12. বুদ্ধিমান গেম থিওরি

"সম্ভাবনার কলনবিদ্যা, গেম থিওরিতে তার প্রয়োগে, এক দানবীয় রকমের জটিল বিষয়... এটা কোনো ভদ্রলোকের বিষয় নয়।" — জন ফন নয়মান

বন্দির বোধোদয়

বন্দির উভসংকট (Prisoner's Dilemma) দর্শনের সবচেয়ে মনমরা করা পার্টি-কৌশল। দুই বন্দি, যারা একে অপরের সঙ্গে যোগাযোগ করতে পারে না, তাদের বেছে নিতে হবে সহযোগিতা করবে, নাকি সঙ্গীর সঙ্গে বিশ্বাসঘাতকতা করবে। গণিতটা নির্মম। আপনার সঙ্গী যা-ই করুক, বিশ্বাসঘাতকতা করলেই আপনার লাভ। তাই দুজনেই বিশ্বাসঘাতকতা করে। দুজনেই সহযোগিতা করলে যে সাজা পেত, তার চেয়ে কঠোর সাজা ভোগ করে। খোদ যুক্তিবোধই যেন আমাদের পারস্পরিক ধ্বংসের দিকে ঠেলে দেয়।

১৯৫০ সালে RAND Corporation-এ যখন এটাকে আনুষ্ঠানিক রূপ দেওয়া হলো, এটা হয়ে উঠল স্নায়ুযুদ্ধের শীতল যুক্তি। সোভিয়েতরা যা-ই করুক, আরও বোমা বানানোতেই আমাদের লাভ। আমরা যা-ই করি, আরও বোমা বানানোতেই ওদের লাভ। ন্যাশ ভারসাম্য (Nash Equilibrium) হলো ধ্বংসস্তূপে ঢাকা এক গ্রহ।

কিন্তু তারপর, ১৯৮০-এর দশকে, রাষ্ট্রবিজ্ঞানী রবার্ট অ্যাক্সেলরড একটা সুন্দর কাজ করলেন। তিনি একটা প্রতিযোগিতার আয়োজন করলেন, বন্দিদের নিয়ে নয়, কম্পিউটার প্রোগ্রাম নিয়ে। তিনি কৌশলবিদদের আমন্ত্রণ জানালেন এমন অ্যালগরিদম জমা দিতে, যেগুলো পুনরাবৃত্ত বন্দির উভসংকটে, অর্থাৎ হাজার হাজার বার খেলা এক খেলায়, প্রতিদ্বন্দ্বিতা করবে। বিজয়ী সবাইকে হতবাক করে দিল। সেটা ছিল জমা পড়া সবচেয়ে সরল প্রোগ্রাম, "টিট ফর ট্যাট" (Tit for Tat) নামের চার লাইনের এক টুকরো কোড, মানে যেমন কুকুর তেমন মুগুর। প্রথম চালে সহযোগিতা করো, তারপর প্রতিপক্ষ আগের চালে যা করেছে তা-ই করো।

টিট ফর ট্যাট জিতেছিল নৈতিক বলে নয়। জিতেছিল কারণ যে খেলার স্মৃতি আর ভবিষ্যৎ আছে, তাতে এটা ছিল গাণিতিকভাবে সর্বোত্তম। সহযোগিতা জন্মেছিল নৈতিকতা থেকে নয়, পুনরাবৃত্তি থেকে। অভিপ্রায় থেকে নয়, মিথস্ক্রিয়া থেকে। যথেষ্ট সময় পেলে বন্দিরা কেবল জেল থেকে বেরিয়েই আসত না। তারা বোধোদয় লাভ করত।

পুরোনো খেলার ত্রুটি

ধ্রুপদি গেম থিওরি এক প্রাণঘাতী ভুল করেছিল। সে ধরে নিয়েছিল তার কর্তারা বুদ্ধিমান, কিন্তু তার মহাবিশ্ব নির্বোধ। সে এমন খেলোয়াড়দের মডেল বানিয়েছিল, যারা কাজ করে এক শূন্যতায়, এক বৈশিষ্ট্যহীন শূন্যগর্ভে, যেখানে কোনো প্রেক্ষাপট নেই, কোনো সম্পর্ক নেই, আর তাৎক্ষণিক লেনদেনের বাইরে কোনো পরিণাম নেই।

