📈 economics

To Spend or to Gain: Online Learning in Repeated Karma Auctions

تقترح هذه الورقة استراتيجية تكيفية لتنظيم وتيرة الكارما في المزادات المتكررة باستخدام عملة اصطناعية يتم إنفاقها وإعادة توزيعها في آن واحد، مما يثبت أن هذا النهج يحقق الأمثلية التقاربية للمستخدمين الأفراد، وديناميكيات تعلم تقاربية، وتوازن ناش تقريبي في المجموعات السكانية الكبيرة رغم التحدي المتمثل في تعلم القيمة الداخلية للعملة.

المؤلفون الأصليون: Damien Berriaud, Ezzat Elokda, Devansh Jalota, Emilio Frazzoli, Marco Pavone, Florian Dörfler

نُشر 2026-08-10

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Damien Berriaud, Ezzat Elokda, Devansh Jalota, Emilio Frazzoli, Marco Pavone, Florian Dörfler

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل عالماً لا يمكنك فيه شراء مقعد في مقدمة الطابور. ربما تحاول الحصول على مقعد في فصل دراسي مشهور، أو مكان في بنك طعام، أو مسار على طريق سريع مزدحم. إذا استخدمنا الأموال الحقيقية، فإن الأثرياء سيفوزون دائماً، وهذا يبدو غير عادل. لذا، اخترع العلماء "عملات اصطناعية" — مثل نوع خاص من رموز الألعاب أو "الكارما" — لا يمكنك استخدامها إلا داخل النظام فقط. تحصل على مجموعة أولية من هذه الرموز، ثم تنفقها للمزايدة على الأشياء التي تريدها. لكن العائق هو أن هذه الرموز لا قيمة لها خارج اللعبة؛ لا يمكنك استبدالها ببيتزا أو ألعاب فيديو. هذا يجعل اللعبة محيرة: كيف تعرف قيمة الرمز إذا لم يكن له سعر في العالم الحقيقي؟ عليك أن تتعلم قيمته أثناء اللعب.

هذا هو اللغز الذي عالجته دراسة جديدة من قبل باحثين من جامعة ETH زيورخ وجامعة ستانفورد. إنهم ينظرون في نسخة ذكية ومحددة من هذه اللعبة تسمى "مزاد الكارما". في هذه المزادات، تصبح القواعد أكثر إثارة للاهتمام: عندما تخسر مزايدة (ولا تحصل على المورد)، فإنك في الواقع تكسب رموز كارما من الفائزين. الأمر يشبه لعبة "الكراسي الموسيقية" حيث إذا لم تحصل على كرسي، تحصل على عملة من الشخص الذي حصل عليه. السؤال الكبير هو: كيف تتعلم تقديم المبلغ المثالي؟ إذا زايدت بمبلغ مرتفع جداً، ستنفد رموزك بسرعة كبيرة. وإذا زايدت بمبلغ منخفض جداً، فلن تفوز أبداً، ولكن قد تكسب الكثير من الرموز بحيث تصبح غنياً جداً لدرجة تعيق الكفاءة. أراد الباحثون إيجاد استراتيجية بسيطة وذكية تساعد اللاعبين على اكتشاف ذلك تلقائياً، مما يضمن أن يلعب الجميع بنزاهة وأن يعمل النظام بشكل جيد للجميع على المدى الطويل.

لعبة "الإنفاق أو الكسب"

يقترح الباحثون، بقيادة داميان بيرياود وفريقه، استراتيجية يسمونها "توقيت الكارما التكيفي" (Adaptive Karma Pacing). فكر فيها كأنها نظام "طيار آلي" ذكي للمزايدة الخاصة بك. بدلاً من التخمين، يقوم "الطيار الآلي" الخاص بك بمراقبة مقدار الكارما التي تنفقها مقابل مقدار ما تكسبه من عائد.

