解释多元无知涌现的帕累托改进驱动观点动力学

观点动力学近来已从博弈论视角进行建模，其中观点更新由代表个体动机的成本函数捕捉。传统公式将多种动机聚合为单一目标，隐含地假设这些动机是可互换的。本文挑战了这一假设，并提出了一种基于多目标博弈框架的观点动力学模型。在所提模型中，每个个体经历两种不同的成本：来自与他人意见不一致的社会压力，以及来自偏离感知真相的认知失调。观点更新被建模为这两种成本之间的帕累托改进。该框架为多元无知的涌现提供了一个简洁的解释，即个体可能就某个不真实的事情达成一致，尽管他们都知道潜在的真相。我们从分析上刻画了该模型，推导了真相涌现和盛行的条件，并提出了一种确保在真相上达成共识的初始播种策略。通过数值模拟研究了网络密度和聚类如何影响真相的表达。理论和数值结果都引出了清晰且非平凡的社会学洞见。例如，如果最初没有人表达真相，则没有任何网络结构能保证达成真相共识；适度稀疏但充分混合的网络最能缓解多元无知。