आँख के लिए आँख

खेल सिद्धांत "कैदी समस्या" की प्रसिद्ध समस्या में, विश्वासघात एकमात्र सही समाधान है। हालांकि, यदि आप दोनों पक्षों को एक-दूसरे के साथ सहमत होने से रोकते हैं, लेकिन कई बार स्थिति को कई बार दोहराते हैं, तो व्यवहार की ऐसी रणनीति सबसे अधिक लाभदायक नहीं होगी। सही रणनीति का चयन मानव समाज के विकास, व्यक्तिगत और व्यावसायिक संबंधों में सहयोग के तथ्यों के उद्भव, नैतिक मानकों और व्यक्तिगत हितों के अनुपात के बारे में सवालों के जवाब देने में मदद कर सकता है।



1970 के दशक के उत्तरार्ध में, रॉबर्ट एक्सलारोड (एक गणितज्ञ, राजनीतिक वैज्ञानिक, अब मिशिगन विश्वविद्यालय में एक प्रोफेसर) एक प्रयोग के साथ आया, जिसमें कैदी की बार-बार होने वाली दुविधा (आईपीडी या खुजली कैदी की दुविधा) का सामना करने वाले विषयों के व्यवहार को शामिल किया गया।

खेल के नियम इस प्रकार थे:

• प्रत्येक विषय एक निश्चित रणनीति का पालन करता है, जिसे उसके कार्यक्रम द्वारा परिभाषित किया गया है। पहले टूर्नामेंट में विभिन्न लेखकों द्वारा विकसित 14 कार्यक्रम थे, और एक कार्यक्रम यादृच्छिक आधार पर चल रहा था।
• प्रत्येक विषय उनके रिश्ते के इतिहास को याद करता है और इस कहानी के आधार पर चुनाव कर सकता है।
• खेल यादृच्छिक क्रम में एक परिपत्र आधार पर आयोजित किया जाता है।
• यदि दोनों संस्थाएं सहयोग करने से इंकार करती हैं, तो उन्हें 1 अंक प्राप्त होता है (कैदी की शब्दावली में, इसका मतलब है कि अपराध में भागीदार के खिलाफ गवाही देना)।
• यदि वे सहयोग करने के लिए सहमत होते हैं, तो उन्हें 3 अंक मिलते हैं (दोनों चुप हैं)।
• यदि एक मना करता है, और दूसरा नहीं करता है, तो मना करने वाला (चालबाज) 5 प्राप्त करता है, दूसरा 0।
• विजेता को 200 राउंड के बाद जीत की मात्रा से निर्धारित किया जाता है।

सरलतम एल्गोरिदम ने हमेशा सहयोग किया है (सिम्प्टोंस) या हमेशा धोखा दिया। अधिकांश व्यवहार के जटिल पैटर्न का पालन किया। लेकिन विजेता टिट-फॉर-टाट कार्यक्रम (टीएफटी, एक आंख के लिए एक आंख), टोरंटो विश्वविद्यालय से मनोवैज्ञानिक अनातोली रापोपोर्ट था। कार्यक्रम के कार्यों का तर्क बहुत सरल था - सहयोग के लिए पहले दौर की बिना शर्त सहमति, और बाद के दौर में वही विरोधी जो पिछले एक में किया था की पुनरावृत्ति। 200 राउंड का अधिकतम संभावित परिणाम 1000 अंक है। विजेता को 504 मिले। पहले संपर्क में सहयोग में जाने वाले कार्यक्रमों द्वारा पहले आठ स्थानों को लिया गया, उन्हें "सुखद" के रूप में जाना गया। उन्हें 472 से 504 अंक प्राप्त हुए, जबकि सबसे सफल "अप्रिय" कार्यक्रम 401।

पहले से ही 62 कार्यक्रमों को दूसरे टूर्नामेंट के लिए रखा गया था, कई एल्गोरिदम को अंतिम रूप दिया गया था, जिसमें टीएफटी के साथ टकराव को ध्यान में रखा गया था। यह ध्यान रखना दिलचस्प है कि किसी भी स्थिति में टीएफटी अपने साथी से अधिक नहीं कमा सकता है, लेकिन टीएफटी फिर से कुल अंकों के मामले में विजेता बन गया। कार्यक्रम ने अन्य सहयोगियों के साथ सक्रिय रूप से सहयोग किया, लेकिन धोखे से धोखे से तुरंत जवाब दिया।

हालांकि, वास्तविक दुनिया में, विषय प्रोग्राम के रूप में निर्धारक के रूप में कार्य करते हैं, इसलिए निम्न प्रयोगों में त्रुटि की संभावना को शामिल किया गया था जब विषय यादृच्छिक रूप से एक कार्रवाई का चयन करता है। उसी समय, टीएफटी कार्यक्रम, जब अपने दोहरे के साथ मिलते हुए, पारस्परिक बदला के एक अंतहीन चक्र में गिरना शुरू हुआ, जब एक गलत कार्रवाई ने स्विचिंग ट्रिगर चालू किया। 10% के शोर स्तर के साथ, वह अब विजेता नहीं बनी। निम्नलिखित CTFT और GTFT संशोधनों में, धोखे को माफ करने की क्षमता सहित, उच्च शोर स्तरों के साथ महत्वपूर्ण रूप से बेहतर परिणाम हैं।

