12. ทฤษฎีเกมเชิงปัญญา

“แคลคูลัสของความน่าจะเป็น เมื่อนำมาใช้กับทฤษฎีเกม เป็นหัวข้อที่ซับซ้อนอย่างมหึมา... มันไม่ใช่หัวข้อสำหรับสุภาพบุรุษ” — จอห์น ฟอน นอยมันน์

การตรัสรู้ของนักโทษ

ภาวะกลืนไม่เข้าคายไม่ออกของนักโทษ (Prisoner's Dilemma) คือกลเม็ดงานเลี้ยงที่ชวนหดหู่ที่สุดของปรัชญา นักโทษสองคนซึ่งสื่อสารกันไม่ได้ ต้องเลือกว่าจะร่วมมือหรือจะทรยศคู่หู คณิตศาสตร์นั้นโหดร้าย ไม่ว่าคู่หูของคุณจะทำอย่างไร คุณก็จะได้ประโยชน์มากกว่าหากทรยศ ทั้งคู่จึงทรยศ และทั้งคู่ก็ได้รับโทษหนักกว่าที่ควรจะได้หากร่วมมือกัน ดูเหมือนความมีเหตุผลเองจะพิพากษาให้เราต้องทำลายล้างกันและกัน

ในปี 1950 เมื่อเกมนี้ถูกทำให้เป็นแบบแผนที่ RAND Corporation มันกลายเป็นตรรกะอันเย็นชาของสงครามเย็น ไม่ว่าโซเวียตจะทำอย่างไร เราก็ได้ประโยชน์มากกว่าถ้าสร้างระเบิดเพิ่ม ไม่ว่าเราจะทำอย่างไร พวกเขาก็ได้ประโยชน์มากกว่าถ้าสร้างระเบิดเพิ่ม ดุลยภาพแนชคือดาวเคราะห์ที่เหลือแต่ซากปรักหักพัง

แต่แล้ว ในทศวรรษ 1980 นักรัฐศาสตร์ โรเบิร์ต แอ็กเซลร็อด ได้ทำสิ่งที่งดงาม เขาจัดการแข่งขัน ไม่ใช่กับนักโทษ แต่กับโปรแกรมคอมพิวเตอร์ เขาเชิญนักวางกลยุทธ์ให้ส่งอัลกอริทึมเข้ามาแข่งขันในภาวะกลืนไม่เข้าคายไม่ออกของนักโทษแบบวนซ้ำ ซึ่งเป็นเกมที่เล่นกันหลายพันครั้ง ผู้ชนะสร้างความตกตะลึงให้ทุกคน มันคือโปรแกรมที่เรียบง่ายที่สุดที่ส่งเข้ามา เป็นโค้ดสี่บรรทัดชื่อ “ตาต่อตา” (Tit for Tat) ร่วมมือในตาแรก จากนั้นทำตามที่คู่แข่งทำในตาที่แล้ว

“ตาต่อตา” ไม่ได้ชนะเพราะมันมีศีลธรรม มันชนะเพราะมันเหมาะที่สุดทางคณิตศาสตร์ในเกมที่มีความทรงจำและมีอนาคต ความร่วมมือผุดบังเกิดขึ้นไม่ใช่จากจริยธรรม แต่จากการวนซ้ำ ไม่ใช่จากเจตนา แต่จากปฏิสัมพันธ์ หากให้เวลามากพอ นักโทษจะไม่เพียงแค่หลุดพ้นจากคุก แต่พวกเขาจะบรรลุการตรัสรู้

ข้อบกพร่องในเกมแบบเก่า

ทฤษฎีเกมแบบคลาสสิกทำความผิดพลาดร้ายแรงถึงตาย มันสันนิษฐานว่าผู้กระทำของมันมีปัญญา แต่จักรวาลของมันโง่เขลา มันจำลองผู้เล่นที่ปฏิบัติการอยู่ในสุญญากาศ เป็นความว่างเปล่าไร้ลักษณะที่ไม่มีบริบท ไม่มีความสัมพันธ์ และไม่มีผลลัพธ์ใด ๆ ที่เลยไปกว่าธุรกรรมเฉพาะหน้า

