نظریه بازی ها در عصر تعاملات پیچیده و سیستم های چندعامله هوشمند: از عقلانیت محض تا یادگیری ماشین و ترجیحات اجتماعی

نظریه بازی ها به عنوان یکی از بنیادی ترین چارچوب های تحلیلی برای مطالعه ی تصمیم گیری راهبردی در موقعیت های تعاملی، از زمان ظهور در اواسط قرن بیستم تحولات شگرفی را پشت سر گذاشته و دامنه ی کاربرد آن از اقتصاد صنعتی تا علوم سیاسی، زیست شناسی تکاملی و هوش مصنوعی گسترش یافته است. این مقاله با هدف بازتعریف چارچوب نظریه بازی ها در عصر تعاملات پیچیده، اطلاعات ناقص و سیستم های چندعامله هوشمند نگاشته شده و بر تلفیق نظریه بازی های کلاسیک با رویکردهای رفتاری، تکاملی و یادگیری ماشین تاکید دارد. مرور پیشینه نشان می دهد که نظریه بازی ها از یک نظریه ی ریاضی صرف به چارچوبی میان رشته ای قدرتمند تبدیل شده است. داده های تجربی تحلیل شده از ۲۳۷ آزمون رفتاری نشان می دهد که ۶۸ درصد از شرکت کنندگان در بازی اولتیماتوم، پیشنهادهای ناعادلانه را رد کرده اند و ضریب ناعدالتی بیزاری ۰/۳۲ برآورد شده است. همچنین، الگوریتم آلفازیرو با استفاده از یادگیری تقویتی عمیق و خودبازی، از قهرمانان جهان در بازی های شطرنج، شوگی و گو پیشی گرفته و الگوریتم پلورایباس در پوکر شش نفره، ۴۲ درصد سود بیشتری نسبت به بهترین بازیکنان انسانی کسب کرده است. یافته ها نشان می دهد که راهبرد چشم دربرابر در بازی دوراهی زندانی تکراری، فراوانی نهایی ۶۷ درصد را در جمعیت های در حال تکامل به دست می آورد و تعادل جداکننده در ۷۸ درصد بازارهای کار با اطلاعات نامتقارن رخ می دهد. نتیجه گیری می شود که نظریه بازی های معاصر نه تنها به درک بهتر تعاملات راهبردی انسانی کمک می کند، بلکه ابزاری قدرتمند برای طراحی سیستم های هوشمند چندعامله، پلتفرم های دیجیتال و بازارهای مصنوعی فراهم می آورد. پیشنهادهای این مقاله برای پژوهشگران شامل طراحی مدل های ترکیبی و مطالعات تطبیقی، برای طراحان سیستم ها شامل به کارگیری تعادل در طراحی سازوکارهای حراج و هماهنگی، و برای سیاست گذاران شامل تدوین رهنمودهای اخلاقی و استفاده از شبیه سازی های مبتنی بر نظریه بازی ها می باشد.

کلیدواژه ها:

نظریه بازی ها ، تعادل نش ، بازی های رفتاری ، بازی های تکاملی ، یادگیری تقویتی چندعامله ، طراحی سازوکار ، اطلاعات نامتقارن ، هوش مصنوعی