Торговля без информационного преимущества: сможет ли искусственный интеллект переиграть теорию?

Автор: Денис Аветисян

Новое исследование показывает, что торговля может возникать не из-за асимметрии информации, а из-за вычислительных ограничений и стратегического поведения искусственного интеллекта.

🐢

Ищешь ракеты? Это не к нам. У нас тут скучный, медленный, но надёжный, как швейцарские часы, фундаментальный анализ.

Бесплатный Телеграм канал

В почти взаимно простых случаях, частотный вектор игрока в $\mu_1$ и $\mu_\rho$ демонстрирует незначительные различия, указывая на тонкую взаимосвязь между этими параметрами и потенциальную устойчивость системы даже при небольших отклонениях.

Работа демонстрирует возможность возникновения торговли даже при общих знаниях и высокой вычислительной мощности агентов, опровергая классическую теорию.

Классические теории торговли основываются на предположении о разногласиях в убеждениях участников рынка. В данной работе, ‘Will AI Trade? A Computational Inversion of the No-Trade Theorem’, исследуется возможность возникновения торговли, обусловленная не информационными асимметриями, а вычислительными ограничениями искусственного интеллекта, даже при общих знаниях. Показано, что стабильный исход без торговли достигается лишь при незначительных различиях в вычислительной мощности агентов, в то время как идентичная мощность может привести к бесконечным стратегическим корректировкам, фактически представляющим собой форму торговли. Не станет ли учет вычислительных ограничений ключом к более реалистичному моделированию рыночного поведения и предсказанию новых форм торговых стратегий?

За пределами рациональности: Ограничения традиционной теории игр

Традиционная теория игр строится на предположении о полной рациональности участников и их общем знании о правилах и возможных исходах игры. Однако, эта модель часто не соответствует реальному поведению людей и других агентов. Предполагается, что каждый игрок способен мгновенно и безошибочно оценить все варианты, выбрать оптимальную стратегию и предвидеть действия соперников. В действительности, когнитивные ограничения, неполная информация и эмоциональные факторы существенно влияют на процесс принятия решений. В результате, наблюдаются отклонения от предсказанных теоретической моделью результатов, что указывает на необходимость разработки более реалистичных подходов, учитывающих ограниченную рациональность и сложность когнитивных процессов.

Теорема отсутствия торговли демонстрирует, что даже при наличии полной информации об условиях сделки, участники не всегда действуют в соответствии с предсказаниями традиционной теории игр. Этот парадокс возникает из-за сложности, присущей реальным ситуациям, когда оценка всех возможных исходов и стратегий становится непосильной задачей для любого, даже самого рационального агента. Вместо оптимального решения, участники могут довольствоваться субоптимальными вариантами или вовсе отказываться от сделки, несмотря на потенциальную выгоду. Таким образом, теорема подчеркивает, что простое наличие информации не гарантирует рациональное поведение, а ключевую роль играет способность агента обрабатывать эту информацию в условиях ограниченных вычислительных ресурсов и возрастающей сложности сценария.

Возникающее расхождение между теоретическими предсказаниями и реальным поведением агентов в сложных ситуациях объясняется пренебрежением вычислительными ограничениями, с которыми они сталкиваются. Стандартные модели теории игр предполагают, что агенты обладают неограниченными когнитивными ресурсами и способны мгновенно анализировать все возможные варианты, что далеко не всегда соответствует действительности. В реальности, обработка информации требует времени и энергии, а сложность задачи может быстро превысить возможности даже самых мощных вычислительных систем. Это означает, что агенты вынуждены использовать упрощенные стратегии, эвристики или ограничиваться рассмотрением лишь небольшой части доступных вариантов, что приводит к отклонению от предсказанного рационального поведения. Таким образом, учет когнитивных и вычислительных ограничений становится ключевым фактором для создания более реалистичных и точных моделей, способных адекватно описывать поведение людей и других агентов в реальном мире.

