[논문 리뷰] How to Sell Information Optimally: An Algorithmic Study

Yang Cai, Grigoris Velegkas|arXiv (Cornell University)|2020. 11. 30.

Auction Theory and Applications참고 문헌 37인용 수 1

한 줄 요약

이 논문은 불확실성 하에서 의사결정을 내려야 하는 에이전트가 존재하는 환경에서 최적의 정보 판매 메커니즘의 알고리즘 설계를 다룬다. 문제의 명시적 표현에 대해 다항식 시간 알고리즘을 제안하고, 압축된 기술 방식으로 기술된 모델에 대해서는 최적의 행동을 계산할 수 있는 베스트 리스폰스 오라클을 활용한 FPTAS를 제시함으로써, 계산 가능성과 오라클 효율성 간의 엄밀한 연관성을 확립한다.

ABSTRACT

We investigate the algorithmic problem of selling information to agents who face a decision-making problem under uncertainty. We adopt the model recently proposed by Bergemann et al. [BBS18], in which information is revealed through signaling schemes called experiments. In the single-agent setting, any mechanism can be represented as a menu of experiments. Our results show that the computational complexity of designing the revenue-optimal menu depends heavily on the way the model is specified. When all the parameters of the problem are given explicitly, we provide a polynomial time algorithm that computes the revenue-optimal menu. For cases where the model is specified with a succinct implicit description, we show that the tractability of the problem is tightly related to the efficient implementation of a Best Response Oracle: when it can be implemented efficiently, we provide an additive FPTAS whose running time is independent of the number of actions. On the other hand, we provide a family of problems, where it is computationally intractable to construct a best response oracle, and we show that it is NP-hard to get even a constant fraction of the optimal revenue. Moreover, we investigate a generalization of the original model by Bergemann et al. [BBS18] that allows multiple agents to compete for useful information. We leverage techniques developed in the study of auction design (see e.g. [CDW12a], [AFHHM12], [CDW12b], [CDW13a], [CDW13b]) to design a polynomial time algorithm that computes the revenue-optimal mechanism for selling information.

연구 동기 및 목표

• 불확실성 하에서 정보를 판매하기 위한 수익 최적화 메뉴 설계의 계산 복잡도를 조사하기 위해.
• 최적의 정보 메뉴를 계산하는 것이 계산 가능하거나 불가능한 조건을 규명하기 위해.
• 다중 에이전트 환경으로 모델을 확장하고 수익 최적화 정보 할당을 위한 효율적인 메커니즘을 설계하기 위해.
• 모델의 잘못된 특정화가 정보 설계에서 수익 보장에 미치는 영향을 분석하기 위해.

제안 방법

• 모든 매개변수(유형, 행동, 상태, 보상)가 직접 제공되는 명시적 문제 표현에 대해 다항식 시간 알고리즘을 제안한다.
• 압축된 암시적 기술 방식을 가진 설정에 대해, 어떤 믿음 분포에 대해서도 최적의 행동을 계산할 수 있는 베스트 리스폰스 오라클에 접근할 수 있는 조건에서 FPTAS를 제안한다.
• 경매 설계 기법을 활용하여 다중 에이전트 정보 판매에서 최적 수익을 달성하는 다항식 시간 메커니즘을 구축한다.
• 모델의 잘못된 특정화를 다루기 위해 블랙박스 샘플링 접근법을 사용하며, 진짜 유형 분포가 추정된 분포와 Total Variation 거리 기준으로 가까울 경우 약간의 최적 메뉴를 계산할 수 있음을 보여준다.
• 인centive compatibility와 개별 합리성 제약 조건을 포함한 메커니즘 설계 및 알고리즘 게임 이론의 이론적 도구를 적용한다.
• 분포 불확실성 하에서도 인센티브 호환성과 개별 합리성을 유지하기 위해 편미분 기반 가격 조정 방법을 활용한다.

실험 결과

연구 질문

• RQ1 모든 문제 매개변수가 명시적으로 주어졌을 때, 수익 최적화 메뉴 계산이 계산적으로 타당한 조건은 무엇인가?
• RQ2 압축된 모델 기술 방식을 가진 문제에서 효율적인 베스트 리스폰스 오라클이 존재할 경우, 정보 설계 문제의 계산 가능성에 어떤 영향을 미치는가?
• RQ3 공통 상태에 대한 신호를 경쟁적으로 확보하는 입찰자들이 존재하는 다중 에이전트 정보 시장에서 효율적인 알고리즘이 설계될 수 있는가?
• RQ4 판매자가 잘못된 유형 분포를 사용할 경우 수익 손실은 얼마이며, 이는 경계될 수 있는가?
• RQ5 BR 오라클을 사용할 때 상태 수에 대해 더 나은 종속성을 확보한 PTAS 또는 FPTAS를 달성할 수 있는가?

주요 결과

• 모든 문제 매개변수가 명시적으로 주어지면, 다항식 시간 알고리즘이 수익 최적화 메뉴를 계산할 수 있으며, 실행 시간은 유형, 행동, 상태의 수에 대해 다항식이다.
• 압축된 암시적 기술 방식을 가진 문제에 대해선, 베스트 리스폰스 오라클이 효율적으로 구현될 수 있을 때에만 FPTAS가 존재한다.
• 베스트 리스폰스 오라클이 계산적으로 비가능한 경우, 문제의 상수 요소에 대해 근사화하는 것조차 NP-난이도가 된다.
• 다중 에이전트 정보 판매의 수익 최적화 메커니즘은 경매 이론 기법을 활용해 다항식 시간 내에 계산 가능하다.
• 모델의 잘못된 특정화 하에서는 수익 손실이 O(ε1 + √|Ω|ε2) 이내로 경계되며, 이는 샘플된 분포로부터 약간의 최적 메뉴를 구성할 수 있음을 의미한다.
• 단일 에이전트 케이스에서의 모든 긍정적인 결과는 구매자 유형이 사전 믿음과 보상 함수를 모두 포함하는 일반화된 모델로 확장되며, 알고리즘 프레임워크에 미미한 수정만 필요하다.