[論文レビュー] Rethinking network reciprocity over social ties: local interactions make direct reciprocity possible and pave the rational way to cooperation

Fabio Dercole, Fabio Della Rossa+1 more|arXiv (Cornell University)|Nov 9, 2018

Evolutionary Game Theory and Cooperation参考文献 79被引用数 8

ひとこと要約

本稿は、構造化されたネットワークにおける直接的報酬の仕組みに基づく協力の合理化を再考し、報酬の模倣ではなく条件付き協力の予測モデルに基づく戦略更新を行うことで、ネットワークレシプロシティを合理的なメカニズムとして再定義する。この手法により、利益対費用比がネットワーク固有の接続性閾値を超える場合、いかなるネットワーク構造においても協力が固定化されることを示している。

ABSTRACT

Since Nowak & May's (1992) influential paper, network reciprocity--the fact that individuals' interactions repeated within a local neighborhood support the evolution of cooperation--has been confirmed in several theoretical models. Essentially, local interactions allow cooperators to stay protected from exploiters by assorting into clusters, and the heterogeneity of the network of contacts--the co-presence of low- and high-connected nodes--has been shown to further favor cooperation. The few available large-scale experiments on humans have however missed these effects. The reason is that, while models assume that individuals update strategy by imitating better performing neighbors, experiments showed that humans are more prone to reciprocate cooperation than to compare payoffs. Inspired by the empirical results, we rethink network reciprocity as a rational form of direct reciprocity on networks--networked rational reciprocity--indeed made possible by the locality of interactions. We show that reciprocal altruism in a networked prisoner's dilemma can invade and fixate in any network of rational agents, profit-maximizing over an horizon of future interactions. We find that networked rational reciprocity works better at low average connectivity and we unveil the role of network heterogeneity. Only if cooperating hubs invest in the initial cost of exploitation, the invasion of cooperation is boosted; it is otherwise hindered. Although humans might not be as rational as here assumed, our results could help the design and interpretation of new experiments in social and economic networks

研究の動機と目的

• 理論的モデルにおけるネットワークレシプロシティ（報酬の模倣に基づく）と、実験的証拠（人間が報酬比較よりも報酬を好む）との不整合を解消すること。
• ネットワーク化された囚人のジレンマゲームにおける戦略更新のための合理的で予測的なメカニズムを提唱し、非合理的な模倣を条件付き協力に置き換えること。
• 任意のネットワーク構造において協力の維持と固定化を可能にするために必要な最小限の認知的要件（報酬と予測範囲）を特定すること。
• ゲームの利益対費用比がネットワーク接続性に対してどのように関係するかを実験的に検証済みの単純な条件として、協力の固定化を導出すること。

提案手法

• 報酬に基づく模倣ではなく、条件付き（報酬的）協力と無条件の裏切りの2つの選択肢の間で、予測モデルに基づく戦略更新ルールを提案する。
• ネットワーク化された囚人のジレンマにおいて、協力と裏切りの長期的報酬を評価するために、複数ステップの予測範囲を導入する。
• 静的でスパarsなネットワークにおける弱選択下の進化的ゲーム理論を用い、期待される将来の報酬に基づく戦略更新をモデル化する。
• さまざまなネットワークトポロジー（正則、スケールフリーやスモールワールド、平面格子）において、異なる更新ルール下での協力の固定確率を分析する。
• 利益対費用比 r の臨界閾値を導出し、協力が固定化するための条件 r > ⟨k⟩ を示す。ここで ⟨k⟩ はネットワークの平均次数である。
• 多様なネットワークタイプにわたる広範なシミュレーションを通じて結果を検証し、固定化、絶滅、アンビバレンス、変動の4つの結果に分類する。

実験結果

リサーチクエスチョン

• RQ1 予測による将来報酬のモデル化に基づく直接的報酬が、構造化されたネットワークにおける協力の合理的なメカニズムとして、報酬に基づく模倣を置き換えることができるか？
• RQ2 具体的に報酬と予測範囲という認知的要件は、任意のネットワークトポロジーにおいて協力を維持するために必要かつ十分か？
• RQ3 以前は模倣ダイナミクス下で導出された単純な条件 r > ⟨k⟩ が、合理的で予測的な戦略更新メカニズム下でも協力の固定化に成立するか？
• RQ4 提案されたメカニズムは、人間が報酬比較よりも報酬を好むという実験的発見とどのように調和するか？

主な発見

• 報酬の模倣ではなく、条件付き協力の予測モデルに基づく合理的な戦略更新により、いかなるネットワーク構造においても協力が固定化される。
• 直接的報酬と複数ステップの予測範囲の両方が、協力の固定化に必要かつ十分であり、利益対費用比 r がネットワークの平均次数 ⟨k⟩ を超える場合に成立する。
• 以前は模倣ダイナミクス下で導出された臨界条件 r > ⟨k⟩ が、新しい合理的なメカニズム下でも再発見され、その頑健さと実験的関連性が裏付けられた。
• スケールフリーやスモールワールド、平面格子を含む25種類のネットワーク構成におけるシミュレーションでは、r > ⟨k⟩ の場合に協力が60–70％の確率で固定化され、変動やアンビバレンスは最小限に抑えられた。
• 平均次数 ⟨k⟩ = 8 のネットワークでは、予測ルール下で協力が53.59％のシミュレーションで固定化されたが、完全なネットワーク構造で r < ⟨k⟩ の場合、協力は0％に留まった。
• このモデルは実験的人間行動をうまく説明している：r > ⟨k⟩ の場合、協力は維持され固定化され、実証観察された報酬優先の行動と整合的である。