Metric Distortion of Social Welfare Functions

في عالم اتخاذ القرار، من توظيف موظف جديد إلى اختيار فيلم لليلة مشاهدة جماعية، غالباً ما نعتمد على الناس لترتيب تفضيلاتهم. نحن نسأل، "من هو مفضلك؟" أو "ما هو خيارك الأول؟" ونستخدم تلك الإجابات لاتخاذ قرار جماعي. لعقود من الزمن، درس الباحثون مدى جودة ترجمة هذه التصنيفات إلى نتائج جيدة عندما لا نعرف بالضبط مدى تقدير الأشخاص لكل خيار. وقد اكتشفوا أنه حتى بدون معرفة الكثافة الدقيقة لمشاعر الشخص، فإن مجرد معرفة ترتيب تفضيلاته يمكن أن يؤدي إلى نتائج عادلة بشكل مدهش. ومع ذلك، ركز معظم هذا العمل على اختيار فائز واحد، مثل رئيس أو أفضل مرشح. لكن الحياة الواقعية غالباً ما تكون أكثر تعقيداً؛ فنحن نحتاج في كثير من الأحيان إلى إنشاء قائمة كاملة، ترتب الجميع من الأول إلى الأخير، مثل قائمة انتظار القبول الجامعي أو موجز توصيات المنتجات. وفي هذه السيناريوهات، يكون للمركز أهمية؛ فقد يكون تصنيفك في المركز الأول أمراً حاسماً، بينما قد يكون المركز العاشر مشابهاً تقريباً للمركة الأخيرة. والسؤال الذي يطرح نفسه هو: إذا كنا نعرف فقط الترتيب الذي يفضله الناس، ولكننا لا نعرف مدى اهتمامهم بالفرق بين المركز الأول والثاني، فما مدى جودة بناء قائمة كاملة ترضي الجميع؟

لقد تصدى فريق من الباحثين الآن لهذا التحدي المحدد، مستكشفين كيفية بناء تصنيف كامل عندما يكون لدى الناخبين مستويات مختلفة من الأهمية لمراكز مختلفة. لقد تخيلوا سيناريو حيث يمتلك كل شخص مقياساً خفياً للقيم، يحدد مدى اهتمامه بالمركز الأول مقابل المركز الأخير. فبعض الناس قد يهتمون فقط بالتوصية الأولى، بينما قد يكون آخرون مستعدين لتصفح عدة خيارات قبل العثور على شيء مناسب. أراد الباحثون معرفة ما إذا كان بإمكان نظام التصويت إنشاء تصنيف عادل وعالي الجودة للجميع، حتى دون رؤية هذه المقاييس الخفية. ووجدوا أن الإجابة تعتمد كلياً على المعلومات التي يُسمح للنظام باستخدامها. فإذا كان النظام يعرف بالضبط قيمة كل شخص لكل مركز، فيمكنه بناء تصنيف بأفضل جودة ممكنة، محققاً تشوهاً مثالياً قدره 3. أما إذا كان النظام لا يعرف القيم ولكنه يعرف أن الجميع يتشاركون نفس المقياس الخفي، فلا يزال بإمكانه القيام بعمل جيد للغاية، حيث تعتمد جودة النتيجة على مدى تباين ذلك المقياس المشترك.

تنشأ الحالة الأكثر صعوبة عندما لا يعرف النظام شيئاً عن الأوزان، ويكون لكل شخص مقياسه الخاص والخفي. في هذه الحالة، أثبت الباحثون أنه بغض النظر عن مدى ذكاء قاعدة التصويت، فإن جودة التصنيف ستعاني حتماً مع نمو عدد المرشحين. لقد أظهروا أن الخطأ في النتيجة ينمو خطياً مع عدد المرشحين الذين يتم ترتيبهم. وببساطة، إذا كنت ترتب مجموعة صغيرة، فيمكن للنظام القيام بعمل جيد، ولكن إذا كنت ترتب عدداً كبيراً من المرشحين، فإن نقص المعلومات حول مدى اهتمام الناس بمراكز محددة يجعل من المستحيل ضمان نتيجة جيدة. يسلط هذا الاكتشاف الضوء على حد أساسي: بدون معرفة كيفية وزن الناخبين لأهمية المراكز المختلفة، يكون الوصول إلى تصنيف مثالي أمراً بعيد المنال للمجموعات الكبيرة.

اختبر الباحثون أفكارهم من خلال بناء طريقة خطوة بخطوة لإنشاء هذه التصنيفات. تخيل ملء قائمة مركز واحداً تلو الآخر، بدءاً من الأعلى. في كل خطوة، يختار النظام أفضل مرشح متاح لهذا المركز المحدد بناءً على التفضيلات الحالية. ووجدوا أنه إذا كان النظام يعرف الأوزان، فإن هذا النهج البسيط خطوة بخطوة يعمل بشكل مثالي، محققاً أفضل تشوه ممكن قدره 3. لقد استخدموا طريقة متطورة ومحددة لاختيار الفائز في كل خطوة، مما سمح لهم بإثبات أن القائمة النهائية ستكون بجودة أفضل قائمة ممكنة تحت هذه القيود. كان هذا اكتشافاً مهماً لأنه أظهر أن إنشاء قائمة كاملة لا يتطلب التضحية بالجودة مقارنة بمجرد اختيار فائز واحد، شريطة أن يمتلك النظام المعلومات الصحيحة.

