Читать книгу - "Давайте поспорим! Как превратить конфликт в сотрудничество и финансовую прибыль - Алексей Назаров"

преимущество, нажившись на слабых членах общества. Постоянно обманывают друг друга, увольняют с работы, выгоняют со съемной квартиры, не отдают долги и не выполняют взятые на себя обязательства. Каким образом теория игр и вывод о том, что «добрые» стратегии выигрывают, могут быть связаны с реальностью?

Во-первых, выигрыш «злых» стратегий, то есть тех, которые предают первыми, в реальной жизни встречается регулярно. Однако не надо забывать, что и «добрая» стратегия не только начинает с сотрудничества, но и отвечает тем же, предает в ответ на предательство, мстит. «Добрые» стратегии в стиле «тряпки», которые позволяют предателям паразитировать на себе и необоснованно обогащаться, — именно они позволяют «злым» стратегиям процветать.

Во-вторых, стратегии управления конфликтом типа «Око за око» в реальной жизни, а не в стерильной среде компьютерного турнира могут вредить друг другу и снижать общий выигрыш. Стараясь разобраться с этим феноменом, на протяжении сорока лет, которые прошли с первых турниров Аксельрода, ученые уделяли серьезное внимание тому, чтобы сделать модель ПДЗ более похожей на реальность. А значит, и более применимой к настоящей жизни.

Давайте проведем мысленный эксперимент и подумаем: что будет с двумя игроками, применяющими стратегию «Око за око», если у одного из них дрогнет рука и вместо «сотрудничать» он нажмет кнопку «предавать»? Случайно, без злого умысла, может, даже кошка лапкой заденет эту кнопку? Второй игрок увидит предательство и в ответ тоже предаст. Первый игрок увидит его предательство и предаст на следующем ходе. И так будет запущена спираль взаимных наказаний.

Почему введение такого параметра, как шум, то есть вероятность ошибки, приближает ПДЗ к реальной жизни? Потому, что обычные люди, не компьютерные программы, имеют свойство ошибаться, говорить не то, что думают, или слышать не то, что им пытаются донести. Особенно в ситуации острого стресса, который является частым спутником конфликта, как мы уже узнали из предыдущих глав.

Например, дизайнер Коля решил подойти к архитектору Кате, которая с самого утра напряженно работает за компьютером, и узнать, как у нее дела. Коля просто хотел немного подбодрить коллегу, видя, что ей приходится нелегко, поднять настроение. В теории игр такой ход назывался бы «сотрудничество». Однако Катя восприняла вопрос Коли как попытку пофлиртовать и оторвать ее от важной задачи, срок для которой истек еще три часа назад. Отнять время от срочного дела в теории игр может восприниматься как «предать». Поэтому Катя ответила Коле достаточно резко: «У меня все прекрасно; можешь не отвлекать, пожалуйста, разве не видно, что я занята?» Коля в ответ на этот очевидно агрессивный шаг Кати, ничем, как ему казалось, с его стороны не спровоцированный, тоже ответил резко, исполненный уверенности в своей правоте: «Да не больно ты мне и нужна, пойду со Светой поговорю». Вот так в реальности ошибки общения создают проблемы для добрых, но «возвращающих» людей, снижая качество их жизни.

Чтобы учесть это в турнире между стратегиями, ученые придумали специальный механизм — добавлять в программу вероятность ошибки. В новых турнирах этот показатель составил 1–15%. Его смысл в том, что время от времени программа «ошибалась» и вместо запланированного хода делала противоположный, и происходило это с частотой от одного до десяти раз на 100 раундов. К какому удивительному открытию это привело? Стратегия «Око за око» слетела с первого места по результативности! Формула «начинай с сотрудничества, а потом просто повторяй действия оппонента» не выдержала испытания реальностью.

Как говорится, «король умер, да здравствует король» — какая же стратегия стала новым победителем? Тут все оказалось не так однозначно, как в первых турнирах Аксельрода. Стратегий-победителей оказалось три, причем они выходили на первое место по очереди — в зависимости от того, какая вероятность ошибки была задана:

• При уровне шума от 1% до 5% доминировала стратегия «Щедрая Око за око».

• При уровне шума от 5% до 10% вперед выходила стратегия «Павлов».

• Когда уровень шума превышал 10%, победителем становились различные варианты «Прочитавшей оппонента стратегии» (Derived Belief Strategy).

Давайте разберемся с этими программами по порядку.

«Щедрая Око за око» играла как обычная «Око за око», с одним исключением: она предавала в ответ на предательство не всегда, а часто. Оптимальный коэффициент прощения зависел от уровня шума: чем больше вероятность ошибки, тем чаще надо прощать.

Стратегия «Павлов» (в оригинале — win-stay, lose-shift), которую так прозвали в честь «собаки Павлова», действовала максимально просто: начинала с сотрудничества (добрая); если выигрывала, то продолжала повторять ход оппонента; если проигрывала, то меняла ход на противоположный. Под выигрышем в данном случае подразумевались баллы, которые можно было набрать в ситуациях «оба сотрудничают» либо «я предаю, а оппонент сотрудничает». Проигрышем считалась ситуация, когда «оба предают» либо «я сотрудничаю, а оппонент предает». Никакой особой морали, философия «плохо — меняйся» и память как у золотой рыбки, всего один ход назад — и эта стратегия дает результат лучше, чем «Око за око» в условиях значительного шума! [47]

«Прочитавшая оппонента стратегия» (ПОС) — это название не конкретной стратегии, как, например, «Павлов», а целого класса стратегий, разработанных математиками в 2000-х годах. Их суть — понять стратегию оппонента и проверять каждый ход в предательство на случайность: это шум или противник действовал намеренно, чтобы получить необоснованное преимущество? Дело в том, что к этому моменту ученые поняли, что «добрым» программам сложно восстанавливать сотрудничество после взаимного предательства. Поэтому разумным было бы отложить месть на несколько раундов, даже если за время анализа предательства (сознательное оно или случайное) будет потеряно некоторое количество баллов. Очки, которые потом будут набраны в результате взаимного сотрудничества, превысят потери, которые игроки понесут, свалившись во взаимное предательство.

Если говорить более конкретно, ПОС запрограммирована на следующие действия:

• Начинать с сотрудничества и действовать как «Око за око», пока не станет понятна стратегия оппонента.

• Исходить из предположения, что оппонент тоже следует стратегии «Око за око».

• Когда оппонент предает — проверять этот ход на случайность: сотрудничать еще несколько ходов, собирая данные о ходах оппонента и уточняя его стратегию.

• По мере накопления информации уходить от стратегии «Око за око» с памятью «один ход назад» и начинать сотрудничать и предавать в соответствии с тем, с какой вероятностью будет сотрудничать или предавать оппонент.

С сотрудничающими оппонентами ПОС почти всегда сотрудничает, с предающими — почти всегда предает. Эта программа с каждым ходом все точнее понимает партнера по игре, максимизирует сотрудничество с «добрыми» и минимизирует потери со «злыми», не реагируя на ошибки.

Искусственный интеллект: