意思決定　環境と戦略

『TAMING UNCERTAINTY』(R, Hertwig et al., MIT Press. 2019) から、5つめの論文「Strategic Uncertainty and Incomplete Information: The Homo Heuristics Does Not Fold (L, Spiliopoulos and R, Hertwig)」をご紹介します。

こちらもHeuristic（ヒューリスティック）についての論文ですが、この論文ではヒューリスティックな意思決定はどこまで有効なのか、設定環境のボーダーラインを検証しています。

お互いに相手の好みや特性もわからず、自分が置かれている環境についてもよくわからない。しかも相手とこれまで対戦したことがなく勝負は一度きり。そういう場合でも、果たしてヒューリスティックな判断は通用するのか。古典的な手法のほうがいいのではないか。その境界を探っています。

10種類の戦略を　ランダムに環境を変えて 10,000回 対戦（＝それぞれのモデルの計算を実行）してパフォーマンス評価しています。

「勝負は一度きり」の前提なので　事前学習なし。

＜ヒューリスティックな戦略＞

• Level-1 相手の行動の予測レベル：相手の過去の行動を配慮する。このとき、相手は考えられる選択肢全てを同じ確率で選ぶと仮定する。

• Level-2 相手の行動の予測レベル：相手がLevel-1 の行動を予測していると仮定する。

• Level-3 相手の行動の予測レベル：相手がLevel-2 の行動を予測していると仮定する。

• Level-k 相手の行動の予測レベル：相手が Level-(k-1) の行動を予測していると仮定する。

• Social maximum ゲーム全体の報酬の合計が最大になる行動を選択する。

• Equality 相手との報酬の差が最も小さい行動を選択する。

• Dominance-1 相手が場を支配する行動は無視し、それ以外で自分が一番優位になる行動を選択する。

• Maximax 行動ひとつひとつごとに、報酬が最大になる行動を選択する。

• Maximin 行動ひとつひとつごとで、最小の報酬を計算し、その中で最大の報酬となる行動を選択する。

＜ランダムベースライン戦略＞

• Random baseline 戦略を持たない。

＜古典的戦略＞

• ナッシュ均衡 各プレイヤーが最適な戦略をとるときに、双方が最大の利益を得る。

具体的に、環境条件がどう違うのかというと　（１）ゲームのサイズ（行動の数）、（２）報酬の不確実性、（３）相手の合理性　の3点です。

検証の結果、シンプルなヒューリスティックな戦略（Level-1 と Dominance-1） が最も優れたパフォーマンスを見せました。

いずれも、相手の行動の予測を最小限に抑えています。　

初対戦且つ一発勝負の場合は　相手に対して特定の思い込みを持たないほうが良い 判断ができるようです。

この論文の目的である、ヒューリスティックな手法と古典的手法の境界はどこか、という課題への結果は以下の通りです。

こういうシュミレーションを対戦相手同士で行っている場合はどうなのでしょうか。
いわば  AI vs AI のシンギュラリティというか、どちらの性能が高いか・どのデータを使うかの凌ぎあいの　超過点というか、飽和点というか・・・相手のことをどこまで予測に盛り込むか、の課題はどうなっているのか、興味があります。
今回の論文は、そもそも相手のことをそこまで考えずにシンプルに予測するといいですよ、と言っていますから、それがもう、そのひとつの答えなのか。。