عندما تكون الأوزان خفية ولكنها مشتركة بين الجميع، وجد الباحثون أن نفس النهج خطوة بخطوة لا يزال يعمل، ولكن جودة النتيجة تتغير بناءً على شكل المقياس المشترك. إذا كان الجميع يقدرون كل مركز بنفس القدر تقريباً، فإن النظام يعمل بتشوه قدره 1، مما يعني أن النتيجة تتماشى تماماً مع الرفاهية الاجتماعية المثلى. وإذا كان الجميع يهتمون فقط بالمركز الأول، فإن النظام يعمل تماماً كما يفعل عند اختيار فائز واحد. الأداء ينزلق بسلاسة بين هذين الطرفين. هذا يعني أنه حتى بدون معرفة الأرقام المحددة، إذا كانت المجموعة موحدة في طريقة تفكيرها تجاه القائمة، فلا يزال بإمكان النظام إنتاج تصنيف فعال للغاية. وقد قدم الباحثون صيغة دقيقة لهذا الأداء، مبينةً بالضبط كيف يؤثر تباين قيم المجموعة على النتيجة النهائية.

ومع ذلك، تتغير القصة تماماً عندما تكون الأوزان خفية ومختلفة لكل شخص. لقد أثبت الباحثون أنه في هذه البيئة الفوضوية، لا يمكن للنظام تجنب خسارة كبيرة في الجودة. لقد صاغوا أمثلة محددة حيث كان أفضل تصنيف ممكن يتفوق بمراحل على ما يمكن لأي قاعدة تصويت إنتاجه دون معرفة الأوزان. لقد أثبتوا أن الفجوة بين النتيجة المثلى والنتيجة الفعلية تنمو مباشرة مع عدد المرشحين. فبالنسبة لقائمة تضم عشرة مرشحين، يكون الخطأ صغيراً؛ أما بالنسبة لقائمة تضم مائة، فيكون الخطأ أكبر بكثير. هذه النتيجة تقطع الطريق أمام الأمل في أن خوارزمية ذكية يمكنها حل المشكلة دون مزيد من المعلومات. إنها تضع حداً صلباً: للحصول على تصنيف عالي الجودة لمجموعة كبيرة، يجب عليك إما معرفة كيفية وزن الناس للمراكز أو قبول أن النتيجة ستكون غير مثالية.

كما درست الدراسة طريقتين مختلفتين لكيفية تطبيع قيم الناس. في سيناريو واحد، يوزع الجميع مقداراً ثابتاً من القيمة الإجمالية عبر القائمة بأكملة، مثل تقسيم دولار واحد على جميع المراكز. وفي السيناريو الآخر، يعطي الجميع للمركز الأول قيمة ثابتة قدرها واحد، بغض النظر عن كيفية تقييمهم للبقية. ووجد الباحثون أنه في كلا هذين السيناريوهين الواقعيين، تؤدي مشكلة الأوزان الخفية والمختلفة إلى نفس الزيادة الخطية في الخطأ. ومهما كان الهيكل الذي يتبعه الناخبون في مقاييسهم الداخلية، فإذا لم يستطع النظام رؤيتها وكانت تختلف من شخص لآخر، فإن جودة التصنيف ستتدهور مع طول القائمة. وهذا يوفر تحذيراً واضحاً لمصممي أنظمة التوصية أو لجان التوظيف: إذا كنت تتعامل مع مجموعة متنوعة ذات أولويات مختلفة، فلا يمكنك الاعتماد على طرق ترتيب بسيطة لإنتاج قائمة مثالية دون جمع بيانات أكثر تحديداً حول تفضيلاتهم.

في النهاية، يوضح هذا العمل حدود ما يمكننا تحقيقه بالمعلومات المحدودة. فهو يظهر أن المسار نحو قرار جماعي جيد يعتمد بشكل كبير على هيكل المعلومات المتاحة. فعندما نعرف الأوزان، يمكننا تحقيق تشوه مثالي قدره 3. وعندما نعرف أن الأوزان هي نفسها للجميع، يمكننا تحقيق تشوه قدره 1 إذا كانت الأوزان موحدة، أو نتيجة تتراوح بين 1 وحد الفائز الواحد اعتماداً على التباين. ولكن عندما تكون الأوزان خفية ومختلفة، نصطدم بحائط حيث يحدد حجم المجموعة جودة النتيجة. لم يقترح الباحثون مجرد طريقة جديدة للتصويت؛ بل رسموا حدود ما هو ممكن، موضحين بالضبط أين تنهار قواعد العدالة والكفاءة عندما تغيب المعلومات. تقدم نتائجهم دليلاً عملياً لأي شخص يحاول تجميع التفضيلات في تصنيف كامل، مذكرةً إيانا بأن تعقيد المهمة يزدد مع تنوع الأشخاص المعنيين.