إليك كيف يعمل السحر:

ميزان الكفتين: تخيل ميزانية الكارما الخاصة بك كميزان. في كل مرة تنفق فيها رموزاً للفوز بجائزة، تميل الكفة للأسفل. وفي كل مرة تخسر فيها وتحصل على رموز، تميل الكفة للأعلى.
الرقم السحري (المضاعف): تستخدم الاستراتيجية "رقماً سحرياً" مخفياً (يسميه الرياضيون "المضاعف") لتحديد مقدار المزايدة. إذا كنت تنفق أكثر بكثير مما تكسب، يرتفع الرقم السحري، مما يجعل مزايداتك المستقبلية أصغر، وبذلك تتوقف عن الإنفاق بسرعة كبيرة. وإذا كنت تكسب أكثر مما تنفق، ينخفض الرقم السحري، مما يسمح لك بالمزايدة بقوة أكبر.
التحول: في مزادات الأموال العادية، تحاول فقط إنفاق ميزانيتك بالتساوي بمرور الوقت. ولكن في لعبة الكارما هذه، ولأنك تكسب رموزاً عندما تخسر، يتغير الهدف. أنت لا تحاول فقط إفراغ محفظتك؛ بل تحاول التأكد من أن إنفاقك يطابق مكاسبك. تتعلم الاستراتيجية موازنة هذا بدقة دون الحاجة إلى معرفة "القيمة الحقيقية" للكارما مسبقاً.

ماذا وجدوا؟

أثبت الفريق ثلاثة أمور رئيسية حول هذه الاستراتيجية، بافتراض وجود عدد كافٍ من اللاعبين في اللعبة:

إنها أفضل ما يمكنك فعله (ضد حشد ثابت): إذا كنت تلعب ضد حشد لا تتغير عادات المزايدة لديه، فقد ثبت رياضياً أن هذه الاستراتيجية هي أفضل طريقة للعب على المدى الطويل. ستنفق وقتك ورموزك بأكبر قدر ممكن من الكفاءة.
يمكن للجميع اللعب معاً: الجزء الأكثر إثارة هو ما يحدث عندما يستخدم الجميع هذه الاستراتيجية. أظهر الباحثون أنه إذا تبنى كل لاعب هذا "الطيار الآلي"، فإن النظام بأكمله يستقر في إيقاع ثابت. إنه يشبه رقصة يجد فيها الجميع في النهاما نفس النغمة؛ حيث تتوقف المزايدات عن التذبذب بعنف وتتقارب إلى نقطة حيث يكون النظام متوازناً.
إنه توازن عادل: في نظرية الألعاب، "توازن ناش" هو حالة لا يمكن لأحد فيها الحصول على نتيجة أفضل بتغيير استراتيجيته بمفرده. توضح الورقة أنه مع زيادة عدد اللاعبين بشكل كبير، تصبح استراتيجية الكارما هذه "توازن ناش تقريبي". بلغة بسيطة: إذا كان الجميع يستخدمون هذا التوقيت الذكي، فلا يمكنك خداع النظام أو التفوق عليه بمحاولة الغش؛ فأنت ملزم بلعب اللعبة بالطريقة الصحيحة.

لماذا يهم هذا؟

تسلط الورقة الضوء على بعض العقبات الصعبة التي تجعل هذا مختلفاً عن مجرد استخدام الأموال الحقيقية. لأول وهلة، ولأنك تكسب الكارما عندما تخسر، فإن "مزاد السعر الثاني" المعتاد (حيث تدفع ثاني أعلى سعر) لم يعد صادقاً تماماً بعد الآن. قد يحاول اللاعبون المزايدة بطرق غريبة فقط للتلاعب بمقدار الكارما التي سيحصلون عليها لاحقاً. وقد وضعت استراتيجية الباحثين في الاعتبار هذا التعقيد.

