[论文解读] Pessimism Traps and Algorithmic Interventions

Avrim Blum, Emily Diana+2 more|arXiv (Cornell University)|Jun 6, 2024

Decision-Making and Behavioral Economics被引用 1

一句话总结

本文通过信息级联模型形式化了悲观陷阱——在不确定环境中，个体因自我强化的悲观情绪而采取次优行为的现象。提出了一种非单调、经算法调优的补贴干预策略，可在补贴撤销后仍维持正确的决策级联，实证验证显示该策略在弱信号和小规模群体中显著提升了正确级联率。

ABSTRACT

In this paper, we relate the philosophical literature on pessimism traps to information cascades, a formal model derived from the economics and mathematics literature. A pessimism trap is a social pattern in which individuals in a community, in situations of uncertainty, copy the sub-optimal actions of others, despite their individual beliefs. This maps nicely onto the concept of an information cascade, which involves a sequence of agents making a decision between two alternatives, with a private signal of the superior alternative and a public history of others' actions. Key results from the economics literature show that information cascades occur with probability one in many contexts, and depending on the strength of the signal, populations can fall into the incorrect cascade very easily and quickly. Once formed, in the absence of external perturbation, a cascade cannot be broken - therefore, we derive an intervention that can be used to nudge a population from an incorrect to a correct cascade and, importantly, maintain the cascade once the subsidy is discontinued. We extend this to the case of multiple communities, each of which might have a different optimal action, and a government providing subsidies that cannot discriminate between communities and does not know which action is optimal for each. We study this both theoretically and empirically.

研究动机与目标

• 通过经济学与意见动力学中的数学模型，形式化悲观陷阱这一哲学概念。
• 解决在因不确定性和悲观情绪而陷入次优行为的群体中，维持最优决策级联的挑战。
• 设计一种既有效又可持续的补贴机制，诱导正确行为而不依赖持续的财政支持。
• 将模型扩展至多个最优行动未知的群体，政府需在无社区层面知识的前提下公正干预。
• 通过模拟验证理论模型在不同群体规模和信号强度下的表现。

提出的方法

• 将不确定性下的决策建模为一维信息级联，其中个体观察到前驱者的私人信号与公开行为。
• 推导出精确的补贴规模，激励私人信号较弱的个体选择具有挑战性的（正确）行动，同时避免对已有倾向个体造成扭曲。
• 提出一种非单调补贴策略：补贴过小则无法改变行为；补贴过大则导致个体将行动归因于补贴本身，一旦补贴终止，级联即告崩溃。
• 将模型扩展至k个并行级联（k个群体），每个群体可能具有不同的最优行动，设计一种随机补贴分配D，确保每个群体最终都能实现正确级联。
• 通过基于代理的模拟对模型进行实证验证，模拟中群体规模N ∈ {10, 100, 1000}，私人信号强度p ∈ [0.51, 0.99]，测量级联正确性与补贴进展。
• 对每个(N, p)组合进行100次试验的统计平均，误差棒以标准误计算，以评估鲁棒性与可扩展性。

实验结果

研究问题

• RQ1 如何利用经济学与意见动力学中的信息级联模型，形式化悲观陷阱这一哲学概念？
• RQ2 何种补贴规模足以将群体从错误级联引导至正确级联？为何该关系呈现非单调性？
• RQ3 能否设计一种补贴策略，使正确级联在补贴结束后仍能维持，且无需持续财政支持？
• RQ4 政府如何在最优行动未知且无社区层面区分的前提下，对多个群体实施干预，同时确保每个群体均实现正确级联？
• RQ5 群体规模与信号强度对所提补贴干预措施的有效性与可扩展性有何影响？

主要发现

• 精确校准的补贴显著提升了正确级联的比例，尤其在低信号强度（如p = 0.6）时效果最为显著，且在小规模群体中表现最突出。
• 无补贴时，正确级联的比例始终较低，尤其在弱信号条件下，且一旦级联形成，群体规模对结果影响甚微。
• 补贴需求在前几个个体后迅速稳定，表明早期干预至关重要，资源分配可实现高效。
• 对于极弱信号（p = 0.51），补贴在整个群体中保持高位，因为正确行动在合理时间内无法被检测到。
• 在所有测试配置中，平均补贴在前10轮内即启动，与悲观陷阱的出现时间一致。
• 更大群体可降低人均补贴成本，证明了所提干预措施具备良好的可扩展性。