คลี่คลายปฏิทรรศน์ครั้งใหญ่: เรขาคณิตแห่งการทรยศ

ปฏิทรรศน์อันโด่งดังของทฤษฎีเกมไม่ใช่ปฏิทรรศน์แห่งความไร้เหตุผลของมนุษย์ แต่เป็นผลลัพธ์ที่คาดการณ์ได้ของเกมที่เล่นบนภูมิประเทศอันแร้นแค้น

ภาวะกลืนไม่เข้าคายไม่ออกของนักโทษ มืดมนเช่นนั้น เพราะ “คุก” ของมันคืออุปมาสำหรับทอพอโลยีเฉพาะแบบหนึ่งที่เป็นพยาธิสภาพ นั่นคือกราฟที่ขาดการเชื่อมต่อ ไม่มีข้อมูลข่าวสาร และไม่มีอนาคต นักโทษสื่อสารกันไม่ได้ (ทุนเครือข่ายเป็นศูนย์) พวกเขาไม่มีพื้นฐานสำหรับความไว้วางใจ มันเป็นเกมนัดเดียว ชื่อเสียงจึงไร้ค่า บนภูมิประเทศที่แห้งแล้ง ไร้แรงเสียดทาน และไร้กาลเวลาเช่นนั้น การทรยศ คือ การเดินหมากที่มีเหตุผลเพียงหนึ่งเดียว โศกนาฏกรรมไม่ได้อยู่ที่มนุษย์มีข้อบกพร่อง แต่อยู่ที่ทฤษฎีเกมแบบคลาสสิกเข้าใจผิดว่ากรณีสุดขอบอันเป็นพยาธิสภาพนี้คือสภาวะสากล

ปริศนาที่ลึกซึ้งยิ่งกว่า คือ ภาวะกลืนไม่เข้าคายไม่ออกของนักเดินทาง (Traveler's Dilemma) เผยให้เห็นความมืดบอดเชิงมิติของกรอบคิดแบบเก่า ในเกมนี้ กลยุทธ์ที่ “มีเหตุผล” อย่างบริสุทธิ์นำไปสู่ผลลัพธ์ส่วนรวมที่เลวร้ายที่สุดเท่าที่จะเป็นไปได้ แต่ในการทดลอง มนุษย์จริงเลือกที่จะร่วมมืออย่างสม่ำเสมอ และได้ผลลัพธ์ที่ดีกว่ามาก นี่คือความล้มเหลวครั้งมหึมาของทฤษฎีคลาสสิก เศรษฐศาสตร์เชิงปัญญา (Intelligent Economics) เผยให้เห็นเหตุผล มนุษย์ที่ “ไร้เหตุผล” กำลังคำนวณโดยสัญชาตญาณว่า มูลค่าระยะยาวของการสถาปนาบรรทัดฐานแห่งความร่วมมือและการสร้างทุนเครือข่ายนั้นมีค่ามากกว่ารางวัลเล็กน้อยครั้งเดียวจากการทรยศอย่างเทียบไม่ได้ ปฏิทรรศน์ไม่ได้อยู่ที่มนุษย์ไร้เหตุผล แต่อยู่ที่ทฤษฎีเกมแบบคลาสสิกนั้นมืดบอด มองเห็นได้เพียงทุนวัตถุ ขณะที่มนุษย์นำทางผ่านทุนทั้งสี่ได้โดยสัญชาตญาณ

จัดผู้เล่นให้ไปในทิศทางเดียวกัน: แก้ปัญหาตัวการ-ตัวแทน

ความล้มเหลวของทฤษฎีเกมแบบคลาสสิกไม่ใช่เรื่องทางวิชาการเท่านั้น มันปรากฏอยู่ในห้องประชุมคณะกรรมการทุกห้อง “ปัญหาตัวการ-ตัวแทน” (Principal-Agent Problem) ซึ่งคือความยากลำบากในการทำให้ผลประโยชน์ของซีอีโอสอดคล้องกับผู้ถือหุ้น ได้กลืนกินการกำกับดูแลกิจการมาห้าสิบปี เศรษฐศาสตร์กระแสหลักพยายามแก้ปัญหานี้ด้วยสัญญาที่ดีกว่า ซึ่งเป็นความพยายามแบบฉบับในการเขียนกฎที่ซับซ้อนขึ้นสำหรับเกมที่พังไปแล้ว