كان عليهم أيضاً حل مشكلة "الصندوق المتلاشي". في مزادات الأموال العادية، يمكنك وضع حد صارم لإنفاقك. ولكن في الكارما، وبما أن ميزانيتك يمكن أن تنمو، فإن حداً بسيطاً قد يكسر الرياضيات. كان حلهم هو وضع "أرضية" للرقم السحري حتى لا يصبح صغيراً جداً أبداً، مما يمنع اللاعبين من الجنون في المزايدة واستنزاف حساباتهم فوراً.

لا تكتفي الدراسة بالتخمين، بل تستخدم رياضيات صارمة لإثبات هذه النتائج. كما أجروا محاكاة حاسوبية لإظهار أنه حتى لو أصبحت القواعد فوضوية قليلاً (مثل إذا لم تكن قيم الناس للأشياء سلسة تماماً)، فإن الاستراتيجية تظل صامدة.

باختختصار، تقدم هذه الورقة مخططاً لبناء أنظمة عادلة وفعالة حيث لا تكون الأموال هي السبيل الوحيد لتوزيع الموارد النادرة. سواء كان ذلك في إدارة حركة المرور، أو توزيع الغذاء، أو تخصيص المقاعد المدرسية، فإن هذا "التوقيت التكيفي" يمنحنا وسيلة لتعليم الحواسيب (أو البشر) كيفية لعب لعبة الكارما بشكل مثالي، مما يضمن وصول الموارد لمن هم في أمس الحاجة إليها، دون الحاجة لأن يكون أي شخص عبقرياً في الرياضيات ليفهم الأمر.

ملخص تقني: الإنفاق أم الكسب: التعلم عبر الإنترنت في مزادات الكارما المتكررة

صياغة المشكلة
تتناول هذه الورقة تحدي تعلم استراتيجيات المزايدة المثلى في بيئات المزادات المتكررة حيث يستخدم الوكلاء عملة اصطناعية، وتحديداً "الكارما"، بدلاً من الأدوات النقدية. وخلافاً للمزادات النقدية التقليدية حيث للعملة قيمة خارجية، فإن العملة الاصطناعية في هذه الآليات ليس لها قيمة خارج سياق المزاد. علاوة على ذلك، تركز الورقة على فئة محددة من آليات الكارما حيث يتم إعادة توزيع المدفوعات على جميع المستخدمين في كل خطوة زمنية. في هذا الإعداد، لا ينفق الوكلاء الكارما للفوز بالموارد فحسب، بل يكسبون الكارما أيضاً عندما يخسرون (من خلال التنازل عن المورد). يخلق هذا التوزيع مجدداً نظاماً مغلق الحلقة حيث يتم الحفاظ على إجمالي كمية الكارما في النظام بمرور الوقت.

تكمن الصعوبة الجوهرية في أن المستخدمين يجب أن يتعلموا بشكل مشترك قيمة العملة وكيفية إنفاقها بشكل أمثل. إن استراتيجيات التدرج التكيفي (adaptive pacing) القياسية المستخدمة في المزادات النقدية ذات الميزانية المحدودة غير كافية هنا لأنها:

عدم الصدق (Non-Truthfulness): إن احتمال كسب الكارما عند الخسارة يخلق حوافز للوكلاء للمزايدة بشكل غير صادق في مزادات السعر الثاني لتعظيم مكاسبهم.
ديناميكيات الميزانية: تعني محافظة إجمالي الكارما أن الوكلاء لا يمكنهم استنفاد ميزانياتهم في وقت واحد، وهو شرط يُفترض غالباً في الإعدادات النقدية لتثبيت مقاييس التدرج.
التكلفة غير المعروفة: تكلفة إنفاق العملة ليست معروفة مسبقاً ويجب تعلمها عبر الإنترنت.

