मिश्रित प्रेरणा खेलों में अप्रत्यक्ष प्रतिकार्यता के साथ उचित सहयोग सीखना

परोपकारी सहयोग महंगा है फिर भी सामाजिक रूप से वांछनीय है। इसके परिणामस्वरूप, एजेंट स्वतंत्र पुनर्बलन शिक्षण (RL) के माध्यम से सहयोगात्मक नीतियों को सीखने में संघर्ष करते हैं। अप्रत्यक्ष प्रतिकार्यता, जहां एजेंट अपने इंटरएक्शन पार्टनर की प्रतिष्ठा पर विचार करते हैं, समवर्ती, आदर्श जनसंख्याओं में सहयोग को स्थिर करने के लिए सिद्ध की गई है। हालाँकि, अधिक वास्तविक सेटिंग्स में विभिन्न विशेषताओं और समूह-आधारित सामाजिक पहचान वाले विषम एजेंट होते हैं। हम अध्ययन करते हैं कि जब एजेंट दो ऐसे समूहों में विभाजित होते हैं, और प्रतिष्ठा अद्यतन और क्रियाएँ समूह की जानकारी पर निर्भर करती हैं। हम दो मॉडलिंग दृष्टिकोणों पर विचार करते हैं: उत्क्रमण खेल सिद्धांत, जहां हम सहयोग और निष्पक्षता की ओर ले जाने वाले सामाजिक मानदंडों (यानी, प्रतिष्ठा आवंटित करने के लिए नियम) के लिए व्यापक रूप से खोज करते हैं; और RL, जहां हम विचार करते हैं कि नीति सीखने की यादृच्छिक गतिशीलता विश्लेषणात्मक रूप से पहचाने गए संतुलनों को कैसे प्रभावित करती है। हम देखते हैं कि एक दोष देने वाली बहुसंख्या अल्पसंख्यक समूह को दोष देने के लिए प्रेरित करती है, लेकिन विपरीत नहीं। इसके अलावा, उन मानदंडों को बदलना जो अंदर और बाहर-समूह इंटरएक्शन का मूल्यांकन करते हैं, एक प्रणाली को निष्पक्ष या अन्यायपूर्ण सहयोग की ओर ले जा सकता है। यह स्पष्ट होता है जब समतुल्यता विश्लेषण से स्वतंत्र RL एजेंटों की ओर बढ़ते हैं, जहां निष्पक्ष सहयोग की ओर समवर्तीता अधिक संकीर्ण मानदंडों के सेट के साथ होती है। हमारे परिणाम यह उजागर करते हैं कि, प्रतिष्ठाओं के साथ विषम जनसंख्याओं में, इंटरएक्शन मानदंडों को सावधानीपूर्वक परिभाषित करना सहयोग और निष्पक्षता के दोनों दुविधाओं से निपटने के लिए मौलिक है।