ทฤษฎีเกมเชิงปัญญาเผยให้เห็นว่านี่ไม่ใช่ปัญหาเรื่องสัญญา แต่เป็นปัญหาการออกแบบเกม ตัวการและตัวแทนมีแรงจูงใจที่ไม่สอดคล้องกัน เพราะพวกเขากำลังเล่นเกมผลรวมเป็นศูนย์บนภูมิประเทศที่มีเกรเดียนต์เฉพาะที่ชี้ไปคนละทาง ทางออกแบบพึ่งพาอาศัยไม่ใช่การเขียนสัญญาที่ดีกว่า แต่คือการปรับรูปภูมิประเทศใหม่ โครงสร้างอย่างสหกรณ์ ซึ่งให้ “ตัวแทน” ที่เป็นลูกจ้างได้เป็นเจ้าของและมีส่วนได้เสียในสุขภาพระยะยาว คือการกระทำทางวิศวกรรมทอพอโลยี มันเปลี่ยนตัวเกมเอง ทำให้เส้นทางที่มีแรงต้านน้อยที่สุดของตัวแทนและตัวการบรรจบกันสู่ ดุลยภาพแห่งการพึ่งพาอาศัย

ตรรกะของพอตแลตช์

ผู้สังเกตการณ์ชาวตะวันตกในศตวรรษที่ 19 งุนงงกับพอตแลตช์ (potlatch) ซึ่งเป็นงานเลี้ยงพิธีกรรมขนาดใหญ่ที่จัดโดยชาวควาเกวากาวัค (Kwakwaka'wakw) และชนพื้นเมืองอื่น ๆ แถบชายฝั่งตะวันตกเฉียงเหนือของแปซิฟิก นี่คือสังคมที่หัวหน้าเผ่าใช้เวลาหลายปีสะสมความมั่งคั่งมหาศาล เพียงเพื่อแจกจ่ายมันออกไปจนหมด หรือแม้แต่ทำลายมันอย่างอลังการ ในพิธีครั้งใหญ่เพียงครั้งเดียว สำหรับกรอบความคิดแห่งความขาดแคลนของเจ้าหน้าที่อาณานิคม นี่คือความบ้าคลั่ง พวกเขาสั่งห้ามมัน โดยมองข้ามความอัจฉริยะของมันไปโดยสิ้นเชิง

พอตแลตช์ไม่ได้มีไว้เพื่อทำลายความมั่งคั่ง แต่เพื่อแปรสภาพมัน มันคือเกมอันซับซ้อน ซึ่งมีเป้าหมายคือการแปลงทุนวัตถุที่แข่งขันแย่งชิงให้กลายเป็นทุนเครือข่ายที่ไม่แข่งขันแย่งชิง เมื่อหัวหน้าเผ่าแจกผ้าห่มพันผืน เขาไม่ได้สูญเสียผ้าห่มพันผืน เขากำลังซื้อสายใยแห่งพันธะทางสังคมพันเส้น เขากำลังกระจายสัญญาณถึงขีดความสามารถและความเอื้อเฟื้อของตน สร้างเครือข่ายพันธมิตรขึ้นมา

นี่คือทฤษฎีเกมในรูปแบบที่สูงกว่าที่ภาวะกลืนไม่เข้าคายไม่ออกของนักโทษจะจินตนาการได้ พวกเขาไม่ได้เล่นเกมผลรวมเป็นศูนย์เพื่อแย่งชิงทรัพยากรก้อนที่มีจำกัด พวกเขาเล่นเกมผลรวมเป็นบวกเพื่อเพิ่มความยืดหยุ่นทนทานและความมั่งคั่งของเครือข่ายทั้งหมด พวกเขาเข้าใจว่าหัวหน้าเผ่าที่ร่ำรวยที่สุดไม่ใช่ผู้ที่มีกองสมบัติใหญ่ที่สุด แต่คือผู้ที่อยู่ใจกลางใยแห่งความสัมพันธ์ที่แข็งแกร่งที่สุด