Вычислительная рациональность: Моделирование агентов с ограниченными возможностями

Компьютациональная рациональность отличается от классической рациональности тем, что явно учитывает ограниченность вычислительных ресурсов агентов. Традиционные модели часто предполагают неограниченную вычислительную мощность, что позволяет агентам оптимально решать задачи любой сложности. Однако, в реальных сценариях, агенты сталкиваются с ограничениями по времени, памяти и другим ресурсам. Компьютациональная рациональность позволяет моделировать агентов, чьи стратегии ограничены этими ресурсами, что приводит к более реалистичному и правдоподобному поведению. Это особенно важно при анализе сложных игр и взаимодействий, где полный перебор всех возможных вариантов может быть невозможен даже для мощных вычислительных систем. В рамках этого подхода, рациональность агента определяется не только его предпочтениями, но и его способностью эффективно использовать доступные ресурсы для достижения своих целей.

Метод «Разворачивающейся Игры» (Unfolding Game) позволяет анализировать игровые ситуации как бесконечные взаимодействия, что необходимо для оценки вычислительных затрат различных стратегий. В отличие от традиционного анализа, предполагающего конечное число ходов, данный подход рассматривает игру как последовательность действий, потенциально продолжающуюся бесконечно. Это позволяет определить сложность стратегии, измеряемую, например, количеством состояний, необходимых для её реализации. Анализ разворачивающейся игры выявляет, что даже стратегии, кажущиеся простыми в конечном варианте игры, могут требовать экспоненциально возрастающих вычислительных ресурсов при рассмотрении в бесконечном горизонте, что критически важно для моделирования ограниченно-рациональных агентов и их способности к принятию решений в сложных ситуациях. Оценка вычислительных издержек стратегии в контексте разворачивающейся игры позволяет определить её практическую реализуемость для агента с ограниченными ресурсами.

В рамках моделирования ограниченно-рациональных агентов используется подход, основанный на конечных автоматах (КА). КА представляют собой математические модели, состоящие из конечного числа состояний и переходов между ними, определяемых входными данными. Применение КА позволяет задать стратегию агента как детерминированный или недетерминированный автомат, где сложность стратегии ограничивается количеством состояний в автомате. Это обеспечивает возможность анализа вычислительных затрат, связанных с реализацией той или иной стратегии, и позволяет моделировать агентов, способных к ограниченной, но реалистичной рациональности. Использование КА позволяет формально определить и оценить сложность стратегий, что критически важно при изучении поведения агентов в сложных игровых сценариях и при моделировании ограниченных вычислительных ресурсов.

Стратегическое недоиспользование: Сила ограниченных вычислений

Стратегическое недоиспользование (Strategic Under-utilization) представляет собой намеренное применение агентами стратегий, менее сложных, чем те, на которые они способны. Данное поведение возникает не из-за когнитивных ограничений или недостатка ресурсов, а как рациональный ответ на контекст взаимодействия, в частности, на предполагаемые возможности и поведение оппонента. Агент может сознательно ограничить сложность своих действий, чтобы оптимизировать результат в долгосрочной перспективе, даже если это подразумевает отклонение от стратегий, обеспечивающих максимальную прибыль в изолированной ситуации. Это явление отличается от вынужденного упрощения, обусловленного ограниченными вычислительными ресурсами, и предполагает наличие у агента возможности развернуть более сложные стратегии, от которых он сознательно отказывается.

В игре «Пари копейками» (Matching Pennies) упрощение стратегии может быть рациональным ответом на действия оппонента. Анализ показывает, что если один игрок преднамеренно использует менее сложную стратегию, чем потенциально возможную, отклонение от равновесия Нэша ограничено снизу величиной 1/3. Это означает, что даже при использовании упрощенной стратегии, игрок не проигрывает более чем на 33% от оптимального результата, достижимого при использовании полной вычислительной мощности. Данное отклонение демонстрирует, что в определенных сценариях намеренное ограничение сложности стратегии является оптимальным выбором, максимизирующим ожидаемую выгоду в условиях известной или предполагаемой сложности стратегии оппонента.

Для реализации стратегической недозагрузки агентам требуется гибкое пространство стратегий, позволяющее им динамически выбирать уровень вычислительных затрат, выделяемых на решение задачи. Это означает, что агент не ограничен выбором единственной, максимально сложной стратегии, а способен адаптировать сложность своих действий в зависимости от контекста, возможностей оппонента и текущей ситуации. Такая гибкость позволяет агенту сознательно отказываться от оптимальных, но вычислительно дорогих стратегий в пользу более простых, но рационально выгодных в данных условиях, что и является основой стратегической недозагрузки. Ограничение на уровень вычислительных затрат, таким образом, становится неотъемлемой частью стратегического пространства агента.

