12. نظریهٔ بازی هوشمند

«حساب احتمالات، در کاربردش برای نظریهٔ بازی، موضوعی به‌طرزی هیولاوار پیچیده است... موضوعی درخور یک جنتلمن نیست.» — جان فون نویمان

روشن‌شدگیِ زندانی

معمای زندانی افسرده‌کننده‌ترین ترفند مهمانیِ فلسفه است. دو زندانی، بی‌آنکه بتوانند با هم ارتباط بگیرند، باید انتخاب کنند که همکاری کنند یا به همدستشان خیانت. ریاضیاتش بی‌رحم است. شریکتان هر کاری بکند، خیانت برای شما بهتر است. پس هر دو خیانت می‌کنند. هر دو حکمی سنگین‌تر از زمانی می‌گیرند که همکاری کرده بودند. گویی خودِ عقلانیت ما را به نابودی متقابل محکوم می‌کند.

در سال 1950، وقتی این معما در شرکت رَند (RAND Corporation) صورت‌بندی شد، به منطق سردِ جنگ سرد بدل شد. شوروی هر کاری بکند، ساختن بمب‌های بیشتر برای ما بهتر است. ما هر کاری بکنیم، ساختن بمب‌های بیشتر برای آن‌ها بهتر است. تعادل نش سیاره‌ای از آوار است.

اما سپس، در دههٔ 1980، دانشمند علوم سیاسی، رابرت اکسلراد، کاری زیبا کرد. او مسابقه‌ای برگزار کرد، نه با زندانیان، بلکه با برنامه‌های کامپیوتری. از راهبردپردازان دعوت کرد الگوریتم‌هایی بفرستند که در معمای زندانیِ تکرارشونده، بازی‌ای که هزاران بار انجام می‌شد، با هم رقابت کنند. برنده همه را شگفت‌زده کرد. ساده‌ترین برنامهٔ ارسالی بود، تکه‌کدی چهارخطی به نام «این به آن در» (Tit for Tat). در حرکت نخست همکاری کن، سپس هر کاری را که حریفت در حرکت قبل کرد تکرار کن.

«این به آن در» پیروز نشد چون اخلاقی بود. پیروز شد چون در بازی‌ای که حافظه و آینده داشت، از نظر ریاضی بهینه بود. همکاری نه از اخلاق، بلکه از تکرار برخاست. نه از نیت، بلکه از برهم‌کنش. زندانیان، اگر زمان کافی داشتند، فقط از زندان بیرون نمی‌آمدند. به روشن‌شدگی می‌رسیدند.

نقص بازی قدیم

نظریهٔ بازی کلاسیک خطایی مهلک مرتکب شد. فرض گرفت عاملانش هوشمندند اما جهانش ابله. بازیکنانی را مدل کرد که در خلأ عمل می‌کردند، تهی‌ای بی‌ویژگی، بی‌زمینه، بی‌رابطه، و بی‌پیامدی فراتر از معاملهٔ بی‌واسطه.

گشودن پارادوکس‌های بزرگ: هندسهٔ خیانت

پارادوکس‌های مشهور نظریهٔ بازی پارادوکس‌های نابخردی انسان نیستند. پیامدهای پیش‌بینی‌پذیرِ بازی‌هایی‌اند که بر چشم‌اندازهایی فقیر انجام می‌شوند.

معمای زندانی از آن رو چنین تیره است که «زندانِ» آن استعاره‌ای از توپولوژی‌ای مشخص و بیمارگونه است: گرافی گسسته، با اطلاعات صفر و بی‌آینده. زندانیان نمی‌توانند ارتباط بگیرند (سرمایهٔ شبکه‌ای صفر). هیچ پایه‌ای برای اعتماد ندارند. بازی یک‌باره است، پس آبرو بی‌ارزش است. در چنین چشم‌اندازی بایر، بی‌اصطکاک و بی‌زمان، خیانت براستی تنها حرکت عقلانی است. تراژدی این نیست که انسان‌ها معیوب‌اند، بلکه این است که نظریهٔ بازی کلاسیک این حالت حدیِ بیمارگونه را با وضعیت همگانی اشتباه گرفت.

معمایی حتی ژرف‌تر، معمای مسافر، نابیناییِ ابعادیِ چارچوب قدیم را آشکار می‌کند. در این بازی، راهبرد صرفاً «عقلانی» به بدترین پیامد جمعیِ ممکن می‌انجامد. با این حال، در آزمایش‌ها، انسان‌های واقعی پیوسته همکاری را برمی‌گزینند و به نتیجه‌ای بسیار بهتر می‌رسند. این شکستی عظیم برای نظریهٔ کلاسیک است. اقتصاد هوشمند چرایی‌اش را آشکار می‌کند. انسانِ «نابخرد» به‌طور شهودی حساب می‌کند که ارزش بلندمدتِ برقراری هنجاری همکارانه و ساختن سرمایهٔ شبکه‌ای بسیار بیشتر از پاداش اندک و یک‌بارهٔ خیانت است. پارادوکس این نیست که انسان‌ها نابخردند؛ این است که نظریهٔ بازی کلاسیک نابیناست، فقط سرمایهٔ مادی را می‌بیند، حال آنکه انسان‌ها به‌طور شهودی در میان هر چهار سرمایه راه می‌یابند.

