Voy a decir “No lo creo” con la advertencia de que esta respuesta es una suposición educada basada en mi conocimiento de la teoría de juegos en lugar del resultado de cualquier tipo de conocimiento práctico o encuestas.
Tengo varias objeciones principales a su utilidad potencial, sin ningún orden en particular:
1) Los solucionadores de equilibrio de Nash solo pueden resolver juegos de información completa (hasta donde yo sé, aunque probablemente estoy atrasada). Muy pocos escenarios interesantes del mundo real son juegos de información completa, y muchas veces incluso las características cualitativamente interesantes de un equilibrio dependen de manera crucial de la estructura de la información. Entonces, si ignora estas complicaciones, no solo obtendrá la respuesta incorrecta cuantitativamente, sino que también obtendrá una respuesta que es TOTALMENTE incorrecta, por ejemplo, prediciendo que se tomará una rama de un árbol de juego wp 1 cuando empíricamente se tome casi siempre otra rama.
- ¿Por qué es mejor usar los elementos del marco de la colección que usar una matriz de objetos?
- ¿Cuáles son algunas de las preguntas famosas al calcular los caminos más cortos (gráficos) usando Dijkstra's, DAG y Bellman-Ford?
- ¿Cuál es el algoritmo de tiempo polinómico de peor caso de más rápido crecimiento utilizado en la práctica?
- ¿Cuáles son algunos de los algoritmos / estructuras de datos que son útiles en la vida real?
- Cómo crear una ordenación rápida en C
Como respuesta, un investigador podría argumentar que la única forma en que podremos calcular numéricamente equilibrios de juegos de información incompleta es calculando primero los equilibrios de información completa. Estoy de acuerdo con eso, pero soy escéptico de que cualquier juego remotamente realista de información incompleta sea lo suficientemente simple como para ser manejable. Simplificar una situación de una manera particular para obtener un árbol de juego manejable nos permite aprender resultados cualitativos importantes sobre una situación (por ejemplo, este tipo de estructura de información tiende a conducir a este tipo de comportamiento), pero a este nivel las soluciones numéricas precisas no son útiles. por obvias razones. (Vea el siguiente punto para una mayor exploración de este pensamiento).
2) Los equilibrios de Nash no deben tomarse en serio como una predicción precisa de cómo se desarrollará cualquier situación del mundo real . Esta afirmación es controvertida, aunque por lo que vale, es defendida por Ariel Rubinstein, con quien estoy bastante de acuerdo con este tema (lea aquí para más información: http://thebrowser.com/interviews…). No quiero decir que las personas no sean racionales (aunque esa es una crítica común, y una muy perseguida por los economistas del comportamiento; pero mis preocupaciones se aplican incluso en condiciones de racionalidad total). Más bien creo que los juegos simplemente están demasiado estilizados para precisar el comportamiento real con precisión.
Predecir el resultado de un juego depende de comprender muy bien cómo ve cada jugador el juego, más específicamente su comprensión del árbol del juego y los pagos, sus creencias sobre los pagos y creencias de otros jugadores, y así sucesivamente. Una idea crucial del trabajo de la teoría de juegos en los años 80 y 90 fue que la estructura de información de un juego a menudo impulsa su resultado; pero no está nada claro cómo especificar correctamente la estructura de información de la mayoría de los juegos. Y es peor que la necesidad de especificar creencias de primer orden; Las creencias de orden superior también pueden cambiar cualitativamente el resultado de un juego (cf. Feinberg y Skrzypacz, 2005, donde muestran que puede retrasarse en la negociación con estructuras de creencias de orden superior no triviales en las que ninguna ocurriría de otra manera: http: // www.stanford.edu/~skrz/Un…). Entonces, a menos que entiendas cómo las personas ven la estructura completa del juego, harás predicciones cualitativas (sin mencionar cuantitativas) equivocadas.
