Absorption and Inertness in Coarse-Grained Arithmetic: A Heuristic Application to the St. Petersburg Paradox

Diese Arbeit untersucht einen heuristischen Ansatz zur Lösung des Petersburger Paradoxons, indem sie eine modifizierte, grob-körnige Addition einführt, bei der wiederholte Summation zu einem Zustand der Inertheit führt, in dem die divergierende Belohnungsstruktur trotz unendlichen Erwartungswerts kein unbeschränktes Wachstum mehr erzeugt.

Das Wesentliche

Das große Problem: Der unendliche Gewinn

Stellen Sie sich vor, Sie spielen ein Spiel mit einer fairen Münze.

• Werfen Sie einmal Kopf, gewinnen Sie 1 Euro.
• Werfen Sie zweimal Kopf, gewinnen Sie 2 Euro.
• Werfen Sie dreimal Kopf, gewinnen Sie 4 Euro.
• Und so weiter: Bei jedem weiteren Kopf verdoppelt sich Ihr Gewinn.

Das Spiel endet, sobald Sie einmal "Zahl" werfen.

Das Paradoxon: Wenn man die Mathematik macht, ist der durchschnittliche Gewinn dieses Spiels unendlich groß. Theoretisch sollten Sie also bereit sein, alles, was Sie haben (Ihr Haus, Ihr Auto, Ihre Zukunft), zu zahlen, um nur einmal zu spielen.

Aber in der Realität? Niemand würde mehr als ein paar Euro dafür zahlen. Warum? Weil unser Gehirn nicht so funktioniert wie ein Computer, der bis ins Unendliche zählen kann.

Die neue Idee: Das "Körnchen-Prinzip"

Der Autor dieses Papers, Takashi Izumo, sagt: "Halt! Wir versuchen nicht, die Mathematik des Spiels zu ändern. Wir ändern, wie wir addieren."

Stellen Sie sich vor, Ihr Gehirn ist kein präzises Lineal, sondern ein grobes Sieb oder ein Raster mit großen Kästchen. Das nennt er "Coarse-Grained Arithmetic" (grobkörnige Arithmetik).

Die Analogie: Der Füllstand im Eimer

Stellen Sie sich vor, Sie füllen einen riesigen Eimer mit Wasser.

1. Normale Mathematik: Sie zählen jeden einzelnen Tropfen. Wenn Sie unendlich viele Tropfen hinzufügen, wird der Eimer unendlich voll.
2. Grobkörnige Mathematik: Ihr Eimer hat keine feinen Markierungen. Er ist in große, grobe Abschnitte unterteilt: "Ein wenig", "Hälfte", "Fast voll", "Voll".

Wenn Sie einen Tropfen in einen Eimer geben, der schon fast "Voll" ist, passiert Folgendes:

• In der normalen Welt wird der Eimer ein winziges bisschen voller.
• In der groben Welt (unserem Gehirn) ist der Unterschied zwischen "Fast voll" und "Ein Tropfen mehr" unsichtbar. Der Eimer bleibt auf der Markierung "Voll".

Der Tropfen wurde absorbiert. Er hat nichts verändert, weil er zu klein war, um die nächste grobe Markierung zu erreichen.

Die drei magischen Konzepte

Die Studie beschreibt drei Phänomene, die in diesem groben System passieren:

1. Absorption (Verschlucken)
Stellen Sie sich vor, Sie stehen auf einer Treppe mit sehr breiten Stufen. Wenn Sie eine winzige Stufe (einen kleinen Gewinn) hinzufügen, aber Sie stehen schon auf einer sehr breiten Stufe, rutschen Sie nicht auf die nächste Stufe. Sie bleiben genau dort stehen. Der kleine Gewinn wurde vom großen Stand "verschluckt".

2. Inertheit (Erstarrung)
Das ist das Wichtigste für das St.-Petersburg-Paradoxon.
Wenn Sie immer wieder kleine Gewinne addieren (die im Spiel theoretisch unendlich oft vorkommen), passiert Folgendes in unserem groben System:

• Zuerst bewegt sich Ihr "Füllstand" hoch.
• Aber sobald Sie eine bestimmte grobe Stufe erreicht haben, sind die nächsten Gewinne so winzig im Vergleich zu dem, was Sie schon haben, dass sie keine Bewegung mehr auslösen.
• Das System friert ein. Es wird "träge" (inert).
• Das Ergebnis: Auch wenn Sie unendlich oft spielen, bleibt Ihr wahrgenommener Gesamtwert endlich und steht still. Der unendliche Gewinn existiert für Ihr grobes Gehirn gar nicht.

3. Nicht-Assoziativität (Die Reihenfolge zählt)
In der normalen Mathematik ist es egal, ob Sie (2 + 3) + 4 oder 2 + (3 + 4) rechnen. Das Ergebnis ist immer 9.
In diesem groben System ist das anders!

• Wenn Sie erst die kleinen Tropfen zusammenzählen, landen Sie vielleicht in einem anderen groben Kasten als wenn Sie sie einzeln zum großen Eimer hinzufügen.
• Weil bei jedem Schritt "gerundet" wird (auf die nächste grobe Stufe), gehen Informationen verloren. Die Reihenfolge, wie Sie die Dinge zusammenzählen, verändert das Endergebnis.

