[논문 리뷰] Rethinking network reciprocity over social ties: local interactions make direct reciprocity possible and pave the rational way to cooperation

Fabio Dercole, Fabio Della Rossa외 1명|arXiv (Cornell University)|2018. 11. 09.

Evolutionary Game Theory and Cooperation참고 문헌 79인용 수 8

한 줄 요약

이 논문은 구조화된 네트워크에서 직접 보상에 기반한 협력의 이성적 메커니즘으로 네트워크 상호작용을 재고한다. 개개인들은 보다 높은 보상을 얻은 이웃을 모방하는 대신 조건부 협력의 예측 모델을 사용해 전략을 갱신한다. 이는 보상 비율이 네트워크 고유의 연결성 임계값을 초과할 경우 어떤 네트워크에서든 협력이 고착되는 데에 다중 단계 예측과 상호작용이 필수적임을 보여준다.

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

연구 동기 및 목표

• 이론적 네트워크 상호작용 모델(보상 모방 기반)과 인간이 보상 비교보다 상호작용을 선호한다는 실험적 증거 사이의 모순을 해결하기 위해.
• 이성적 예측 메커니즘을 제안하여 네트워크 기반의 죄수의 딜레마 게임에서 비이성적 모방 대신 조건부 협력을 기반으로 한 전략 갱신을 가능하게 하기 위해.
• 임의의 네트워크 구조에서 협력을 유지하고 고착시키기 위한 최소한의 인지적 요구 조건(상호작용 및 예측 수준)을 규명하기 위해.
• 실험적으로 검증된 조건을 유도하여 협력 고착 조건을 단순화하고, 게임의 보상 대 비용 비율이 네트워크 연결성과 어떻게 관련되는지 규명하기 위해.

제안 방법

• 보상 기반의 모방 대신 조건부(상호작용 기반) 협력과 무조건적 배신 사이의 전략 갱신 규칙을 예측 모델 기반으로 제안한다.
• 네트워크 기반의 죄수의 딜레마에서 협력과 배신의 장기적 보상을 평가하기 위해 다단계 예측 수준을 도입한다.
• 약한 선택 조건 하에서 정적이고 희박한 네트워크에서 진화 게임 이론을 사용하여 예상 향후 보상 기반 전략 갱신을 모델링한다.
• 다양한 네트워크 구조(정규형, 스케일프리, 스몰월드, 평면 격자)에서 다양한 갱신 규칙 하에 협력의 고착 확률을 분석한다.
• 협력 고착을 위한 보상 대 비용 비율 r의 임계값을 유도하며, 협력은 r > ⟨k⟩일 경우 고착함을 보여준다. 여기서 ⟨k⟩는 네트워크의 평균 차수이다.
• 다양한 네트워크 유형에서 광범위한 시뮬레이션을 통해 결과를 검증하며, 결과를 고착, 멸종, 정체, 변동으로 분류한다.

실험 결과

연구 질문

• RQ1 장기적 보상 예측 기반의 직접 상호작용가 보상 기반의 모방보다 구조화된 네트워크에서 협력의 이성적 메커니즘으로 대체될 수 있는가?
• RQ2 특정 네트워크 구조에서 협력을 유지하기 위해 필요한 최소한의 인지적 요구 조건(즉, 상호작용 및 예측 수준)은 무엇인가?
• RQ3 이성적 예측 전략 갱신 메커니즘 하에서도, 이전에 모방 동역학에서 유도된 단순 조건(r > ⟨k⟩)이 여전히 협력 고착에 성립하는가?
• RQ4 제안된 메커니즘은 이론적 예측과 인간이 보상 비교보다 상호작용을 선호한다는 실험적 결과를 어떻게 조화시킬 수 있는가?

주요 결과

• 높은 보상을 얻은 이웃을 모방하는 대신 조건부 협력의 예측 모델 기반 이성적 전략 갱신은 어떤 네트워크 구조에서든 협력 고착을 가능하게 한다.
• 직접 상호작용과 다단계 예측 수준이 협력 고착에 필수적이고 충분하며, 보상 대 비용 비율 r이 네트워크의 평균 차수 ⟨k⟩를 초과할 경우 성립한다.
• 이전에 모방 동역학 하에서 도출된 임계 조건 r > ⟨k⟩는 새로운 이성적 메커니즘 하에서도 재확인되었으며, 이는 그 강건성과 실험적 관련성을 입증한다.
• 스케일프리, 스몰월드, 평면 격자 포함 25개의 네트워크 구성에서의 시뮬레이션 결과, r > ⟨k⟩일 경우 협력 고착 비율이 60–70%에 달하며, 변동이나 정체 현상은 최소한이다.
• ⟨k⟩ = 8인 고평균 차수 네트워크에서는 예측 규칙 하에서 협력 고착 비율이 53.59%였고, r < ⟨k⟩인 완전한 네트워크에서는 단 0%에 그쳤다.
• 모델은 실험적 인간 행동을 성공적으로 설명한다: r > ⟨k⟩일 경우 협력은 유지되고 고착되며, 이는 인위적 관찰된 상호작용 행동에 대한 실험적 관찰과 일치한다.