মহা-প্যারাডক্সগুলোর মীমাংসা: বিশ্বাসঘাতকতার জ্যামিতি

গেম থিওরির বিখ্যাত প্যারাডক্সগুলো মানুষের অযৌক্তিকতার প্যারাডক্স নয়। এগুলো দরিদ্র ভূদৃশ্যে খেলা খেলার অনুমেয় পরিণতি।

বন্দির উভসংকট এত বিষণ্ণ, কারণ তার "কারাগার" এক নির্দিষ্ট, রোগগ্রস্ত টপোলজির রূপক: এক বিচ্ছিন্ন, শূন্য-তথ্যের গ্রাফ, যার কোনো ভবিষ্যৎ নেই। বন্দিরা যোগাযোগ করতে পারে না (শূন্য নেটওয়ার্ক পুঁজি)। তাদের আস্থার কোনো ভিত্তি নেই। এটা এক-দানের খেলা, তাই সুনামের কোনো মূল্য নেই। এমন অনুর্বর, ঘর্ষণহীন আর কালহীন ভূদৃশ্যে বিশ্বাসঘাতকতাই একমাত্র যৌক্তিক চাল। ট্র্যাজেডিটা এই নয় যে মানুষ ত্রুটিপূর্ণ, বরং এই যে ধ্রুপদি গেম থিওরি এই রোগগ্রস্ত প্রান্তিক দৃষ্টান্তকে সর্বজনীন অবস্থা বলে ভুল করেছিল।

আরও গভীর একটি ধাঁধা, পর্যটকের উভসংকট (Traveler's Dilemma), পুরোনো কাঠামোর মাত্রাগত অন্ধত্ব উন্মোচন করে। এই খেলায় বিশুদ্ধ "যৌক্তিক" কৌশল নিয়ে যায় সম্ভাব্য সবচেয়ে খারাপ সম্মিলিত ফলাফলে। অথচ পরীক্ষায় বাস্তব মানুষেরা ধারাবাহিকভাবে সহযোগিতা বেছে নেয়, আর অনেক ভালো ফল পায়। এটা ধ্রুপদি তত্ত্বের এক বিশাল ব্যর্থতা। বুদ্ধিমান অর্থনীতি দেখায় কেন। "অযৌক্তিক" মানুষটি স্বজ্ঞায় হিসাব করছে যে একটি সহযোগিতার রীতি প্রতিষ্ঠা আর নেটওয়ার্ক পুঁজি গড়ে তোলার দীর্ঘমেয়াদি মূল্য বিশ্বাসঘাতকতার ছোট, এককালীন পুরস্কারের চেয়ে ঢের বেশি। প্যারাডক্সটা এই নয় যে মানুষ অযৌক্তিক; প্যারাডক্সটা হলো ধ্রুপদি গেম থিওরি অন্ধ, কেবল বস্তুগত পুঁজি দেখতে পায়, অথচ মানুষ স্বজ্ঞায় চারটি পুঁজির মধ্য দিয়েই পথ খুঁজে নেয়।

খেলোয়াড়দের সামঞ্জস্য: মালিক-প্রতিনিধি সমস্যার সমাধান

ধ্রুপদি গেম থিওরির ব্যর্থতা কেবল অ্যাকাডেমিক নয়; প্রতিটি বোর্ডরুমে তা প্রকাশ পায়। "মালিক-প্রতিনিধি সমস্যা" (Principal-Agent Problem), অর্থাৎ একজন CEO-র স্বার্থকে শেয়ারহোল্ডারদের স্বার্থের সঙ্গে মেলানোর লড়াই, পঞ্চাশ বছর ধরে কর্পোরেট পরিচালনাকে গ্রাস করে রেখেছে। প্রচলিত অর্থনীতি এর সমাধান খোঁজে উন্নততর চুক্তিতে, যা একটা ভাঙা খেলার জন্য আরও জটিল নিয়ম লেখার এক চিরাচরিত চেষ্টা।

