@madda
· 5 saat önce
eksik bilgili oyunlar, oyunculardan en az birinin diğerlerinin ödemelerini, maliyetlerini ya da niyetlerini tam bilmediği stratejik durumlar. klasik oyun teorisi uzun süre herkesin oyunun yapısını bildiğini varsaydı; oysa bir ihaleye giren firma rakibinin maliyetini, bir işveren adayın gerçek verimliliğini, bir yatırımcı kurucunun ne kadar çalışacağını bilmez. bu durumda inançlar zincire dönüşür. ben senin maliyetini tahmin ederim, sen benim tahminimi tahmin edersin, ben senin tahminine dair tahminimi düşünürüm ve zincir sonsuza uzar.
çıkışı macar asıllı iktisatçı john harsanyi buldu. 1967 ve 1968'de management science dergisinde üç parça halinde yayımlanan makalesinde basit ama dahice bir hile önerdi. oyunun başına doğa adında hayali bir oyuncu koy; doğa her oyuncunun tipini, yani maliyetini, bilgisini ya da tercihini, herkesin bildiği ortak bir olasılık dağılımından çeksin. her oyuncu kendi tipini görür, başkalarınınkini görmez. böylece 'oyunun ne olduğunu bilmiyorum' sorunu, 'doğanın hangi hamleyi yaptığını görmedim' sorununa dönüşür ve ikincisi zaten çözülebilen bir şeydir. ortaya çıkan çözüm kavramına bayesçi nash dengesi denir; her tip, rakiplerin tiplerine dair inancı verildiğinde beklenen ödemesini en büyükleyen stratejiyi seçer. harsanyi bu çalışma için 1994'te nash ve selten ile nobel ekonomi ödülünü paylaştı.
basit bir örnek. bulut hizmetleri pazarına girmek isteyen bir girişim, yerleşik rakibin maliyet yapısını bilmiyor. rakip yüzde 50 ihtimalle düşük maliyetli ve girişe fiyat savaşıyla karşılık verir; yüzde 50 ihtimalle yüksek maliyetli ve pazarı paylaşmayı tercih eder. girişim girerse savaşta 3 birim kaybeder, paylaşımda 5 birim kazanır, girmezse sıfır alır. beklenen kazanç 0,5 çarpı eksi 3 artı 0,5 çarpı 5, yani 1. girmek mantıklı. ama girişimin inancı yüzde 70 düşük maliyete kayarsa beklenen değer eksi 0,6'ya iner ve girmez. işte bu yüzden yüksek maliyetli rakip bile düşük maliyetliymiş gibi davranmaya, sert açıklamalar yapmaya, gösterişli yatırımlar duyurmaya heveslenir. sinyal verme ve itibar oyunları buradan doğar.
uygulama alanı geniş. açık artırma teorisinin büyük kısmı, teklif verenlerin birbirinin değerlemesini bilmediği eksik bilgili oyunlar üzerine kurulu. mekanizma tasarımı da aynı çerçeveden çıkar; roger myerson'ın gösterdiği gibi tasarımcı, oyuncuların özel bilgisini dürüstçe söylemelerini kârlı kılacak kuralları arar. sigorta ve kredideki ters seçim, işe alımdaki diploma sinyalleri, pazarlıktaki 'son fiyatım bu' blöfü hep bu ailenin üyeleri. yapay zeka tarafında en çarpıcı örnek poker. carnegie mellon üniversitesinden noam brown ve tuomas sandholm'un geliştirdiği libratus 2017'de iki kişilik limitsiz texas hold'em'de profesyonelleri yendi, 2019'da pluribus altı kişilik masada benzerini başardı. satrançta her taş görünür, pokerde rakibin elini görmezsin ve blöf dengenin bir parçası olur. çok ajanlı pekiştirmeli öğrenme ve birbiriyle pazarlık eden dil modeli ajanları da tam bu soruyla uğraşıyor.
en sık karıştırılan ayrım eksik bilgi ile kusurlu bilgi arasında. kusurlu bilgide oyuncular oyunun yapısını bilir ama bazı hamleleri görmez, kapalı zarfla aynı anda teklif vermek gibi. eksik bilgide ödemelerin ya da tiplerin kendisi bilinmez. harsanyi dönüşümü birinciyi ikinciye çevirse de sezgisel fark önemli. ikinci sınır ortak öncül varsayımı; herkesin aynı olasılık dağılımından yola çıktığını kabul etmek gerçek piyasalar için iyimser. kendi işimde sık gördüğüm bir şey var. karşı tarafın ne bildiğini modellemeyen her fiyatlama ya da teklif sistemi, eninde sonunda bilgisi fazla olan tarafa para kaptırıyor. bilgi asimetrisi dediğimiz piyasa sorunu, bu oyunların ekonomideki gündelik yüzü.
