预测人类合作

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Predicting Human Cooperation》
---
作者：
John J. Nay, Yevgeniy Vorobeychik
---
最新提交年份：
2016
---
英文摘要：
  The Prisoner\'s Dilemma has been a subject of extensive research due to its importance in understanding the ever-present tension between individual self-interest and social benefit. A strictly dominant strategy in a Prisoner\'s Dilemma (defection), when played by both players, is mutually harmful. Repetition of the Prisoner\'s Dilemma can give rise to cooperation as an equilibrium, but defection is as well, and this ambiguity is difficult to resolve. The numerous behavioral experiments investigating the Prisoner\'s Dilemma highlight that players often cooperate, but the level of cooperation varies significantly with the specifics of the experimental predicament. We present the first computational model of human behavior in repeated Prisoner\'s Dilemma games that unifies the diversity of experimental observations in a systematic and quantitatively reliable manner. Our model relies on data we integrated from many experiments, comprising 168,386 individual decisions. The computational model is composed of two pieces: the first predicts the first-period action using solely the structural game parameters, while the second predicts dynamic actions using both game parameters and history of play. Our model is extremely successful not merely at fitting the data, but in predicting behavior at multiple scales in experimental designs not used for calibration, using only information about the game structure. We demonstrate the power of our approach through a simulation analysis revealing how to best promote human cooperation.
---
中文摘要：
囚徒困境是一个广泛研究的课题，因为它对于理解个人私利和社会利益之间的紧张关系非常重要。囚徒困境（叛逃）中的严格主导策略，当双方都参与时，是相互有害的。重复囚徒困境可以使合作成为一种平衡，但背叛也是如此，这种模糊性很难解决。众多研究囚徒困境的行为实验都强调，参与者往往会合作，但合作的程度会因实验困境的具体情况而显著不同。我们提出了第一个重复囚徒困境博弈中人类行为的计算模型，该模型以系统和定量可靠的方式统一了实验观察的多样性。我们的模型依赖于我们从许多实验中整合的数据，包括168386个个体决策。计算模型由两部分组成：第一部分仅使用结构博弈参数预测第一阶段的动作，而第二部分同时使用博弈参数和游戏历史预测动态动作。我们的模型不仅在拟合数据方面非常成功，而且在未用于校准的实验设计中，在预测多尺度行为方面也非常成功，只使用了有关游戏结构的信息。我们通过模拟分析展示了我们的方法的威力，揭示了如何最好地促进人类合作。
---
分类信息：

一级分类：Computer Science        计算机科学
二级分类：Computer Science and Game Theory        计算机科学与博弈论
分类描述：Covers all theoretical and applied aspects at the intersection of computer science and game theory, including work in mechanism design, learning in games (which may overlap with Learning), foundations of agent modeling in games (which may overlap with Multiagent systems), coordination, specification and formal methods for non-cooperative computational environments. The area also deals with applications of game theory to areas such as electronic commerce.
涵盖计算机科学和博弈论交叉的所有理论和应用方面，包括机制设计的工作，游戏中的学习（可能与学习重叠），游戏中的agent建模的基础（可能与多agent系统重叠），非合作计算环境的协调、规范和形式化方法。该领域还涉及博弈论在电子商务等领域的应用。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Predicting_Human_Cooperation.pdf (655.99 KB)

2022-5-27 13:30:49 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Experimental Quantitative Coordination Environments Applications

预测人类合作John J.Nay，Yevgeniy Vorsembitchikapril 5，2016年摘要个人自利与社会利益之间始终存在着紧张关系。当两个参与者都参与时，阿普索纳困境（叛逃）中的严格主导策略是相互有害的。重复囚犯的困境可以带来平衡的合作，但叛逃也是如此，这种模糊性很难解决。研究囚徒困境的众多行为实验突显出，参与者往往会合作，但合作的程度会因实验预测的具体情况而显著不同。我们提出了重复囚犯困境博弈中人类行为的第一个计算模型，该模型在一个系统和定量可靠的神经网络中统一了实验观察的多样性。我们的模型依赖于我们从许多实验中整合的数据，包括168386个单独的决策。计算模型由两部分组成：第一部分仅使用结构性游戏参数预测第一阶段的动作，而第二部分同时使用游戏参数和游戏历史预测动态动作。我们的模型非常成功，不仅在拟合数据方面，而且在不用于校准的实验设计中，仅使用有关游戏结构的信息，在多个尺度上预测行为。我们通过模拟分析展示了我们的方法的力量，展示了如何最好地促进人类合作。关键词：社会困境；囚犯困境；重复游戏；预测建模；计算机模拟；制度设计简介囚徒困境博弈是一个广泛研究的主题，因为它对于理解个人自利与社会福利之间一直存在的紧张关系非常重要[1-3]。