बाद में, डार्विन विकास के तत्वों को शामिल करने के लिए प्रयोग का विस्तार किया गया। प्रत्येक दौर के बाद, विषय अपने लिए एक नई रणनीति का चयन करने में सक्षम थे, जहां प्रत्येक रणनीति को चुनने की संभावना इसके द्वारा बनाए गए अंकों की संख्या के अनुपात में थी। उसी समय, खेल की शुरुआत में, टीएफटी और अन्य सहकारी रणनीति आबादी से लगभग गायब हो गई और स्कैमर्स ने गेंद पर शासन किया! औसत लाभ लगभग एकता में गिर गया, लेकिन कुछ समय बाद टीएफटी रणनीतियों के अवशेषों को अचानक ऊपरी हाथ मिल गया, और बाद में उन रणनीतियों को रास्ता दिया जो माफी के लिए अधिक प्रवण थे। फिर, सद्भाव और सहयोग ने दुनिया में राज किया। हालांकि, इस तरह के परिणाम का इरादा नहीं है। जब अलग-अलग युगों में सैकड़ों-हजारों पीढ़ियों तक प्रयोग को दोहराते या विस्तारित करते हैं, तो एक या दूसरी रणनीतियाँ प्रबल होती हैं, जब ट्रिकस्टर्स शासन करते हैं तो कई बार परेशान होते हैं और औसत लाभ लगभग एक होता है।



यहां तक ​​कि एक कल्याणकारी समाज में समृद्ध युगों में, आपका मित्र या प्रतिपक्ष पावलोव हो सकता है। शुरुआती प्रयोगों में, डब्ल्यूएसएलएस कार्यक्रम, जो किसी भी तरह से खुद को प्रकट नहीं करता था, सफलता के मामले में रणनीति को दोहराने और असफलता (जीत-हार, शिफ्ट) के मामले में इसे बदलने के आधार पर सरल तर्क के साथ, एक वास्तविक वेयरवोल्फ बन जाता है। जैसे ही एक ईमानदार व्यवसाय नहीं जाता है, और एक बार एक साधारण व्यक्ति को धोखा देने के बाद, वह उसे फिर से धोखा देता है जबकि यह उसके लिए लाभ लाता है।

नेटलोगो मल्टी-एजेंट सिस्टम मॉडलिंग वातावरण में कैदी की दोहराव संबंधी दुविधा (पीडी एन-पर्सन आइटरेटेड मॉडल) के सरल अहसास हैं। मॉडल में, विषयों की एक निश्चित संख्या (नेटलोगो शब्दावली में कछुए) पूरे क्षेत्र में चलती हैं, और, एक दूसरे से मुठभेड़ करते हुए, अपने रिश्ते के इतिहास के आधार पर एक या एक और पसंद करते हैं। वास्तव में, इन कछुओं को प्रत्येक प्रतिद्वंद्वी के साथ संपर्क का एकमात्र मामला याद है, और पूरी कहानी तक पहुंच नहीं है। प्रारंभ में, 10 कछुए 6 अलग-अलग रणनीतियों का उपयोग करके सेट किए गए थे: एक यादृच्छिक चयन रणनीति, सहकारी, दोष, टीएफटी, अनफॉरगिविंग (अक्षमता, किसी भी धोखे के बाद किसी भी सहयोग से इनकार करता है), और अज्ञात, जिसे टीएफटी द्वारा डिफ़ॉल्ट रूप से प्रोग्राम किया गया है। और विकासवादी मॉडल के समान, कुल जीत के संदर्भ में सबसे सफल होने वाले पहले सैकड़ों पुनरावृत्तियां धोखेबाज हैं (उनकी औसत जीत 5 अंक के करीब हैं)। लेकिन धीरे-धीरे उनका परिणाम बिगड़ता जाता है और धोखेबाजों के बीच 2 अंकों की तुलना में टीएफटी 2.7 अंकों के औसत स्कोर के साथ बढ़त पर है। सहकर्मियों के बहिष्कार के साथ, धोखेबाजों को औसतन केवल 1.4 मिलता है, और एक यादृच्छिक रणनीति के अपवाद के साथ, धोखेबाज केवल एक दूसरे को धोखा दे सकते हैं - उन्हें औसतन 1 अंक मिलता है।

प्रयोगों के आधार पर, इस खेल में सफलता के लिए सिद्धांत के 4 आदेश तैयार किए जा सकते हैं, जिन्हें वास्तविक जीवन में ले जाया जा सकता है:

• विश्वास के साथ शुरू करें और अच्छाई के लिए कृपया प्रतिक्रिया दें
• तुरंत और पर्याप्त रूप से धोखा देने का जवाब दें
• क्षमा करने के लिए तैयार रहें
• इस तथ्य के आधार पर कि हम एक साथ व्यक्तिगत रूप से अधिक प्राप्त कर सकते हैं

जैसा कि ऊपर दिखाया गया है, वे एक छोटी अवधि में सफलता की गारंटी नहीं देते हैं, परिणाम दृढ़ता से अन्य लोगों की रणनीतियों पर निर्भर करता है, यादृच्छिक कारकों के स्तर पर, हालांकि यह एक बहुत ही सरल और एक ही समय में इस तरह के खेल में व्यवहार के मजबूत और सार्वभौमिक एल्गोरिदम है।

संदर्भ:
फिलिप बॉल गंभीर जन
रॉबर्ट एक्सल्रॉड। सहयोग का विकास

संदर्भ:
www.sci.brooklyn.cuny.edu/~sklar/teaching/f05/alife/notes/azhar-ipd-Oct19th.pdf (इंग्लैंड)।
www.ncbi.nlm.nih.gov/pmc/articles/PMC2460568 (इंग्लैंड)।
www.prisoners-dilemma.com (इंग्लैंड)।