يصيغ المؤلفون هذا كمسألة تخصيص موارد متكررة (على سبيل المثال، سيناريو التنقل الصباحي لمسارات الأولوية) حيث يزايد $N$ من الوكلاء للحصول على $\gamma$ من خانات الأولوية. تستخدم الآلية قاعدة مزاد السعر الثاني: يفوز أعلى $\gamma$ مزايدين ويدفعون قيمة المزايدة رقم $(\gamma+1)$ . ثم يتم إعادة توزيع هذا المبلغ بالتساوي، مما يمنح كل وكيل ربحاً يتناسب مع المبلغ المدفوع.

المنهجية
يقترح المؤلفون استراتيجية تدرج الكارما التكيفي (الاستراتيجية $K$ ) المستمدة من تقنيات صعود التدرج الثنائي عبر الإنترنت، والمكيفة لتناسب القيود المحددة لآليات الكارما.

المسألة الأولية المسترخية: يصيغ المؤلفون أولاً مسألة التكلفة المثلى لوكيل يمتلك "رؤية خلفية" (معرفة التقييمات المستقبلية ومزايدات المنافسين). ونظراً لتعقيد قيود الميزانية التي تتضمن الأرباح، فقد اشتقوا حداً أدنى مسترخياً للتكلفة المثلى. يسمح هذا الاسترخاء بتوازنات سالبة مؤقتة (شريطة أن يكون الرصيد غير سالب عند الأفق الزمني) ويبسط تبعية الربح.
الصياغة الثنائية: قاموا ببناء مسألة لاغرانج الثنائية. وتتمثل الجدة الرئيسية في استبدال معدل الإنفاق المستهدف الثابت (الشائع في المزادات النقدية) بمصطلح متغير زمنياً يأخذ في الاعتبار الأرباح المتوقعة.
تصميم الخوارزمية: تقوم استراتيجية $K$ $K$ المقترحة بتحديث مضاعف التدرج $\mu_{i,t}$ $μ_{i, t}$ بناءً على الفرق بين إنفاق الوكيل ( $z_{i,t}$ $z_{i, t}$ ) وربحه ( $g_{i,t}$ $g_{i, t}$ ).
- المزايدة: $b_{i,t} = \min(\Delta v_{i,t} / \mu_{i,t}, k_{i,t})$ .
- التحديث: $\mu_{i,t+1} = \mu_{i,t} + \epsilon(z_{i,t} - g_{i,t})$ .
- الإسقاط (Projection): على عكس التدرج النقدي القياسي حيث يتم إسقاط المضاعف على نطاق أثناء التحديث، هنا يتم تطبيق الإسقاط $P_{[\underline{\mu}, \overline{\mu}]}$ على مقام المزايدة. هذا التعديل حاسم لمنع "مشكلة الصندوق المتلاشي" (vanishing box problem)، حيث قد يؤدي وجود ميزانية أولية ثابتة وحجم خطوة متناقص إلى منع المضاعف من التقارب إلى قيمة أكبر من حالته الأولية.
- تثبيت المقياس: لمعالجة عدم تفرد المضاعفات المستقرة (بما أن تغيير مقياس جميع المضاعفات بثابت يحافظ على التوازن في نظام ربح صفري)، اعتمد المؤلفون على حفظ مجموع المضاعفات عبر الوكلاء. ومن خلال نقل الإسقاط إلى المزايدة، تحافظ قاعدة التحديث على مجموع المضاعفات $\sum \mu_{i,t}$ ، مما يثبت التوازن على ملف المضاعف الأولي.

المساهمات الرئيسية
تقدم الورقة إطاراً نظرياً للتعلم التكيفي في مزادات الكارما مع إعادة التوزيع، وتثبت ثلاث نتائج رئيسية:

الأمثلية التقاربية (وكيل واحد): بالنسبة لوكيل واحد يزايد ضد توزيع ثابت للمزايدات المنافسة، فإن استراتيجية تدرج الكارما التكيفي هي مثلى تقاربياً. حيث يتقارب متوسط الندم المتوقع نحو جوار $O(\hat{\epsilon})$ من التكلفة المثلى مع الرؤية الخلفية، حيث تمثل $\hat{\epsilon}$ "الربح المتبقي" (الفرق المتوقع بين مزايدة واضع السعر والمزايدة التالية). هذا الربح المتبقي يتلاشى مع زيادة عدد الوكلاء.
تقارب ديناميكيات التعلم (متعدد الوكلاء): عندما يتبنى جميع الوكلاء الاستراتيجية $K$ ، تتقارب ديناميكيات التعلم تقاربياً نحو ملف مضاعفات مستقر فريد. يثبت المؤلفون أن المسافة المتوقعة بين ملف المضاعف المتغير زمنياً والملف المستقر تتقارب إلى الصفر.
توازن ناش التقريبي: في حالة وجود عدد كبير من المزادات المتوازية (حيث يتلاشى احتمال تفاعل أي وكيلين محددين)، يشكل ملف استراتيجيات تدرج الكارما التكيفي توازن ناش تقريبي. لا يمكن لأي وكيل بمفرده تحسين متوسط تكلفته تقاربياً من خلال الانحراف أحادي الجانب عن الاستراتيجية.

النتائج والتحليل
يتطلب التحليل خطوات تقنية جديدة مقارنة بأدبيات المزادات النقدية:

حد الندم: يتضمن حد الندم حداً للربح المتبقي $\hat{\epsilon}$ ، مع الإقرار بأنه بدون الرؤية الخلفية، لا يمكن للوكيل التلاعب بموقع واضع السعر بشكل مثالي.
التحكم في وقت الوصول (Hitting Time Control): قدم المؤلفون مفهوماً أكثر صرامة لـ "وقت الوصول" (الوقت حتى يصل المضاعف إلى حدوده أو تنفد الميزانية) لضمان صحة تقريب صعود التدرج. وقد وضعوا افتراضات حول توزيعات التقييم والمزايدة لضمان اقتراب وقت الوصول هذا من الأفق الزمني $T$ .
مشكلة الصندوق المتلاشي: حددت الورقة وحلت مشكلة تقارب حيث أن الميزانيات الأولية الثابتة وأحجام الخطوة المتناقصة قد تمنع التقارب في التدرج التكيفي القياسي. التعديل المقترح (الإسقاط على المزايدة بدلاً من تحديث المضاعف) يحل هذه المشكلة.

الأهمية
تزعم الورقة أهميتها في سد الفجوة بين تحليل التوازن النظري والتعلم العملي في الآليات غير النقدية. وبينما أثبتت الأعمال السابقة وجود توازنات في آليات الكارما، فإن هذا العمل يوفر قاعدة تعلم بسيطة ولا مركزية تسمح للوكلاء بالوصول إلى هذه التوازنات دون تنسيق مركزي أو معرفة مسبقة بتوزيعات التقييم.

يشير المؤلفون إلى أن نتائجهم ذات صلة خاصة بالتطبيقات التي تُعتد فيها الأدوات النقدية غير عادلة أو غير مناسبة، مثل تخصيص تبرعات الطعام، أو تخصيص مقاعد الدورات التدريبية، أو إدارة الازدحام المروري. توفر الاستراتيجية المقترحة آلية للمستخدمين للتعبير عن تفضيلاتهم المتغيرة زمنياً بكفاءة وعدالة عبر التفاعلات المتكررة، مما يضمن تخصيص الموارد لمن لديهم أعلى تقييمات دون الحاجة إلى المال. وتختتم الورقة بالإقرار بأن تحليلها يفترض مخططات إعادة توزيع محددة وشروطاً تقنية (مثل الاستمرارية المطلقة للتوزيعات)، ومع ذلك تشير التجارب العددية إلى المتانة تجاه التوزيعات المنفصلة وإمكانية التوسع باستخدام أحجام خطوات متغيرة.

لعبة "الإنفاق أو الكسب"

ماذا وجدوا؟

لماذا يهم هذا؟

أبحاث مشابهة