Влияние на равновесие и почти рациональные агенты

Исследования демонстрируют, что даже незначительные различия в вычислительных возможностях агентов могут кардинально менять равновесные исходы в экономических моделях. Вместо ожидаемой сходимости к стабильному состоянию, небольшое превосходство одного агента в скорости или объеме обработки информации способно вызвать цепную реакцию, приводящую к асимметричным результатам и динамическим колебаниям на рынке. Данный феномен, получивший название “почти идентичная рациональность”, указывает на то, что традиционные предположения об однородности агентов могут быть неверными, а равновесие, кажущееся устойчивым, на самом деле хрупким и зависящим от мельчайших различий в когнитивных ресурсах. Подобные выводы имеют значительные последствия для понимания поведения на финансовых рынках и разработки более реалистичных экономических моделей, учитывающих ограниченность вычислительных мощностей участников.

Понятие «почти рациональных агентов», обладающих колоссальной вычислительной мощностью, расширяет существующую теоретическую базу и находит непосредственное применение в контексте развития продвинутого искусственного интеллекта. Исследования показывают, что агенты, способные обрабатывать значительно больший объем информации и осуществлять более сложные вычисления, демонстрируют поведение, существенно отличающееся от традиционных моделей рациональности. Это приводит к формированию новых стратегий и взаимодействий, которые невозможно предсказать, основываясь на предположениях об однородности участников. В частности, возрастающая вычислительная способность может привести к асимметрии информации и, как следствие, к нестабильности равновесия, что открывает новые перспективы для анализа и моделирования сложных экономических и социальных систем, где ключевую роль играют интеллектуальные агенты с неограниченными ресурсами.

Исследования показывают, что традиционные представления о равновесии Нэша могут быть неверны в условиях, когда агенты обладают схожими, а не различными вычислительными способностями. Вместо ожидаемой стабильности, однородность в вычислительной мощности приводит к отсутствию равновесия и стимулирует торговые операции даже между рациональными участниками. Это переворачивает классическую теорему об отсутствии торговли, которая предполагала, что при полном доступе к информации и рациональном поведении, торговля не возникает. Таким образом, акцент смещается с различий в информации или предпочтениях на саму способность к вычислениям как фактор, определяющий динамику рынков и возможность возникновения сделок, даже когда объективно нет оснований для перераспределения ресурсов.

Исследование, представленное в статье, показывает, что торговля может возникать не из-за информационной асимметрии, а из-за вычислительных ограничений агентов. Это соответствует представлению о том, что системы эволюционируют через ошибки и исправления, а не через идеальное предсказание. Как однажды заметила Грейс Хоппер: «Лучший способ предсказать будущее — это создать его». Эта фраза отражает суть работы: агенты, ограниченные в вычислительных ресурсах, формируют будущее торговли посредством своих стратегических действий, а не просто реагируют на предопределенные условия. Таким образом, ограничение не является недостатком, а скорее фактором, способствующим динамичному развитию системы.

Что же дальше?

Представленная работа демонстрирует, что торговля может возникать не из-за информационного дисбаланса, а из-за вычислительных ограничений. В этом нет ничего удивительного; системы учатся стареть достойно, и ограничения становятся неотъемлемой частью их функционирования. Однако, вопрос о том, насколько универсален этот механизм, остается открытым. Ограничены ли эти эффекты лишь сферой экономических взаимодействий, или же они проникают глубже, формируя основу для кооперации и конфликта в более широком контексте сложных систем?

Настоящее исследование, по сути, заново определяет рациональность. Если агенты не стремятся к оптимальному решению из-за вычислительных издержек, то как следует измерять эффективность? Попытки ускорить процесс принятия решений могут оказаться контрпродуктивными; иногда лучше наблюдать за процессом, чем пытаться его ускорить. Будущие исследования должны сосредоточиться на разработке более тонких метрик, учитывающих не только результат, но и стоимость его достижения.

По мере развития вычислительных мощностей, важно помнить, что системы, как и люди, со временем учатся не спешить. Изучение стратегий, которые позволяют агентам эффективно функционировать в условиях ограниченных ресурсов, может дать ценные уроки для проектирования устойчивых и адаптивных систем. Мудрые системы не борются с энтропией — они учатся дышать вместе с ней. Иногда наблюдение — единственная форма участия.

Оригинал статьи: https://arxiv.org/pdf/2512.17952.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2025-12-23 14:17