Парадокс в’язня: Співпраця та еволюція довіри

Таблиця винагороди, яка в'язнить як раціональних гравців

Двох підозрюваних допитують окремо. Кожен може залишитися мовчати (співпрацювати з іншим) або зрадити свого партнера (зрадник). Якщо обидва мовчать, обидва отримують легке покарання. Якщо обидва зраджують, обидва отримують помірне покарання. Але якщо один зраджує, а інший мовчить, зрадник звільняється, а мовчазний отримує найсуворіше покарання. Структура винагороди — не драматичний сюжет, це єдина, обманливо проста таблиця чисел.

ворог співпрацює ворог зраджує ви співпрацюєте обидва отримують R (винагорода) ви отримуєте S (обдурений), вони отримують T (заманювання) ви зраджуєте ви отримуєте T, вони отримують S обидва отримують P (наказ) потрібно: T > R > P > S (і 2R > T + S для повторної гри) Дивіться на це з точки зору одного гравця, незалежно від того, який вибір робить інший гравець: зраджувати завжди приносить більше винагороди, ніж співпрацювати (T перемагає R, P перемагає S). Це робить зрадництво домінуючою стратегією — раціональний вибір незалежно від того, що робить інший гравець. Обидва гравці, мислячи так, опиняються в взаємній зраді, вартість P один для одного, хоча була доступна і краще винагорода R один для одного. Ця проміжна відстань між індивідуально раціональним та колективно кращим результатом — це дилема, і це — Nash-рівновага: жоден гравець не може покращити ситуацію, змінивши свою стратегію окремо.

                  opponent cooperates   opponent defects
you cooperate     both get R (reward)   you get S (sucker), they get T (temptation)
you defect        you get T, they get S both get P (punishment)

requires:  T > R > P > S     (and 2R > T + S for the repeated game)

Повторення гри змінює все

Одиновий раунд не залишає місця для помсти, тому дезертирство виграє одразу. Грайте тих самих двох гравців один проти одного багато разів, і результат кожного раунду стає видимим обом сторонам перед наступним — раптово дезертирувати сьогодні може коштувати вам співпраці завтра. Це ітераційний в'язнячий дилем, і це відкриває двері для стратегій складніших за чистоту співпраці чи чистого дезертирства.

Механіка тілесних рухів

У першій половині 1980-х років політичний вчений Роберт Аксельрод проводив комп'ютерні турніри, де дослідники подавали стратегічні програми для гри в ітеративну гру з кожним іншим підсумком, по кругу, та підбирав їхні оцінки. Переможцем, представленим Анатолем Рапопортом, був вражаюче простий: «ти-для-тіт» — співпрацювати на першому ходу, а потім на кожному наступному ході просто копіювати те, що зробив опонент востаннє. Проти величезного поля більш складних стратегій «ти-для-тіт» виграв завдяки чотирьом властивостям, які Аксельрод ідентифікував: це доброзичливий (ніколи не відмовляється першим), покарання за дезертирство (миттєво карає дезертирство), пробачення (повертається до співпраці, щойно опонент зробить це) і чіткий (достатньо простий для того, щоб опоненти могли розпізнавати та адаптуватися до нього).

Еволюційні динаміки в моделюванні руху тіл

Перехід від парів гравців до цілої популяції, де індивіди париться повторно, накопичуються очки та стратегії, що добре оцінюються, розмножуються (або більше копіюються менш успішними сусідами). Це перетворює теорію ігор на еволюційні динаміки: популяція чистого дефектора стабільна проти окремого кооператора, який постійно експлуатується, але популяція гравців «tit-for-tat» стійка до вторгнення дефекторів, оскільки дефектор зустрічає покарання майже відразу та втрачає довгострокову вигоду. Чи може співпраця зайти, залежить від того, чи взаємодіють гравці повторно з тими ж партнерами або в мережах, де репутація та кластерування дозволяють кооператорам знаходити та підтримувати один одного, а не розкидатися серед дефекторів.

Где проявляется дилемма за пределами лаборатории

Одна и та же структура повторяется в любом случае, когда индивидуальные краткосрочные стимулы противоречат долгосрочным коллективным выгодам: страны решают сокращать выбросы углерода односторонним путем, фирмы решают подрывать ценовую сговор, животные решают ухаживать за соседом, который может не ухаживать в ответ, или две компании решают продолжать рекламировать друг друга даже тогда, когда обе стороны лучше всего расходуют меньше средств. В каждом случае теоретический результат переносится напрямую: однократное столкновение благоприятствует дезертирству, но повторение, репутация и перспектива будущих взаимодействий делают сотрудничество рациональной и самоподдерживающейся стратегией, а не наивной.

Frequently asked questions

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Prisoner's Dilemma і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.