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

Fabio Dercole, Fabio Della Rossa+1 more|arXiv (Cornell University)|Nov 9, 2018

Evolutionary Game Theory and Cooperation参考文献 79被引用 8

一句话总结

该论文将网络互惠重新构想为一种基于直接互惠的理性合作机制，其中个体通过预测条件性合作的模型来更新策略，而非模仿更高收益的邻居。研究发现，当收益-成本比率超过与网络结构相关的连通性阈值时，多步预测与互惠机制共同构成合作在任意网络中固定的必要且充分条件。

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

研究动机与目标

• 为解决基于收益模仿的网络互惠理论模型与实验证据之间的不一致——后者表明人类更偏好互惠而非收益比较。
• 提出一种网络囚徒困境博弈中理性、预测性的策略更新机制，以取代非理性的模仿行为，转而采用条件性合作。
• 确定在任意网络结构中维持并固定合作的最低认知要求（即互惠与预测范围）。
• 推导出一个简单且经实验验证的合作固定条件，该条件取决于游戏的收益-成本比率与网络连通性的相对关系。

提出的方法

• 提出一种基于模型预测的策略更新规则，比较两种选择：条件性（互惠性）合作与无条件背叛，而非基于收益的模仿。
• 引入多步预测范围，以评估网络囚徒困境中合作与背叛的长期收益。
• 在静态、稀疏网络中使用演化博弈论，结合弱选择条件，基于预期未来收益建模策略更新。
• 分析在不同网络拓扑结构（规则网络、无标度网络、小世界网络、平面晶格）下，不同更新规则对合作固定概率的影响。
• 推导出收益-成本比率 r 的临界阈值，表明当 r > ⟨k⟩ 时合作将固定，其中 ⟨k⟩ 为网络的平均度。
• 通过在多种网络类型中进行广泛模拟验证结果，将结果分类为固定、灭绝、僵局或波动。

实验结果

研究问题

• RQ1 基于对未来收益的预测建模，直接互惠能否作为理性机制，取代基于收益比较的模仿，实现结构化网络中的合作？
• RQ2 在任意网络拓扑中，维持合作所必需且充分的认知要求——特别是互惠与预测范围——是什么？
• RQ3 在理性、预测性策略更新机制下，合作固定的简单规则 r > ⟨k⟩ 是否仍成立，如同在模仿机制下一样？
• RQ4 所提出的机制如何调和理论预测与实验发现之间的矛盾，后者表明人类偏好互惠而非收益比较？

主要发现

• 基于条件性合作预测建模的理性策略更新，而非模仿更高收益邻居，可在任何网络结构中实现合作的固定。
• 直接互惠与多步预测范围共同构成合作固定的必要且充分条件，前提是收益-成本比率 r 超过网络的平均度 ⟨k⟩。
• 此前在模仿动力学下推导出的临界条件 r > ⟨k⟩，在新的理性机制下被重新发现，验证了其稳健性与实验相关性。
• 在25种不同网络配置（包括无标度网络、小世界网络和平面晶格）的模拟中，当 r > ⟨k⟩ 时，合作在60–70%的情况下实现固定，波动与僵局极少。
• 在平均度较高（⟨k⟩ = 8）的网络中，基于预测规则的合作固定比例为53.59%，而完全连通网络在 r < ⟨k⟩ 时合作固定比例仅为0%。
• 该模型成功解释了实验中的人类行为：当 r > ⟨k⟩ 时，合作得以维持并实现固定，与实证观察中人类偏好互惠而非收益比较的现象一致。