The mechanism behind the emergence of cooperation in both biological and social systems is currently not understood. In particular, human behavior in the Ultimatum game is almost always irrational, preferring mutualistic sharing strategies, while chimpanzees act rationally and selfishly. However, human behavior varies with geographic and cultural differences leading to distinct behaviors. In this paper, we analyze a social imitation model that incorporates internal energy caches (e.g., food/money savings), cost of living, death, and reproduction. We show that when imitation (and death) occurs, a natural correlation between selfishness and cost of living emerges. However, in all societies that do not collapse, non-Nash sharing strategies emerge as the de facto result of imitation. We explain these results by constructing a mean-field approximation of the internal energy cache informed by time-varying distributions extracted from experimental data. Results from a meta-analysis on geographically diverse ultimatum game studies in humans, show the proposed model captures some of the qualitative aspects of the real-world data and suggests further experimentation.


翻译:生物和社会系统合作出现背后的机制目前还没有得到理解。 特别是,最后通牒游戏中的人类行为几乎总是非理性的,更倾向于相互分享战略,而黑猩猩则理性和自私地行事。然而,人类行为与地理和文化差异不同,导致不同的行为。在本文中,我们分析了一种社会模仿模式,其中包括内部能源缓存(如食物/资金储蓄)、生活成本、死亡和生殖成本。我们表明,在模仿(和死亡)时,自私和生活成本之间自然相关。然而,在所有不崩溃的社会中,非纳什分享战略是作为事实上的模仿结果产生的。我们解释这些结果的方法是,根据实验数据变化不定的分布对内部能源缓存进行平均近似。对地理上多样化的人类最后游戏研究进行元分析的结果,显示拟议的模式捕捉了现实世界数据的某些质量方面,并建议进一步实验。

0
下载
关闭预览

相关内容

专知会员服务
52+阅读 · 2020年9月7日
【DeepMind】强化学习教程,83页ppt
专知会员服务
152+阅读 · 2020年8月7日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
人工智能 | PRICAI 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年12月13日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
VIP会员
相关VIP内容
专知会员服务
52+阅读 · 2020年9月7日
【DeepMind】强化学习教程,83页ppt
专知会员服务
152+阅读 · 2020年8月7日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
人工智能 | PRICAI 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年12月13日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员