[論文レビュー] Reasoning in Bayesian Opinion Exchange Networks Is PSPACE-Hard

Jan Hązła, Ali Jadbabaie+2 more|arXiv (Cornell University)|Sep 4, 2018

Opinion Dynamics and Social Influence参考文献 8被引用数 11

ひとこと要約

この論文は、合理的なエージェントが隣人の行動に基づいて信念を更新するベイジアン意見交換ネットワークにおける推論が、近似的でさえもPSPACE困難であることを確立している。著者らは、エージェントの事後信念がほぼ確実かほぼ不可能かを判別することが計算的に非効率であることを証明し、完全に合理的な社会的学習モデルにおける根本的な計算複雑性の障壁を示している。

ABSTRACT

We study the Bayesian model of opinion exchange of fully rational agents arranged on a network. In this model, the agents receive private signals that are indicative of an unkown state of the world. Then, they repeatedly announce the state of the world they consider most likely to their neighbors, at the same time updating their beliefs based on their neighbors' announcements. This model is extensively studied in economics since the work of Aumann (1976) and Geanakoplos and Polemarchakis (1982). It is known that the agents eventually agree with high probability on any network. It is often argued that the computations needed by agents in this model are difficult, but prior to our results there was no rigorous work showing this hardness. We show that it is PSPACE-hard for the agents to compute their actions in this model. Furthermore, we show that it is equally difficult even to approximate an agent's posterior: It is PSPACE-hard to distinguish between the posterior being almost entirely concentrated on one state of the world or another.

研究の動機と目的

• ベイジアン意見交換ネットワークにおける信念更新の計算複雑性を厳密に確立すること。
• エージェントの事後信念を計算または近似することの非効率性を示すこと、特に高精度要件下でも同様であることを示すこと。
• 直感的な非効率性の主張と、合理的な社会的学習モデルにおける形式的計算複雑性証拠の間のギャップを埋めること。
• 従来のNP困難性結果をPSPACE困難性へと拡張し、ベイジアンネットワークモデルにおけるより強い非効率性を示すこと。
• 合理的かつネットワーク化された設定下で、ほぼ確実な信念とほぼ不可能な信念を区別する問題の難易度を調査すること。

提案手法

• PSPACE完全問題（TQBF）から、ベイジアンネットワークにおける意見更新問題への還元を構築すること。
• プライベート信号と信念伝搬を用いて論理ゲートおよび量化子をエージェントがシミュレートするネットワーク構造を設計すること。
• 変数の数に指数関数的に比例するように事後確率がスケーリングされるよう、信念強化メカニズムを用いること。
• エージェントをベイジアン更新エンジンとしてモデル化し、事後確率に基づいて最も可能性の高い状態をブロードキャストすること。
• 重要な観察者エージェントにおける尤度比を分析し、それがブール論理式の満たす割合を符号化していることを示すこと。
• 1つの状態への事後確率の集中と別の状態への集中を区別することは、近似的でさえもPSPACE困難であることを証明すること。

実験結果

リサーチクエスチョン

• RQ1 ベイジアン意見交換ネットワークにおけるエージェントの行動を計算することは計算的に困難か？
• RQ2 このモデルにおいてエージェントの事後信念を効率的に近似できるか？
• RQ3 完全に合理的でネットワーク化されたエージェントにおける信念更新の正確な計算複雑性は何か？
• RQ4 信念の集中度を近似する場合でも、問題は依然として困難であるか？
• RQ5 非効用性はNPを越えてPSPACEへと拡張可能か？これは合理的な意見動態の真の複雑性を反映しているか？

主な発見

• ベイジアン意見交換モデルにおけるエージェントの行動を計算することはPSPACE困難である。
• エージェントの事後信念を近似することもPSPACE困難である。特に、1つの状態への信念集中と別の状態への信念集中を区別することでさえも同様である。
• 重要な観察者エージェントにおける尤度比は、小さな誤差の範囲でブール論理式の満たす割合を符号化している。
• 還元により、指数的かつ小さな範囲内での信念集中が多項式時間で決定不能であることが示された。これは、モデルの共通知識がある状況でも同様である。
• この結果により、従来のNP困難性結果が強化され、問題がPSPACEの最も困難な問題と同等の難易度であることが示された。
• 完全に合理的で真実を求めるエージェントが共通知識を持つという仮定の下でも、計算非効用性は成立する。