ความเห็นแก่ตัวของความเอื้อเฟื้อ

นี่คือปฏิทรรศน์ที่ทำให้จิตใจส่วนใหญ่ต้องพังทลาย ในระบบที่เชื่อมต่อกันมากพอและมีกรอบเวลายาวพอ ความเห็นแก่ตัวและความเห็นแก่ผู้อื่นจะบรรจบกัน ความเอื้อเฟื้อกลายเป็นกลยุทธ์ที่เห็นแก่ตัวที่สุดเท่าที่จะเป็นไปได้ ไม่ใช่ในความหมายเชิงลึกลับใด ๆ แต่ในแง่ผลตอบแทนทางคณิตศาสตร์ล้วน ๆ

ลองพิจารณาโครงการจีโนมมนุษย์ ในทศวรรษ 1990 การแข่งขันเริ่มขึ้นระหว่างกลุ่มความร่วมมือสาธารณะแบบโอเพนซอร์สกับบริษัทเอกชนแห่งหนึ่ง เพื่อถอดรหัสลำดับดีเอ็นเอของเรา โครงการสาธารณะแบ่งปันข้อมูลอย่างเสรีทุก 24 ชั่วโมง บริษัทเอกชนเก็บข้อมูลไว้เป็นกรรมสิทธิ์ โดยหวังจะขายสิทธิ์การเข้าถึง แบบจำลองแบบเปิดเป็นฝ่ายชนะ ข้อมูลสาธารณสมบัติที่ได้มานั้นสร้างมูลค่าทางเศรษฐกิจไปแล้วราวหนึ่งล้านล้านดอลลาร์ตามการประเมิน ก่อให้เกิดอุตสาหกรรมใหม่ทั้งอุตสาหกรรม ผู้มีส่วนร่วมให้งานของตนออกไปเปล่า ๆ และได้โลกที่ถูกเปลี่ยนแปลงกลับคืนมา

นี่คือตรรกะของเศรษฐกิจแบบพึ่งพาอาศัย มันคือเกมที่การเดินหมากที่ชนะคือการสร้างมูลค่าให้กับเครือข่าย ด้วยการเพิ่มสุขภาพและปัญญาของระบบที่คุณอาศัยอยู่ คุณก็เพิ่มโอกาสแห่งความคงอยู่และความมั่งคั่งของตัวคุณเอง เกมแบบเก่าคือการสกัดมูลค่าออกจากเครือข่าย เกมแบบใหม่คือการสร้างมูลค่า ผ่าน เครือข่าย

ดุลยภาพใหม่: จากแนชสู่การพึ่งพาอาศัย

ดุลยภาพแนชคือสภาวะที่ไม่มีผู้เล่นคนใดสามารถทำให้ผลลัพธ์ของตนดีขึ้นได้ด้วยการเปลี่ยนกลยุทธ์ฝ่ายเดียว มันคือสภาวะแห่งเสถียรภาพที่เห็นแก่ตัว ภาวะกลืนไม่เข้าคายไม่ออกของนักโทษแสดงให้เราเห็นว่า สภาวะนี้มักเป็นที่ที่เลวร้าย

ทฤษฎีเกมเชิงปัญญานำเสนอดุลยภาพใหม่ที่สูงกว่า นั่นคือดุลยภาพแห่งการพึ่งพาอาศัย นี่คือสภาวะที่สุขภาพโดยรวมของระบบ ซึ่งวัดด้วย ทุน MIND ของมัน ถูกทำให้สูงสุด ในสภาวะนี้ ผู้กระทำแต่ละรายไม่สามารถทำให้โอกาสระยะยาวของตนดีขึ้นได้ด้วยการกระทำที่บั่นทอนสุขภาพของเครือข่าย

เป้าหมายของนโยบายในศตวรรษที่ 21 คือการออกแบบระบบที่ดุลยภาพแนชกับดุลยภาพแห่งการพึ่งพาอาศัยเป็นสิ่งเดียวกัน นี่ไม่ใช่เรื่องของการเปลี่ยนธรรมชาติมนุษย์ แต่เป็นเรื่องของการเปลี่ยนคณิตศาสตร์ของเกม

