論文の概要: On Blockchain We Cooperate: An Evolutionary Game Perspective

• arxiv url: http://arxiv.org/abs/2212.05357v3
• Date: Thu, 19 Jan 2023 22:21:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 12:56:26.575295
• Title: On Blockchain We Cooperate: An Evolutionary Game Perspective
• Title（参考訳）: ブロックチェーンで協力する:進化的ゲーム視点
• Authors: Luyao Zhang, Xinyu Tian
• Abstract要約: 本稿では,合理性とゲーム理論的解の概念を導入し,コンセンサスプロトコルの平衡結果について検討する。 モデルエージェントの挙動に有界有理性を適用し、3つの異なる安定平衡に対する初期条件を解く。 我々の研究は、コンピュータサイエンスにおける分散コンセンサス、ブロックチェーンコンセンサスにおける経済ゲーム理論、生物学と経済学の交差点における進化ゲーム理論、コンピューティングと社会科学に関する共同洞察による協調AIなど、分野にわたる文献に貢献する。
• 参考スコア（独自算出の注目度）: 0.8566457170664925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cooperation is fundamental for human prosperity. Blockchain, as a trust machine, is a cooperative institution in cyberspace that supports cooperation through distributed trust with consensus protocols. While studies in computer science focus on fault tolerance problems with consensus algorithms, economic research utilizes incentive designs to analyze agent behaviors. To achieve cooperation on blockchains, emerging interdisciplinary research introduces rationality and game-theoretical solution concepts to study the equilibrium outcomes of various consensus protocols. However, existing studies do not consider the possibility for agents to learn from historical observations. Therefore, we abstract a general consensus protocol as a dynamic game environment, apply a solution concept of bounded rationality to model agent behavior, and resolve the initial conditions for three different stable equilibria. In our game, agents imitatively learn the global history in an evolutionary process toward equilibria, for which we evaluate the outcomes from both computing and economic perspectives in terms of safety, liveness, validity, and social welfare. Our research contributes to the literature across disciplines, including distributed consensus in computer science, game theory in economics on blockchain consensus, evolutionary game theory at the intersection of biology and economics, bounded rationality at the interplay between psychology and economics, and cooperative AI with joint insights into computing and social science. Finally, we discuss that future protocol design can better achieve the most desired outcomes of our honest stable equilibria by increasing the reward-punishment ratio and lowering both the cost-punishment ratio and the pivotality rate.
• Abstract（参考訳）: 協力は人類の繁栄の基礎である。 ブロックチェーンは、信頼マシンとして、コンセンサスプロトコルとの分散信頼による協力を支援するサイバースペースの協力機関である。 コンピュータ科学の研究はコンセンサスアルゴリズムによるフォールトトレランスの問題に焦点を当てているが、経済研究はインセンティブ設計を利用してエージェントの動作を分析する。 ブロックチェーンの協力を達成するために、新たな学際的な研究は合理性とゲーム理論的なソリューションの概念を導入し、様々なコンセンサスプロトコルの平衡結果を研究する。 しかし、既存の研究では、エージェントが歴史的観察から学ぶ可能性を考慮していない。 そこで,汎用コンセンサスプロトコルを動的ゲーム環境として抽象化し,モデルエージェントの振る舞いに有界合理性の解法を適用し,3つの異なる安定平衡に対する初期条件を解く。 本ゲームでは, エージェントは, 安全, 生活性, 有効性, 社会福祉の両面から, 計算と経済の両面からの結果を評価するための, 均衡に向けての進化過程において, グローバルヒストリーを模倣的に学習する。 我々の研究は、コンピュータ科学における分散コンセンサス、ブロックチェーンのコンセンサスに関するゲーム理論、生物学と経済学の交差点における進化ゲーム理論、心理学と経済学の相互作用における有界合理性、コンピューティングと社会科学に関する共同洞察による協調AIなど、分野にわたる文献に貢献する。 最後に, 今後のプロトコル設計は, 報奨率を増大させ, 費用対価率と重要度率の両方を下げることにより, 誠実な安定均衡の最も望ましい結果を達成することができることを論じる。

関連論文リスト

• The State-Action-Reward-State-Action Algorithm in Spatial Prisoner's Dilemma Game [0.0]
  強化学習は進化ゲーム理論の研究に適したフレームワークを提供する。 我々は、進化ゲーム理論における個人のための意思決定メカニズムとして、ステート・アクション・リワード・ステート・アクション・アルゴリズムを用いる。 我々は,SARSAが協力率に与える影響を,報酬の変動とネットワーク内の協調作業者や欠陥者の分布を分析して評価する。
  論文  参考訳（メタデータ） (2024-06-25T07:21:35Z)
• Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
  GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。 最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。 道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-04-25T15:59:16Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [55.65482030032804]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 提案手法は,軌道予測器が将来の状態を生成するために使用する関係の進化を捉えるために,動的に進化する関係グラフとハイパーグラフを推論する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Social Motion Prediction with Cognitive Hierarchies [19.71780279070757]
  我々は新しいベンチマーク、新しい定式化、認知に触発されたフレームワークを紹介する。 We present Wusi, a 3D multi-person motion data under the context of team sports。 戦略的社会的相互作用を予測するための認知階層構造を構築した。
  論文  参考訳（メタデータ） (2023-11-08T14:51:17Z)
• Tackling Cooperative Incompatibility for Zero-Shot Human-AI Coordination [36.33334853998621]
  協調的オープンエンド・ラーニング(COLE)フレームワークを導入し,学習における協調的非互換性を解決する。 COLEは、グラフ理論の観点を用いて、2人のプレイヤーと協調ゲームにおけるオープンエンド目標を定式化し、各戦略の協調能力を評価し、特定する。 我々は,COLEが理論的および経験的分析から協調的不整合性を効果的に克服できることを示した。
  論文  参考訳（メタデータ） (2023-06-05T16:51:38Z)
• The Design Principle of Blockchain: An Initiative for the SoK of SoKs [0.0]
  分散AIは、プライバシ、セキュリティ、可聴性の分散された信頼を作ることによって、より信頼できるものにすることができる。 しかし、サイバー物理システム統合社会のための信頼エンジンとしてのAIの設計原理に関する体系的研究はいまだに欠落している。
  論文  参考訳（メタデータ） (2023-01-01T21:57:25Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• Cooperation and Reputation Dynamics with Reinforcement Learning [6.219565750197311]
  私達は信頼および協同を確立する方法として評判がいかに使用されるか示します。 好ましくない平衡への収束を緩和する2つのメカニズムを提案する。 この結果が進化ゲーム理論の文献とどのように関係しているかを示す。
  論文  参考訳（メタデータ） (2021-02-15T12:48:56Z)
• On Information Asymmetry in Competitive Multi-Agent Reinforcement Learning: Convergence and Optimality [78.76529463321374]
  協調的でない2つのQ-ラーニングエージェントの相互作用システムについて検討する。 この情報非対称性は、集団学習の安定した結果をもたらす可能性があることを示す。
  論文  参考訳（メタデータ） (2020-10-21T11:19:53Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。