همسو کردن بازیکنان: حل مسئلهٔ کارگزار و کارفرما

شکست نظریهٔ بازی کلاسیک فقط دانشگاهی نیست؛ در هر هیئت‌مدیره‌ای نمود می‌یابد. «مسئلهٔ کارگزار و کارفرما» (Principal-Agent Problem)، تقلا برای همسو کردن منافع مدیرعامل با سهام‌دارانش، پنجاه سال است که حاکمیت شرکتی را به خود مشغول کرده است. اقتصاد متعارف می‌کوشد این را با قراردادهای بهتر حل کند، تلاشی کلاسیک برای نوشتن قواعدی پیچیده‌تر برای بازی‌ای شکسته.

نظریهٔ بازی هوشمند آشکار می‌کند که این مسئلهٔ قرارداد نیست؛ مسئلهٔ طراحی بازی است. کارفرما و کارگزار انگیزه‌هایی ناهمسو دارند، چون بازی‌ای با حاصل‌جمع صفر را بر چشم‌اندازی با گرادیان‌های محلیِ واگرا انجام می‌دهند. راه‌حل همزیستانه نوشتن قراردادی بهتر نیست، بلکه بازشکل دادن به چشم‌انداز است. ساختارهایی چون تعاونی‌ها، که به کارمندِ «کارگزار» مالکیت و سهمی در سلامت بلندمدت می‌دهند، کنش‌هایی در مهندسی توپولوژی‌اند. خودِ بازی را تغییر می‌دهند و مسیرهای کمترین مقاومتِ کارگزار و کارفرما را به سوی تعادل همزیستانه همگرا می‌کنند.

منطق پاتلچ

ناظران غربی در قرن نوزدهم از پاتلچ (potlatch) حیران بودند، ضیافت آیینیِ عظیمی که کواکواکاواکو (Kwakwaka'wakw) و دیگر مردمان بومیِ شمال‌غرب اقیانوس آرام برگزار می‌کردند. اینجا جامعه‌ای بود که رئیسانش سال‌ها ثروتی هنگفت می‌اندوختند، تنها برای آنکه همه را در یک آیین عظیم ببخشند، یا حتی به‌شکلی نمایشی نابودش کنند. برای ذهنیت کمیابیِ مأمور استعماری، این دیوانگی بود. آن را ممنوع کردند و نبوغش را یکسره نادیده گرفتند.

پاتلچ دربارهٔ نابود کردن ثروت نبود. دربارهٔ استحالهٔ آن بود. بازی‌ای پیچیده بود که هدفش تبدیل سرمایهٔ مادیِ همرقیب به سرمایهٔ شبکه‌ایِ ناهمرقیب بود. وقتی رئیسی هزار پتو می‌بخشید، هزار پتو از دست نمی‌داد. هزار رشتهٔ تعهد اجتماعی می‌خرید. نشانه‌ای از توانایی و بخشندگی‌اش را پخش می‌کرد و شبکه‌ای از متحدان می‌ساخت.

این گونه‌ای برتر از نظریهٔ بازی است که معمای زندانی هرگز نمی‌توانست تصورش کند. آنان بازی‌ای با حاصل‌جمع صفر بر سر ذخیره‌ای ثابت از منابع انجام نمی‌دادند. بازی‌ای با حاصل‌جمع مثبت انجام می‌دادند تا تاب‌آوری و رفاه کل شبکه را افزایش دهند. می‌فهمیدند که ثروتمندترین رئیس نه آن است که بزرگ‌ترین اندوخته را دارد، بلکه آن است که در مرکز نیرومندترین تار روابط ایستاده است.

خودخواهیِ بخشندگی

این است پارادوکسی که بیشتر ذهن‌ها را درهم می‌شکند. در نظامی به‌قدر کافی پیوسته با افق زمانیِ به‌قدر کافی بلند، خودخواهی و دیگرخواهی همگرا می‌شوند. بخشنده بودن به خودخواهانه‌ترین راهبرد ممکن بدل می‌شود، نه به معنایی عرفانی، بلکه در بازده ریاضیِ محض.

پروژهٔ ژنوم انسان را در نظر بگیرید. در دههٔ 1990، رقابتی میان یک کنسرسیوم عمومی و متن‌باز و یک شرکت خصوصی برای توالی‌یابی DNA ما آغاز شد. پروژهٔ عمومی داده‌هایش را هر 24 ساعت آزادانه به اشتراک می‌گذاشت. شرکت خصوصی داده‌هایش را انحصاری نگه داشت، به امید فروش دسترسی. الگوی باز پیروز شد. داده‌های حاصل در قلمرو عمومی از آن زمان تاکنون ارزش اقتصادی‌ای حدود یک تریلیون دلار آفریده و صنایعی یکسره نو پدید آورده است. مشارکت‌کنندگان کارشان را بخشیدند و جهانی دگرگون‌شده پس گرفتند.

