[논문 리뷰] Iterated Regret Minimization: A More Realistic Solution Concept

Joseph Y. Halpern, Rafael Pass|ArXiv.org|2008. 10. 16.

Game Theory and Applications참고 문헌 20인용 수 6

한 줄 요약

이 논문은 반복적 회귀 최소화(IRM)라는 새로운 해법 개념을 제안한다. 이는 높은 회귀를 보이는 전략을 반복적으로 제거함으로써, 여행자 딜레마, 미끼 게임, 베르트랑 경쟁과 같은 게임에서 나시 균형에 대한 더 실용적인 대안을 제공한다. IRM은 전략적 지배를 추구하는 대신 최대 회귀를 최소화하는 데 초점을 맞추어, 여행자 딜레마에서의 높은 입찰과 같은 실험 결과에 더 가까운 행동을 예측함으로써, 인간 행동과 낮은 나시 균형 예측 사이의 역설을 해결한다.

ABSTRACT

For some well-known games, such as the Traveler's Dilemma or the Centipede Game, traditional game-theoretic solution concepts--and most notably Nash equilibrium--predict outcomes that are not consistent with empirical observations. In this paper, we introduce a new solution concept, iterated regret minimization, which exhibits the same qualitative behavior as that observed in experiments in many games of interest, including Traveler's Dilemma, the Centipede Game, Nash bargaining, and Bertrand competition. As the name suggests, iterated regret minimization involves the iterated deletion of strategies that do not minimize regret.

연구 동기 및 목표

• 여행자 딜레마 및 미끼 게임과 같은 게임에서 나시 균형의 예측과 실증적 행동 사이의 괴리를 해결하기 위해.
• 전략적 상황에서 인간의 의사결정을 더 잘 반영하는 해법 개념을 제안하기 위해.
• 공동 지식 또는 공통 신념에 기반한 합리성에 의존하지 않는, 회귀 최소화에 기반한 프레임워크를 개발하기 위해.
• IRM이 브르트랑 경쟁 및 나시 협상과 같은 여러 고전 게임에서 실험 데이터와의 일致성을 보여주기 위해.
• 높은 수준의 합리성에 대한 계층적 믿음에 기반한 IRM의 지식론적 특성화를 제공하기 위해, 높은 수준에서의 가능성은 점점 감소한다.

제안 방법

• IRM은 주어진 행동 프로파일에 대해 실제 보상과 최대 가능 보상의 차이로 정의된 회귀를 최소화하지 않는 전략을 반복적으로 제거한다.
• 각 플레이어별로 상대방의 모든 행동 프로파일에 대해 회귀를 계산하며, 전략 성능 평가에 최대 회귀를 사용한다.
• 이 방법은 순수 전략과 혼합 전략 모두에 적용되며, 혼합 전략의 경우 상대 전략 프로파일 전역에서의 최대 회귀로 정의된다.
• IRM은 높은 수준의 합리성에 대한 믿음이 낮은 가능성으로 할당되는 지식론적 프레임워크를 사용하여, 공통 지식 또는 공통 믿음에 기반한 가정을 피한다.
• 이 접근법은 베이지안 게임과 메커니즘 설계로 확장되어 표준 정규형 게임 외부에도 적용 가능함을 보여준다.
• 핵심 기술 도구로는 행동 프로파일과 혼합 전략에 대한 회귀 함수를 사용하며, 여행자 딜레마와 같은 특정 게임에서의 회귀 한계에 대한 공식 증명을 포함한다.

실험 결과

연구 질문

• RQ1 왜 표준 해법 개념인 나시 균형은 여행자 딜레마와 같은 게임에서 인간 행동을 예측하지 못하는가?
• RQ2 회귀 최소화에 기반한 해법 개념이 전략적 게임에서 실증 관찰과 더 잘 일치할 수 있는가?
• RQ3 반복적 회귀 최소화는 미끼 게임 및 베르트랑 경쟁과 같은 게임에서 전통적 해법 개념과 어떻게 비교되는가?
• RQ4 공동 지식의 합리성 없이도 반복적 회귀 최소화의 지식론적 기초는 무엇인가?
• RQ5 회귀 최소화는 베이지안 게임과 메커니즘 설계로 얼마나 일반화될 수 있는가?

주요 결과

• p=2인 여행자 딜레마에서 IRM은 95~97의 전략을 예측하며, 이는 대부분의 게임 이론가들이 90~99 사이의 입찰을 한다는 실험 데이터와 일치한다.
• 97이라는 전략은 51명의 게임 이론가 전략과의 1대1 대결에서 평균 수익 85.09달러를 기록하여, 나시 균형 전략인 2보다 뚜렷이 뛰어나다.
• 전략 2는 평균 3.92달러의 수익을 기록하여, 이 게임에서 나시 균형 예측이 실증적으로 비현실적임을 확인한다.
• IRM은 낮은 p 값에서는 높은 입찰으로 수렴하고, 높은 p 값에서는 낮은 입찰으로 수렴함을 예측하여 실험적 p에 대한 민감도를 반영한다. 이는 나시 균형이 p에 민감하지 않다는 점과 대비된다.
• 미끼 게임에서는 IRM이 조기에 협력하고 늦게 배신하는 행동을 예측하여, 역행 추론에 의한 즉각적 배신 예측과 대조된다.
• IRM은 게임 간 일관된 프레임워크를 제공한다: 나시 협상에서는 협력 결과를 예측하고, 베르트랑 경쟁에서는 높은 가격을, 미끼 게임에서는 조기에 협력하는 행동을 모두 관찰된 인간 행동과 일치시킨다.