好牧羊人：一种用于机制设计的预言智能体
多智能体系统
2022-02-22 v1 人工智能
机器学习
综合经济学
经济学
摘要
从社交网络到交通路由，人工学习智能体在现代机构中正扮演着核心角色。因此，我们必须理解如何利用这些系统来培育与我们的价值观和愿望相一致的结果与行为。尽管多智能体学习近年来受到相当关注，但人工智能体主要在与非学习型的固定共同参与者交互时接受评估。尽管这种评估方案有其价值，它未能捕捉到那些必须应对适应性与持续学习成员的机构所面临的动态。在此我们解决这一局限，并构建在对其适应性共同参与者（“参与者”）的学习轨迹进行评估时表现良好的智能体（“机制”）。我们提出的算法由两个嵌套学习循环组成：内循环中参与者学习对固定机制做出最优响应；外循环中机制智能体基于经验更新其策略。我们报告了当机制智能体与人工学习智能体及人类作为共同参与者配对时的性能。我们的结果表明，我们的机制能够引导参与者的策略朝向有利结果，为现代机构有效且自动地影响其成员的策略与行为指明了一条路径。
引用
@article{arxiv.2202.10135,
title = {The Good Shepherd: An Oracle Agent for Mechanism Design},
author = {Jan Balaguer and Raphael Koster and Christopher Summerfield and Andrea Tacchetti},
journal= {arXiv preprint arXiv:2202.10135},
year = {2022}
}