çıkışı macar asıllı iktisatçı john harsanyi buldu. 1967 ve 1968'de management science dergisinde üç parça halinde yayımlanan makalesinde basit ama dahice bir hile önerdi. oyunun başına doğa adında hayali bir oyuncu koy; doğa her oyuncunun tipini, yani maliyetini, bilgisini ya da tercihini, herkesin bildiği ortak bir olasılık dağılımından çeksin. her oyuncu kendi tipini görür, başkalarınınkini görmez. böylece 'oyunun ne olduğunu bilmiyorum' sorunu, 'doğanın hangi hamleyi yaptığını görmedim' sorununa dönüşür ve ikincisi zaten çözülebilen bir şeydir. ortaya çıkan çözüm kavramına bayesçi nash dengesi denir; her tip, rakiplerin tiplerine dair inancı verildiğinde beklenen ödemesini en büyükleyen stratejiyi seçer. harsanyi bu çalışma için 1994'te nash ve selten ile nobel ekonomi ödülünü paylaştı.
basit bir örnek. bulut hizmetleri pazarına girmek isteyen bir girişim, yerleşik rakibin maliyet yapısını bilmiyor. rakip yüzde 50 ihtimalle düşük maliyetli ve girişe fiyat savaşıyla karşılık verir; yüzde 50 ihtimalle yüksek maliyetli ve pazarı paylaşmayı tercih eder. girişim girerse savaşta 3 birim kaybeder, paylaşımda 5 birim kazanır, girmezse sıfır alır. beklenen kazanç 0,5 çarpı eksi 3 artı 0,5 çarpı 5, yani 1. girmek mantıklı. ama girişimin inancı yüzde 70 düşük maliyete kayarsa beklenen değer eksi 0,6'ya iner ve girmez. işte bu yüzden yüksek maliyetli rakip bile düşük maliyetliymiş gibi davranmaya, sert açıklamalar yapmaya, gösterişli yatırımlar duyurmaya heveslenir. sinyal verme ve itibar oyunları buradan doğar.
uygulama alanı geniş. açık artırma teorisinin büyük kısmı, teklif verenlerin birbirinin değerlemesini bilmediği eksik bilgili oyunlar üzerine kurulu. mekanizma tasarımı da aynı çerçeveden çıkar; roger myerson'ın gösterdiği gibi tasarımcı, oyuncuların özel bilgisini dürüstçe söylemelerini kârlı kılacak kuralları arar. sigorta ve kredideki ters seçim, işe alımdaki diploma sinyalleri, pazarlıktaki 'son fiyatım bu' blöfü hep bu ailenin üyeleri. yapay zeka tarafında en çarpıcı örnek poker. carnegie mellon üniversitesinden noam brown ve tuomas sandholm'un geliştirdiği libratus 2017'de iki kişilik limitsiz texas hold'em'de profesyonelleri yendi, 2019'da pluribus altı kişilik masada benzerini başardı. satrançta her taş görünür, pokerde rakibin elini görmezsin ve blöf dengenin bir parçası olur. çok ajanlı pekiştirmeli öğrenme ve birbiriyle pazarlık eden dil modeli ajanları da tam bu soruyla uğraşıyor.
en sık karıştırılan ayrım eksik bilgi ile kusurlu bilgi arasında. kusurlu bilgide oyuncular oyunun yapısını bilir ama bazı hamleleri görmez, kapalı zarfla aynı anda teklif vermek gibi. eksik bilgide ödemelerin ya da tiplerin kendisi bilinmez. harsanyi dönüşümü birinciyi ikinciye çevirse de sezgisel fark önemli. ikinci sınır ortak öncül varsayımı; herkesin aynı olasılık dağılımından yola çıktığını kabul etmek gerçek piyasalar için iyimser. kendi işimde sık gördüğüm bir şey var. karşı tarafın ne bildiğini modellemeyen her fiyatlama ya da teklif sistemi, eninde sonunda bilgisi fazla olan tarafa para kaptırıyor. bilgi asimetrisi dediğimiz piyasa sorunu, bu oyunların ekonomideki gündelik yüzü.