从理论角度来看，当双方都参与时，一种严格的主导策略（叛逃）是相互有害的：双方的合作会产生相对于叛逃的显著互惠。例如，农村社区共享饮用水系统的本地维护代表了一种囚徒困境，可能导致“公地悲剧”[4]。从每个社区成员的角度来看，如果其他人投资维护基础设施，他们的工作会更好。如果大多数社区采取这种策略，每个人的处境都会更糟，因为系统崩溃，不再提供清洁的水。然而，在大多数社会困境环境中，互动是重复的。因此，例如，社区成员必须反复做出水基础设施投资决策。重复囚徒困境是一种比一次性游戏更现实的人际互动模式，如果玩家有足够的耐心，理论上可以将合作作为一种平衡；尽管如此，叛逃仍然是一种平衡，这种模糊性很难解决。特别是，重复囚徒困境博弈的理论处理对于确定何时合作或叛逃成为主要结果没有指导意义。鉴于在解释重复合作方面存在理论上的局限性，研究人员已转向实验，通过考虑不同的名称结构和调查人类受试者的相关合作倾向，更好地理解行为和制度结构对社会结果的影响[5]。

实验表明，人类经常合作，但合作的总体水平和时间演变与特定设计有很大差异。看见http://johnjnay.com/有关作者联系方式的详细信息。arXiv:1601.07792v2【cs.GT】2016年4月5日我们开发了一个动态合作的预测模型，该模型可以可靠地预测异质游戏设计中的行为，然后分析该模型以区分普利斯纳困境实验影响的大小和方向【6–13】。我们在这些游戏中创建了游戏和个人行为的标准化度量，并使用机器学习技术来校准和评估未用于模型校准的游戏中的计算操作动力学。此外，我们证明了该综合模型可以预测人体实验的高水平定量和定性结果。这项研究计划的长期目标是将实验变量映射到现实世界的政策设计因素上，并使用模型分析为促进合作的政策提供信息，否则潜在的社会结构将导致崩溃。例如，我们如何才能最好地设计开发计划，以实现共享水系统的高效自愿维护？是更重要的是增加相互合作的潜在利益而不是相互背叛，还是更重要的是增加相互合作的利益而不是成为唯一的合作者而遭受损失？数据这些数据来自于使用真实金融激励的受试者实验，并将游戏规则透明地传达给受试者，这是实验经济学的标准程序。记录受试者在每次交互的每个时间段内的匿名交互及其合作或缺陷的决定。

他们获得的报酬与类似于表1的特定报酬表中的结果成比例。根据已发表论文中的实验描述和公开可用的数据集，我们能够构建一个游戏结构和个人决策的综合集合。我们编制的三十个游戏结构在许多维度上都有很大的不同，除了玩家支付。在一些结构中，支付是确定性的，而其他结构的特点是随机支付时间范围，或者在每次迭代后以固定概率独立终止。最后，在支付过程中的波动性【8,10】。错误是指一个玩家做出的选择可能会受到外来因素的影响。In-finite是一个指标，表明互动是不确定重复的还是有固定的长度[7]。δ是当前配对交互的下一个周期将在一个完整的游戏中发生的概率【11】。我们使用了一个公式，E[交互长度]=1-δ、 计算完全重复相互作用的δ；例如，在[10]中，完全重复的相互作用都是十个周期，因此δ=0.9。Continuous是在“连续时间”而不是在标准的离散回合中进行互动的指标。R是另一方的缺陷；S是通过与其他缺陷合作而成为吸盘者的报酬（表1说明了四个报酬值映射到囚徒困境双矩阵表示的方式）。C DC（R，R）（S，T）D（T，S）（P，P）表1。行。