[論文レビュー] Bayesian Decision Making in Groups is Hard

Jan Hązła, Ali Jadbabaie+2 more|arXiv (Cornell University)|May 8, 2021

Opinion Dynamics and Social Influence参考文献 53被引用数 27

ひとこと要約

この論文は、社会的ネットワークにおけるベイジアン意思決定が計算的に非効率であることを示しており、2値行動モデルおよび信念開示モデルの両方でNP困難であることを証明している。著者らは、後方確率的信念を計算することや近似することですら、極めて集中した後方分布を区別することでさえも根本的に困難であることを示しているが、信号の排除を用いた多項式時間アルゴリズムが、推移的ネットワークでは存在する。

ABSTRACT

We study the computations that Bayesian agents undertake when exchanging opinions over a network. The agents act repeatedly on their private information and take myopic actions that maximize their expected utility according to a fully rational posterior belief. We show that such computations are NP-hard for two natural utility functions: one with binary actions and another where agents reveal their posterior beliefs. In fact, we show that distinguishing between posteriors that are concentrated on different states of the world is NP-hard. Therefore, even approximating the Bayesian posterior beliefs is hard. We also describe a natural search algorithm to compute agents' actions, which we call elimination of impossible signals, and show that if the network is transitive, the algorithm can be modified to run in polynomial time.

研究の動機と目的

• ネットワーク環境下におけるベイジアン社会的学習の計算的非効率性を厳密に確立すること。
• 2つの自然な利得モデル（2値行動と信念開示）における後方確率的信念と最適行動の計算の複雑さを分析すること。
• 正確な計算が非効率であるにもかかわらず、近似ベイジアン推論が可能かどうかを調査すること。
• 特に推移性という構造的条件が、効率的な計算を可能にするかどうかを特定すること。
• 計算複雑性理論と社会的学習モデルを結びつけ、グループ設定におけるベイジアン更新の実用的非効率性を形式的根拠で示すこと。

提案手法

• 頂点被覆問題への還元を用いて、2値行動および信念開示モデルにおけるベイジアン行動計算のNP困難性を示す。
• log-尤度比（φi,t = Σk∈N̄it λk）を用いた形式的定式化により、t半径のエゴネットワーク上のベイジアン後方分布を表現する。
• 推移的ネットワーク構造下で効率的に信念を計算するための「不可能な信号の排除」アルゴリズムの導入。
• 数学的帰納法を用いて、ネットワーク構造が一意なパス分解を可能にする場合、エージェントが隣接者からの更新から完全な後方信念を再構築できることを証明する。
• 隣接者の信念から得られる新しい情報（インノベーション項）を計算するための式 φ̂i,t = Σj∈Ni (φ̂j,t−1 − Σk∈Ni∩N̄jt−1 φk,0) を導出する。
• 構造的仮定：複数の経路がエージェントに至る場合、それらすべての経路が直接観測可能であること。これにより、信号の分解が一意に可能になる。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク化されたグループ設定下でベイジアン後方信念を計算することは、計算的に可能か？
• RQ2 エージェントは、極めて集中した後方分布を区別できるような方法で、自身の後方信念を効率的に近似できるか？
• RQ3 ネットワーク構造、特に推移性が、ベイジアン行動の多項式時間計算を可能にするか？
• RQ4 信念開示モデルでは、単純な行動空間であっても、推論が非効率になる場合があるか？
• RQ5 信号相関や共有情報源の影響により、ベイジアン更新がどれほど計算的に困難になるか？

主な発見

• 2値行動と信念開示モデルの両方において、グループ内でのベイジアン行動の計算はNP困難であり、単純な2値状態と信号であっても同様である。
• 世界の異なる状態にほとんど完全に集中する後方分布を区別することですらNP困難であり、近似でさえも非効率であることを示唆している。
• エージェントが共通の事前分布を持ち、ネットワーク構造を完全に把握している場合でさえも、この困難さは成立するため、最悪ケースの非効率性は本質的である。
• 推移的ネットワークでは、不可能な信号の排除を用いた多項式時間アルゴリズムが存在し、後方信念を再構築できる。
• 信念更新はt半径エゴネットワーク上のlog-尤度比の和として計算可能であり、推移性仮定のもとで、隣接者の信念差からこの和を再構築できる。
• 複数経路の信号がすべて直接観測可能であるという構造的仮定により、新しい情報（インノベーション項）の分解が可能となり、効率的な信念計算が実現できる。