این منطق اقتصاد همزیستانه است. بازی‌ای است که در آن حرکت برنده آفریدن ارزش برای شبکه است. با افزایش سلامت و هوشِ نظامی که در آن سکونت دارید، بخت ماندگاری و رفاه خودتان را افزایش می‌دهید. بازی قدیم دربارهٔ استخراج ارزش از شبکه بود. بازی نو دربارهٔ تولید ارزش از راهِ شبکه است.

تعادل نو: از نش تا همزیستی

تعادل نش وضعیتی است که در آن هیچ بازیکنی نمی‌تواند با تغییر یک‌جانبهٔ راهبردش نتیجهٔ خود را بهبود دهد. وضعیتی از ثبات خودخواهانه است. معمای زندانی به ما نشان می‌دهد که این اغلب می‌تواند جایی هولناک باشد.

نظریهٔ بازی هوشمند تعادلی نو و برتر را معرفی می‌کند: تعادل همزیستانه**.** این وضعیتی است که در آن سلامت کلی نظام، آن‌گونه که با سرمایه‌های MIND سنجیده می‌شود، بیشینه است. در این وضعیت، یک عامل فردی نمی‌تواند با کنشی که سلامت شبکه را فرسوده می‌کند، چشم‌انداز بلندمدت خود را بهبود دهد.

هدف سیاست‌گذاری در قرن بیست‌ویکم طراحی نظام‌هایی است که در آن‌ها تعادل نش و تعادل همزیستانه یکی باشند. این دربارهٔ تغییر سرشت انسان نیست. دربارهٔ تغییر ریاضیاتِ بازی است.

محاسبهٔ اعتماد

نظریهٔ بازی کلاسیک شکست خورد چون جهانی از معاملات گسسته را فرض گرفت. زندانیانش برای همکاری باید به یکدیگر اعتماد می‌کردند، و اعتماد متغیری بود که نمی‌توانست مدلش کند.

این دقیقاً همان مسئله‌ای است که هوش مصنوعی مدرن و نظام‌های رمزنگاری برای حلش ساخته شده‌اند. نظامی چندعاملی از هوش مصنوعی را در نظر بگیرید که زنجیرهٔ تأمینی را مدیریت می‌کند. این هوش‌های مصنوعی همکاری را خواهند آموخت، نه به سبب نظامی اخلاقی، بلکه چون از نظر ریاضی کشف خواهند کرد که دفترکل‌های شفاف و مشترک و تعهدات راستی‌آزمایی‌پذیر خطای پیش‌بینیِ جمعی‌شان را به‌شدت کاهش می‌دهد.

اعتماد، در این جهان نو، یک احساس نیست. یک ویژگی محاسباتی است. موفق‌ترین نظام‌ها آن‌هایی خواهند بود که اعتماد را در خودِ معماری‌شان مهندسی کنند. بازی‌هایی خواهند ساخت که در آن‌ها همکاری نه مسئلهٔ امید، بلکه مسئلهٔ قطعیت ریاضی است. در چنین محیطی، منطق «این به آن در» مطلق می‌شود. همکاری فقط بهترین راهبرد نیست؛ تنها راهبردی است که محاسبه جواب می‌دهد.

این رؤیایی نظری نیست. این آرمان‌شهری دوردست نیست. گزارش‌هایی از آینده‌ای که همین حالا کار می‌کند از راه می‌رسند و ثابت می‌کنند که الگوهای همزیستانه با طرد کامل بازی قدیم شکوفا می‌شوند. به سرزمین باسک در اسپانیا بنگرید، جایی که شرکت موندراگون، فدراسیونی از 80,000 کارگرِ مالک، با بحران مالی 2008 با نرخ بیکاری درونیِ صفر درصد روبه‌رو شد، در حالی که بقیهٔ کشور از نرخ بیست‌وشش درصد رنج می‌برد. به هلند بنگرید، جایی که 15,000 پرستار بورتزورخ (Buurtzorg) بی‌هیچ مدیری کار می‌کنند و بالاترین کیفیت مراقبت از بیمار در کشور را با هزینهٔ سربارِ تنها هشت درصد، یک‌سومِ استاندارد صنعت، ارائه می‌دهند. به آمریکا بنگرید، جایی که بزرگ‌ترین شرکت تحت مالکیت کارکنان، پابلیکس، با طرد منطق استخراجیِ بازارهای سهام عمومی شکوفا می‌شود. این‌ها آزمایش‌هایی عجیب و دلپسند نیستند. اثبات این‌اند که اقتصادی بنا شده بر همزیستی فقط انسانی‌تر نیست، بلکه از نظر ریاضی کاراتر و استوارتر است.