বুদ্ধিমান গেম থিওরি (Intelligent Game Theory) দেখায় যে এটা চুক্তির সমস্যা নয়; এটা খেলার নকশার সমস্যা। মালিক আর প্রতিনিধির প্রণোদনা অসামঞ্জস্যপূর্ণ, কারণ তারা এমন এক ভূদৃশ্যে শূন্য-যোগফলের খেলা খেলছে, যার স্থানীয় নতিমাত্রাগুলো ভিন্নমুখী। মিথোজীবী সমাধান উন্নততর চুক্তি লেখা নয়, বরং ভূদৃশ্যটাকেই নতুন করে গড়া। সমবায়ের মতো কাঠামো, যা "প্রতিনিধি" কর্মীকে মালিকানা আর দীর্ঘমেয়াদি সুস্বাস্থ্যে অংশীদারত্ব দেয়, টপোলজি প্রকৌশলেরই কাজ। এগুলো খেলাটাকেই বদলে দেয়, প্রতিনিধি আর মালিকের ন্যূনতম বাধার পথগুলোকে মিথোজীবী ভারসাম্যের (Symbiotic Equilibrium) দিকে অভিসারী করে তোলে।

পটল্যাচের যুক্তি

উনিশ শতকের পশ্চিমা পর্যবেক্ষকেরা পটল্যাচ দেখে হতভম্ব হয়ে গিয়েছিলেন। এটা ছিল প্রশান্ত মহাসাগরীয় উত্তর-পশ্চিমের কোয়াকোয়াকাওয়াক্ব (Kwakwaka'wakw) ও অন্যান্য আদিবাসী জনগোষ্ঠীর আয়োজিত এক বিশাল আনুষ্ঠানিক ভোজ। এ এমন এক সমাজ, যেখানে সর্দারেরা বছরের পর বছর বিপুল সম্পদ জমাতেন, কেবল একটিমাত্র বিশাল অনুষ্ঠানে তার সবটা বিলিয়ে দিতে, এমনকি নাটকীয়ভাবে ধ্বংস করে ফেলতে। ঔপনিবেশিক প্রশাসকের অভাব-মানসিকতার কাছে এটা ছিল পাগলামি। তারা এটা নিষিদ্ধ করেছিল, এর প্রতিভাকে পুরোপুরি ধরতে না পেরে।

পটল্যাচের উদ্দেশ্য সম্পদ ধ্বংস করা ছিল না। উদ্দেশ্য ছিল তাকে রূপান্তরিত করা। এটা ছিল এক পরিশীলিত খেলা, যার লক্ষ্য প্রতিদ্বন্দ্বী বস্তুগত পুঁজিকে অ-প্রতিদ্বন্দ্বী নেটওয়ার্ক পুঁজিতে রূপান্তর করা। একজন সর্দার যখন এক হাজার কম্বল বিলিয়ে দিতেন, তিনি এক হাজার কম্বল হারাচ্ছিলেন না। তিনি কিনছিলেন সামাজিক দায়বদ্ধতার এক হাজার সুতো। তিনি নিজের সামর্থ্য আর উদারতার সংকেত ছড়িয়ে দিচ্ছিলেন, গড়ে তুলছিলেন মিত্রদের এক নেটওয়ার্ক।

এটা এমন এক উচ্চতর গেম থিওরি, যা বন্দির উভসংকট কখনো কল্পনাও করতে পারত না। তারা সম্পদের একটি নির্দিষ্ট ভান্ডার নিয়ে শূন্য-যোগফলের খেলা খেলছিল না। তারা গোটা নেটওয়ার্কের সহনশীলতা আর সমৃদ্ধি বাড়ানোর জন্য ধনাত্মক-যোগফলের খেলা খেলছিল। তারা বুঝত, সবচেয়ে ধনী সর্দার তিনি নন যাঁর ভান্ডার সবচেয়ে বড়, বরং তিনি যিনি সবচেয়ে শক্তিশালী সম্পর্কের জালের কেন্দ্রে।

