[論文レビュー] An Information Theoretic Framework For Designing Information Elicitation Mechanisms That Reward Truth-telling

Yuqing Kong, Grant Schoenebeck|arXiv (Cornell University)|May 3, 2016

Mobile Crowdsensing and Crowdsourcing参考文献 26被引用数 12

ひとこと要約

本稿は、エージェントの信号と同僚の信号の間の相互情報量に基づいて報酬を支払うことで、真実性、詳細非依存性、最小限の情報提示を実現する情報理論的フレームワーク「相互情報量パラダイム」を導入する。主な貢献は、真実の報告が支配戦略であり、任意の同僚の行動下でも非真実戦略を厳密に上回る、f-相互情報量およびブレグマン相互情報量の2つのメカニズム族の設計である。

ABSTRACT

In the setting where information cannot be verified, we propose a simple yet powerful information theoretical framework---the Mutual Information Paradigm---for information elicitation mechanisms. Our framework pays every agent a measure of mutual information between her signal and a peer's signal. We require that the mutual information measurement has the key property that any "data processing" on the two random variables will decrease the mutual information between them. We identify such information measures that generalize Shannon mutual information. Our Mutual Information Paradigm overcomes the two main challenges in information elicitation without verification: (1) how to incentivize effort and avoid agents colluding to report random or identical responses (2) how to motivate agents who believe they are in the minority to report truthfully. Aided by the information measures we found, (1) we use the paradigm to design a family of novel mechanisms where truth-telling is a dominant strategy and any other strategy will decrease every agent's expected payment (in the multi-question, detail free, minimal setting where the number of questions is large); (2) we show the versatility of our framework by providing a unified theoretical understanding of existing mechanisms---Peer Prediction [Miller 2005], Bayesian Truth Serum [Prelec 2004], and Dasgupta and Ghosh [2013]---by mapping them into our framework such that theoretical results of those existing mechanisms can be reconstructed easily. We also give an impossibility result which illustrates, in a certain sense, the the optimality of our framework.

研究の動機と目的

• 検証可能な真の事実が存在しない状況において、真実の報告をインcentivizeする課題に対処すること。
• 共謀（例：同一またはランダムな回答の報告）を防ぎ、少数派報告を行うエージェントが真実を報告するよう動機づけるという二重の課題を克服すること。
• 真実性、焦点性、詳細非依存性、最小限の情報、支配的真実性を備えたメカニズムを設計すること—ベイジアンナッシュ均衡よりも強い均衡保証を提供する。
• 既存のメカニズム（例：ペア予測、ベイジアントゥースサーチュア）を統一的に再解釈する情報理論的フレームワークへと統合すること。
• 最小限の仮定の下で、このフレームワークの理論的最適性を確立すること。

提案手法

• エージェントは、自身の私的信号と同僚の信号の間の相互情報量に基づいて報酬を受ける『相互情報量パラダイム』を提唱する。
• シャノン相互情報量を一般化する2つの情報測度の族—f-相互情報量およびブレグマン相互情報量—を同定し、データ処理不等式を満たすことを示す。
• データ処理不等式を用いて、非真実戦略が相互情報量を低下させることを保証し、結果として期待支払いを低下させることを確実にする。
• 複数質問および単一質問の両設定において、支配的真実報告インセンティブを持つ新しいメカニズムを設計するためにこのフレームワークを適用する。
• 単一質問設定において、対数スコアルールがシャノン相互情報量の不偏推定量であることを示す。
• 同一とみなせる状況とカップリング論法を用いて不可能性結果を証明し、対称的事前分布と置換不変性の下で、フレームワークの最適性を示す。

実験結果

リサーチクエスチョン

• RQ1 真実性、詳細非依存性、最小限の情報提示を実現する一般化された情報理論的フレームワークを構築することは可能か？
• RQ2 相互情報量をどのように一般化すれば、非真実戦略が常に期待支払いを低下させることを保証できるか？
• RQ3 ペア予測やベイジアントゥースサーチュアといった既存のメカニズムを、このフレームワークを通じて統一的かつ再解釈可能か？
• RQ4 真実報告がベイジアンナッシュ均衡ではなく、支配戦略であるようなメカニズムを設計することは可能か？
• RQ5 対称的事前分布と置換不変性の下で、真実性と詳細非依存性を備えたメカニズムの根本的限界は何か？

主な発見

• f-相互情報量およびブレグマン相互情報量メカニズムは、質問数が十分に多い複数質問設定において、真実報告が支配戦略であることを保証する。
• f-相互情報量メカニズムでは、他のエージェントの戦略にかかわらず、真実報告からのいかなる逸脱も、すべてのエージェントの期待支払いを厳密に低下させるため、支配性と焦点性の両方を満たす。
• このフレームワークは、既存のメカニズムを的確に再構築・統合できることを示した：ペア予測、ベイジアントゥースサーチュア、およびダスガプタとゴーシュ（2013）のメカニズムをすべて相互情報量パラダイムにマッピングした。
• 単一質問設定において、対数スコアルールがシャノン相互情報量の不偏推定量であることが示された。
• 不可能性結果により、対称的設定において、データ処理不等式を活用しない限り、真実性と詳細非依存性を備えたメカニズムは置換戦略を厳密に上回ることはできないことが証明され、提案されたフレームワークの最適性が強調された。
• 対称的事前分布の仮定の下で、努力コストを伴う設定において、真実報告が任意の非置換戦略よりも厳密に優れていることがフレームワークによって示された。