსავალი იქნება სოციალურად სასურველი. დაპირისპირების (Incentive Compatibility) მოთხოვნა გულისხმობს, რომ მოთამაშეებისთვის რაციონალური უნდა იყოს იმოქმედონ ისე, როგორც „დიზაინერს“ სურს (ე.ი., გულწრფელად გაამჟღავნონ კერძო ინფორმაცია). ეს მიმართულება რევოლუციურად იქნა გამოყენებული FCC-ს სიხშირეების აუქციონებზე, Google-ის სარეკლამო აუქციონში, ორგანოთა დონაციის ბირჟებსა და თანამედროვე ბლოკჩეინის DeFi (დეცენტრალიზებული ფინანსები) პროტოკოლებში.

5.3. ქცევითი თამაშთა თეორია (Behavioral Game Theory)

ემპირიულად აღმოჩენილი კოგნიტური ანომალიების (ე.წ. Ultimatum Game-ში ნაკარნახევი სამართლიანობის მოტივაცია, შეზღუდული რაციონალობა, ალტრუიზმი) ინტეგრაცია. კლასიკური $u_i(x)$, როგორც მხოლოდ „საკუთარი მოგების“ ფუნქცია, იცვლება „სოციალური მზრუნველობის“ (social preferences) ფუნქციით. მაგ., Fehr-სა და Schmidt-ის (1999) მოდელი $U_i(x) = \pi_i - \alpha \cdot \max\{\pi_j - \pi_i, 0\} - \beta \cdot \max\{\pi_i - \pi_j, 0\}$ იძლევა ზიზღის (envy) და დანაშაულის (guilt) რაოდენობრივ ანალიზს.

6. ეპისტემური საზღვრები და კრიტიკული დეკონსტრუქცია

მიუხედავად ანალიტიკური სიმყარისა, თამაშთა თეორია (განსაკუთრებით კლასიკური VNM-Nash-ის პარადიგმა) კრიტიკის ქვეშ დგას.

1. რაციონალობის უსასრულო რეგრესი: Common Knowledge of Rationality (CKR) — ვარაუდი, რომ (ა) ყველა რაციონალურია; (ბ) ყველამ იცის, რომ ყველა რაციონალურია; (გ) ყველამ იცის, რომ ყველამ იცის, რომ ყველა რაციონალურია... (ad infinitum) — როგორც ლოგიკური ფუნდამენტი, ემპირიულად მყიფეა.

2. წონასწორობათა სიმრავლის პრობლემა: მრავალ ნეშის წონასწორობიან თამაშებში, თეორია, ინსტიტუციების, ისტორიის ან კულტურის „დამხმარე“ ჰიპოთეზების გარეშე, ვერ იძლევა ცალსახა, მკვეთრ გამოცნობას.

3. დინამიკური ტრაგედია: მრავალფეხა თამაშის (Centipede Game) მსგავსი სტრუქტურები, რომელსაც აანალიზებს უკუსვლითი ინდუქცია, ხშირად იწვევს ისეთ თეორიულ პროგნოზებთან (დაუყოვნებლივი გამოგდება, ანუ თანამშრომლობის ნულოვანი დონე), რომლებსაც ინტუიცია და ლაბორატორიული ექსპერიმენტი უარყოფს. ეს მიუთითებს, რომ ადამიანის ქცევაში ურთიერთსარგებლის მიღწევის იმედი, ანუ „ურთიერთდამოკიდებული რაციონალობა“, სჯობნის „საკუთარ ინტერესზე კონცენტრირებულ“ ცივ ლოგიკას.

დასკვნა: Baseline, დემისტიფიკაცია და კრიტიკული რაციონალიზმი

თამაშთა თეორია არის ენისებრი ანალიტიკური ინსტრუმენტი, რომელიც უმაღლესი მათემატიკური სტანდარტებით აანალიზებს „ურთიერთდამოკიდებულ ქმედებათა“ ფენომენს. მისი ძალა მდგომარეობს არა იმაში, რომ ის ზუსტად იმეორებს ადამიანის ქცევას, არამედ იმაში, რომ გვთავაზობს კონტრფაქტობრივ ანალიზს: იგი გვიჩვენებს, რა იქნებოდა „სუფთა“ რაციონალური ქცევის ლოგიკური შედეგი. სწორედ რეალური ქცევის გადახრა ამ მკაცრი ბაზისური ხაზიდან (Baseline) იძლევა ჩვენი ინსტიტუტების, კულტურული ნორმებისა და კოგნიტური შეზღუდვების, ანუ იმ ყველაფრის, რაც რეალურ სამყაროს ქმნის, ფუნდამენტურ გაგებას.

ეს მიდგომა ეხმიანება კარლ პოპერის ფალსიფიცირებადობის პრინციპს. ჩვენ ვიყენებთ იდეალური რაციონალობის მოდელს არა იმიტომ, რომ ადამიანი ყოველთვის რაციონალურია, არამედ იმიტომ, რომ ამ მოდელიდან გადახრებით აღმოვაჩინოთ, გავზომოთ და შევისწავლოთ რეალური სოციალური ქსოვილის ნიუანსები — ნდობა, ალტრუიზმი, სამართლიანობის განცდა, ინსტიტუციური ინერცია. „მომავლის ჩრდილი“ (The Shadow of the Future) და „საერთო ცოდნის“ (Common Knowledge) პრობლემატიკა კი სწორედ ის წერტილებია, სადაც თამაშთა თეორია მათემატიკიდან სოციალურ ფილოსოფიაში გადადის.

იგი არის აუცილებელი, მაგრამ არა საკმარისი ინსტრუმენტი, როგორც სოციალური ინსტიტუტების ევოლუციის, ისე თანამედროვე ციფრული ეკონომიკის ქსელური ლოგიკის სრულფასოვანი დეკონსტრუქციისთვის. დემისტიფიკაცია — რთული მათემატიკური ჭეშმარიტების ხელმისაწვდომ, ინტუიციურ ენაზე გადმოტანა — არის მეცნიერების, როგორც ინსტიტუციის, უმაღლესი ფუნქცია.

#gametheory #თამაშისთეორია