উদারতার স্বার্থপরতা

এই সেই প্যারাডক্স, যা বেশিরভাগ মনকে ভেঙে দেয়। যথেষ্ট সংযুক্ত একটি ব্যবস্থায়, যথেষ্ট দীর্ঘ সময়-দিগন্তে, স্বার্থপরতা আর পরার্থপরতা এক বিন্দুতে মেলে। উদার হওয়াই হয়ে ওঠে সম্ভাব্য সবচেয়ে স্বার্থপর কৌশল, কোনো রহস্যময় অর্থে নয়, বিশুদ্ধ গাণিতিক প্রতিদানের হিসাবে।

হিউম্যান জিনোম প্রজেক্টের কথা ভাবুন। ১৯৯০-এর দশকে আমাদের DNA-র অনুক্রম নির্ণয়ের জন্য এক প্রতিযোগিতা শুরু হয়েছিল একটি সরকারি, ওপেন সোর্স কনসোর্টিয়াম আর একটি বেসরকারি কোম্পানির মধ্যে। সরকারি প্রকল্পটি প্রতি ২৪ ঘণ্টায় তার ডেটা বিনামূল্যে প্রকাশ করত। বেসরকারি কোম্পানিটি তার ডেটা মালিকানাধীন রেখেছিল, প্রবেশাধিকার বিক্রির আশায়। উন্মুক্ত মডেল জিতেছিল। তার ফলে পাওয়া পাবলিক ডোমেইনের ডেটা এরপর আনুমানিক এক ট্রিলিয়ন ডলারের অর্থনৈতিক মূল্য সৃষ্টি করেছে, জন্ম দিয়েছে গোটা গোটা নতুন শিল্পের। অবদানকারীরা নিজেদের কাজ বিলিয়ে দিয়েছিলেন, আর ফেরত পেয়েছিলেন এক রূপান্তরিত পৃথিবী।

এটাই মিথোজীবী অর্থনীতির যুক্তি। এটা এমন এক খেলা, যেখানে জয়ী চাল হলো নেটওয়ার্কের জন্য মূল্য সৃষ্টি করা। যে ব্যবস্থায় আপনি বাস করেন, তার স্বাস্থ্য আর বুদ্ধিমত্তা বাড়িয়ে আপনি নিজের স্থায়িত্ব আর সমৃদ্ধির সম্ভাবনা বাড়ান। পুরোনো খেলা ছিল নেটওয়ার্ক থেকে মূল্য নিষ্কাশনের। নতুন খেলা হলো নেটওয়ার্কের মধ্য দিয়ে মূল্য সৃষ্টির।

নতুন ভারসাম্য: ন্যাশ থেকে মিথোজীবিতা

ন্যাশ ভারসাম্য এমন এক অবস্থা, যেখানে কোনো খেলোয়াড় এককভাবে নিজের কৌশল বদলে নিজের ফল উন্নত করতে পারে না। এটা স্বার্থপর স্থিতিশীলতার অবস্থা। বন্দির উভসংকট আমাদের দেখায় যে এটা প্রায়ই এক ভয়াবহ জায়গা হতে পারে।

বুদ্ধিমান গেম থিওরি এক নতুন, উচ্চতর ভারসাম্যের প্রস্তাব করে: মিথোজীবী ভারসাম্য। এটা এমন এক অবস্থা, যেখানে ব্যবস্থার সামগ্রিক স্বাস্থ্য, যা মাপা হয় তার MIND পুঁজিগুলো দিয়ে, সর্বোচ্চ। এই অবস্থায় কোনো একক কর্তা নেটওয়ার্কের স্বাস্থ্যের অবনতি ঘটায় এমন কাজ করে নিজের দীর্ঘমেয়াদি সম্ভাবনা উন্নত করতে পারে না।

একুশ শতকে নীতির লক্ষ্য হলো এমন ব্যবস্থার নকশা করা, যেখানে ন্যাশ ভারসাম্য আর মিথোজীবী ভারসাম্য একই। এটা মানবপ্রকৃতি বদলানোর ব্যাপার নয়। এটা খেলার গণিত বদলানোর ব্যাপার।

