매개변수적 오픈 소스 게임
Parametric Open Source Games
오픈 소스 게임 이론(open-source game theory)은 에이전트(agent)의 행동이 상호의 의사 결정 절차에 의존할 수 있는 경우를 연구하지만, 기존 모델 대부분은 이산(discrete) 또는 기호(symbolic) 프로그램을 사용한다. 우리는 매개변수적 오픈 소스 게임(parametric open-source games)을 도입한다. 이는 프로그램 균형(program equilibria)의 연속적 대응물로, 플레이어들이 매개변수 벡터(parameter vector)를 선택하고, 의미론 맵(semantics maps)이 전체 매개변수 프로필을 기본 유한 게임(underlying finite game)의 혼합 행동(mixed actions)으로 변환한다. 균형 존재 결과를 확립하고, 대칭 $2\times2$ 게임에서 이기적인 그래디언트 상승(selfish gradient ascent)이 배신(defection)에서 협력(cooperation)으로 전환되는 정확한 결합(coupling) 임계값을 도출하며, 매개변수적 프로그램 내시 균형(parametric program Nash equilibria)에 대한 1차원 경계 검정(boundary test)을 제시한다. 또한 프레임워크를 1차 협력 조건이 교차-플레이어 대 자기-플레이어 민감도(cross-player to self-player sensitivity)의 비율에 의해 지배되는 신경망 의미론 클래스(neural semantics class)로 확장한다. 표준 게임들(canonical games) 전반에 걸쳐, 이 프레임워크는 내부 매개변수화(internal parameterizations)에 대한 접근이 학습 역학(learning dynamics)과 균형 구조(equilibrium structure)를 질적으로 어떻게 재형성할 수 있는지, 그리고 충분히 강한 오픈 소스 결합(open-source coupling)이 이기적인 최적화(selfish optimization)를 협력적 결과(cooperative outcomes)로 어떻게 유도할 수 있는지 보여준다.