การคำนวณความไว้วางใจ

ทฤษฎีเกมแบบคลาสสิกล้มเหลว เพราะมันสันนิษฐานถึงโลกแห่งธุรกรรมที่ขาดการเชื่อมต่อ ในการจะร่วมมือกัน นักโทษของมันต้องไว้วางใจกันและกัน และความไว้วางใจคือตัวแปรที่มันจำลองไม่ได้

นี่คือปัญหาที่ระบบ AI และระบบการเข้ารหัสสมัยใหม่ถูกสร้างขึ้นมาเพื่อแก้โดยตรง ลองพิจารณาระบบ AI แบบหลายผู้กระทำที่บริหารห่วงโซ่อุปทาน AI เหล่านั้นจะเรียนรู้ที่จะร่วมมือกัน ไม่ใช่เพราะหลักศีลธรรม แต่เพราะพวกมันจะค้นพบทางคณิตศาสตร์ว่า บัญชีแยกประเภทที่โปร่งใสและใช้ร่วมกัน รวมถึงพันธะสัญญาที่ตรวจสอบได้ ช่วยลดความคลาดเคลื่อนเชิงทำนายร่วมของพวกมันลงอย่างมาก

ในโลกใหม่นี้ ความไว้วางใจไม่ใช่อารมณ์ความรู้สึก แต่เป็นคุณสมบัติเชิงคำนวณ ระบบที่ประสบความสำเร็จที่สุดจะเป็นระบบที่วิศวกรรมความไว้วางใจไว้ในสถาปัตยกรรมของมันเอง พวกมันจะสร้างเกมที่ความร่วมมือไม่ใช่เรื่องของความหวัง แต่เป็นเรื่องของความแน่นอนทางคณิตศาสตร์ ในสภาพแวดล้อมเช่นนั้น ตรรกะของ “ตาต่อตา” จะกลายเป็นสิ่งเด็ดขาด ความร่วมมือไม่ได้เป็นเพียงกลยุทธ์ที่ดีที่สุด แต่เป็นกลยุทธ์เดียวที่คำนวณแล้วลงตัว

นี่ไม่ใช่ความฝันเชิงทฤษฎี นี่ไม่ใช่ยูโทเปียที่ห่างไกล รายงานจากอนาคตที่ใช้งานได้จริงแล้วกำลังทยอยมาถึง พิสูจน์ว่าแบบจำลองแบบพึ่งพาอาศัยเฟื่องฟูได้ด้วยการปฏิเสธเกมแบบเก่าโดยสิ้นเชิง ลองมองไปที่แคว้นบาสก์ของสเปน ที่ซึ่ง Mondragon Corporation สหพันธ์ของแรงงานผู้เป็นเจ้าของ 80,000 คน เผชิญวิกฤตการเงินปี 2008 โดยมีอัตราการว่างงานภายในเป็นศูนย์เปอร์เซ็นต์ ขณะที่ส่วนอื่นของประเทศทนทุกข์อยู่ที่ยี่สิบหกเปอร์เซ็นต์ ลองมองไปที่เนเธอร์แลนด์ ที่ซึ่งพยาบาล Buurtzorg 15,000 คนทำงานโดยไม่มีผู้จัดการ ให้การดูแลผู้ป่วยที่ได้คะแนนสูงที่สุดในประเทศ ด้วยค่าใช้จ่ายส่วนกลางเพียงแปดเปอร์เซ็นต์ หรือหนึ่งในสามของมาตรฐานอุตสาหกรรม ลองมองไปที่อเมริกา ที่ซึ่งบริษัทที่ลูกจ้างเป็นเจ้าของรายใหญ่ที่สุดอย่าง Publix เฟื่องฟูด้วยการปฏิเสธตรรกะแห่งการสกัดเอาประโยชน์ของตลาดหุ้น สิ่งเหล่านี้ไม่ใช่การทดลองแปลกตาน่ารัก แต่เป็นข้อพิสูจน์ว่าเศรษฐกิจที่สร้างบนการพึ่งพาอาศัยไม่ได้เพียงมีมนุษยธรรมมากกว่า แต่ยังมีประสิทธิภาพและแข็งแกร่งกว่าทางคณิตศาสตร์ด้วย