আস্থার গণনা

ধ্রুপদি গেম থিওরি ব্যর্থ হয়েছিল, কারণ সে ধরে নিয়েছিল বিচ্ছিন্ন লেনদেনের এক জগৎ। সহযোগিতা করতে হলে তার বন্দিদের একে অপরকে বিশ্বাস করতে হতো, আর আস্থা ছিল এমন এক চলক যার মডেল সে বানাতে পারত না।

ঠিক এই সমস্যাটিরই সমাধানের জন্য আধুনিক AI আর ক্রিপ্টোগ্রাফিক ব্যবস্থাগুলো গড়া হয়েছে। একটি সরবরাহ-শৃঙ্খল পরিচালনাকারী বহু-কর্তা AI ব্যবস্থার কথা ভাবুন। AI-গুলো সহযোগিতা করতে শিখবে কোনো নৈতিক বিধানের কারণে নয়, বরং এই কারণে যে তারা গাণিতিকভাবে আবিষ্কার করবে, স্বচ্ছ, ভাগ করা খতিয়ান আর যাচাইযোগ্য প্রতিশ্রুতি তাদের সম্মিলিত ভবিষ্যদ্বাণীর ত্রুটিকে নাটকীয়ভাবে কমিয়ে দেয়।

এই নতুন জগতে আস্থা কোনো আবেগ নয়। এটা এক গণনাগত বৈশিষ্ট্য। সবচেয়ে সফল ব্যবস্থাগুলো হবে সেগুলো, যারা আস্থাকে প্রকৌশল করে বসিয়ে দেয় তাদের স্থাপত্যের একেবারে ভেতরে। তারা এমন খেলা গড়বে, যেখানে সহযোগিতা আশার ব্যাপার নয়, গাণিতিক নিশ্চয়তার ব্যাপার। এমন পরিবেশে "টিট ফর ট্যাট"-এর যুক্তি হয়ে ওঠে নিরঙ্কুশ। সহযোগিতা কেবল সেরা কৌশল নয়; একমাত্র এটাই হিসাবে মেলে।

এটা কোনো তাত্ত্বিক স্বপ্ন নয়। এটা কোনো সুদূর ইউটোপিয়া নয়। ইতিমধ্যে কাজ করছে এমন এক ভবিষ্যৎ থেকে বার্তা এসে পৌঁছাচ্ছে, যা প্রমাণ করছে যে মিথোজীবী মডেলগুলো পুরোনো খেলাকে পুরোপুরি প্রত্যাখ্যান করেই বিকশিত হয়। তাকান স্পেনের বাস্ক অঞ্চলের দিকে, যেখানে Mondragon Corporation, ৮০,০০০ কর্মী-মালিকের এক ফেডারেশন, ২০০৮ সালের আর্থিক সংকটের মুখোমুখি হয়েছিল শূন্য শতাংশ অভ্যন্তরীণ বেকারত্বের হার নিয়ে, যখন দেশের বাকি অংশ ভুগছিল ছাব্বিশ শতাংশে। তাকান নেদারল্যান্ডসের দিকে, যেখানে Buurtzorg-এর ১৫,০০০ নার্স কোনো ব্যবস্থাপক ছাড়াই কাজ করেন, দেশের সর্বোচ্চ মানের রোগী-পরিচর্যা দেন মাত্র আট শতাংশ পরিচালন-ব্যয়ে, যা শিল্পের প্রচলিত মানের এক-তৃতীয়াংশ। তাকান আমেরিকার দিকে, যেখানে কর্মীদের মালিকানাধীন বৃহত্তম কোম্পানি Publix পাবলিক বাজারের নিষ্কাশনমূলক যুক্তিকে প্রত্যাখ্যান করেই বিকশিত হচ্ছে। এগুলো কোনো অদ্ভুত পরীক্ষা নয়। এগুলো প্রমাণ যে মিথোজীবিতার ওপর গড়া অর্থনীতি কেবল বেশি মানবিকই নয়, গাণিতিকভাবেও বেশি দক্ষ আর মজবুত।