能源市场中混合人类-智能体社会困境

在人类与自主智能体混合构成的群体中，理解合作行为何时如何能够出现的仍是关键挑战。我们在能源负荷管理情境下研究此问题：消费者智能体在需求相关定价下安排其 appliances 使用。这种结构会创建社会困境，大家都从协调中受益，但在均衡情况下，智能体往往选择承担协作轮换所避免的阻塞成本。为解决协调问题，我们引入人工智能体，使用全局可观察信号来提高协调。通过进化动力学和强化学习实验，我们表明人工智能体能够将学习动力学引向协调结果。常被忽视的一个问题是部分采纳：当人工智能体技术处于早期采纳阶段时，情况如何？我们分析了采纳者与非采纳者的混合群体，表明单方进入是可行的：采纳者不会遭遇结构性惩罚，部分采纳仍可改善总体结果。然而，在某些参数区间，非采纳者可能从采纳者所引发的合作中获得不成比例的收益。这种不对称性虽不构成有益进入的障碍，却在部署时值得关注，并凸显了AI技术在多智能体环境中采纳的战略问题。