Entonces, ¿por qué es útil la teoría de juegos? Como dice Rubinstein, proporciona un conjunto de “fábulas” o historias estilizadas sobre cómo podrían desarrollarse las interacciones estratégicas. Un poco más precisamente, nos permite decir “SI estas son las únicas consideraciones estratégicas importantes en juego en un juego dado, qué resultado (s) podría (n) ocurrir razonablemente si ninguna de las partes comete un error”. Analizar un juego te da algo en qué pensar, al decirte qué resultados sutiles o contra intuitivos podrían ocurrir si las consideraciones estratégicas particulares son dominantes. Determinar qué consideraciones estratégicas son realmente dominantes es un arte, y es (en parte) por qué los negocios no son solo una rama de la teoría de juegos aplicada, que deben resolverse calculando los equilibrios de Nash.
3) Cuando el resultado previsto es un equilibrio de estrategia mixta, no está claro cómo interpretar este resultado prácticamente . Una respuesta es la doctrina de purificación de Harsanyi (http://en.wikipedia.org/wiki/Pur…). Este enfoque interpreta estrategias mixtas como límites de equilibrios de estrategia pura para juegos de información incompleta donde los jugadores han perturbado ligeramente los pagos (con la perturbación de la información privada de ese jugador). Pero si los equilibrios de estrategia mixta son simplemente una idealización en este sentido, ¿deberíamos tomarlos en serio en el mundo real, donde las perturbaciones probablemente no sean infinitesimales?
Un enfoque alternativo relacionado es ver los equilibrios de estrategias mixtas como distribuciones de población de diferentes jugadores aleatoriamente emparejados con diferentes estrategias. Esto tiene algún tipo de sentido para ese entorno en particular (muchas repeticiones del juego con diferentes jugadores, ninguno de los cuales espera tener algún tipo de interacción repetida entre sí). Sin embargo, en la mayoría de los juegos (por ejemplo, una negociación comercial complicada cuyas condiciones no esperas que se repitan), este enfoque evolutivo no parece en absoluto plausible. Además, en una situación que ocurre solo una vez, ¿qué tan útil es predecir que podría ocurrir algún resultado? (Es cierto que uno podría elegir una política basada en un cálculo de bienestar utilizando las probabilidades de diferentes resultados, pero no hay forma de verificar que este cálculo realmente signifique algo si no confía en las probabilidades subyacentes).
4) A menudo hay múltiples equilibrios de Nash de un juego . Resolver este problema es un ejercicio muy antiguo y bien pisado en la teoría de juegos que ha llevado a varios refinamientos; pero ningún refinamiento puede eliminar equilibrios múltiples de todos los juegos. (Creo que incluso el concepto de solución más fuerte del equilibrio estable no puede eliminar los equilibrios múltiples de los juegos genéricos de forma normal; e incluso si puede, existen otros problemas con los juegos genéricos de forma extensa que ocupan conjuntos de medida cero en el espacio de juegos de forma normal. Agradezco la opinión de un experto sobre el estado de este problema.) Entonces, ¿qué sucede cuando tienes múltiples resultados autoconsistentes? Quizás reducir el conjunto de posibles resultados al conjunto de equilibrio en sí mismo es prácticamente útil, ya que las partes simplemente pueden coordinarse en uno de ellos (¡aunque dicha coordinación está fuera del juego, lo que significa que no lo ha modelado completamente!). Pero dudo de lo útil que sería una predicción de una multiplicidad de equilibrios en la mayoría de las situaciones.
Me encantaría saber de alguien que trabaje en equilibrios computables de Nash sobre qué tipos de juegos se pueden resolver actualmente numéricamente; en qué industrias se emplean estos algoritmos; y si sienten que lo que están haciendo tiene un beneficio práctico inmediato. Sería el primero en advertir que el hecho de que algo parezca poco práctico no significa que no deba hacerse. Creo que el cálculo eficiente de los equilibrios de Nash es un ejercicio teórico interesante por derecho propio; y no tenemos idea de cómo podría resultar útil en el futuro. Tengo curiosidad acerca de cuán básica es la investigación considerada por sus propios profesionales.