Was bedeutet das für das Paradoxon?

Der Autor sagt nicht: "Die Mathematik war falsch." (Die unendliche Summe ist mathematisch korrekt).
Er sagt: "Unsere Art, Zahlen zu verarbeiten, ist nicht fein genug."

Wenn wir das St.-Petersburg-Spiel durch die Brille dieses "grobkörnigen Gehirns" betrachten:

• Die ersten paar Gewinne sind spürbar.
• Aber sobald wir bei einem gewissen Betrag sind, sind die nächsten theoretischen Gewinne so klein im Vergleich zum Gesamtbetrag, dass unser Gehirn sie gar nicht mehr als "mehr" registriert.
• Das Spiel hört für uns auf, zu wachsen. Es wird "inert".

Fazit in einem Satz

Das Papier zeigt uns, dass ein unendlicher Gewinn nicht automatisch zu einem unendlichen Wert führt, wenn unser Gehirn (oder unser Zählverfahren) zu grob ist, um die winzigen Unterschiede am Ende noch zu sehen. Es ist, als würde man versuchen, den Ozean mit einem Löffel zu messen: Irgendwann ist der Unterschied zwischen "ein Löffel mehr" und "nichts" für das Messgerät nicht mehr zu erkennen.

Technische Zusammenfassung

Titel: Absorption und Trägheit in der grobkörnigen Arithmetik: Eine heuristische Anwendung auf das St. Petersburger Paradoxon

Autor: Takashi Izumo (Nihon University, Japan)

---

1. Problemstellung

Das St. Petersburger Paradoxon stellt eine langjährige Herausforderung in der Entscheidungstheorie dar. In diesem Spiel wird ein fairer Münzwurf wiederholt, bis "Zahl" erscheint (nach $n$-tem Wurf). Der Auszahlungsbetrag beträgt $2^{n-1}$.

• Der klassische Erwartungswert divergiert: $E[X] = \sum_{n=1}^{\infty} \frac{1}{2^n} \cdot 2^{n-1} = \sum_{n=1}^{\infty} \frac{1}{2} = +\infty$.
• Dennoch wird kein endlicher, rationaler Einsatz als fair angesehen.

Bisherige Lösungsansätze modifizieren entweder die Nutzenfunktion (abnehmender Grenznutzen), führen zeitliche Diskontierung ein, erweitern das Zahlensystem oder nutzen Prospect Theory.
Das Ziel dieses Papers ist ein anderer Ansatz: Statt die Bewertung oder die Wahrscheinlichkeiten zu ändern, wird die Aggregationsregel selbst verändert. Es wird untersucht, wie ein grobkörniges (coarse-grained) kognitives System eine divergente Belohnungsstruktur verarbeiten könnte, indem die Addition auf einer diskretisierten Skala definiert wird.

---

2. Methodik: Grobkörnige Arithmetik

Der Autor definiert einen neuen mathematischen Rahmen basierend auf der diskreten Menge $U = \mathbb{N}_0$.

A. Grundlegende Struktur

1. Grobkörnige Partition ($\pi$): Die Menge $\mathbb{N}_0$ wird in abzählbar viele endliche, geordnete Intervalle (Körner/Grains) $G_{\pi, i}$ unterteilt.
2. Zellabbildung ($\psi_\pi$): Ordnet jedem Element $x \in U$ das zugehörige Korn zu.
3. Interne Repräsentantenabbildung ($\phi$): Weist jedem Korn einen repräsentativen Wert aus dem Korn selbst zu (z. B. Minimum, Maximum oder Median).

B. Grobkörnige Addition

Es werden zwei Operationen definiert:

1. Grobkörnige Repräsentanten-Addition ($\oplus_{\pi, \phi}$):
   Für $x, y \in U$:
   $$x \oplus_{\pi, \phi} y := \phi(\psi_\pi(\phi(\psi_\pi(x)) + \phi(\psi_\pi(y))))$$
   Prozess: $x$ und $y$ werden auf ihre Körner projiziert $\to$ durch ihre Repräsentanten ersetzt $\to$ normal addiert $\to$ das Ergebnis wird wieder auf das neue Korn projiziert und durch dessen Repräsentanten ersetzt.
2. Grobkörnige Zell-Addition ($\boxplus_{\pi, \phi}$): Die Addition auf Ebene der Körner selbst.

---

3. Schlüsselkonzepte und Ergebnisse

A. Absorption (Absorption)

Ein Kern $G$ absorbiert ein Korn $H$, wenn die Addition von $H$ zu $G$ das Ergebnis wieder in $G$ zurückführt.

• Bedingung: $G$ absorbiert $H$ genau dann, wenn $\phi(G) + \phi(H) \in G$.
• Absorptionsrand (Absorption Margin): Definiert als $\mu_\phi(G) = \text{max}(G) - \phi(G)$. Wenn $\phi(H) \le \mu_\phi(G)$, wird $H$ von $G$ absorbiert.
• Folge: Die Addition ändert den Zustand des Systems nicht mehr, obwohl der "wahre" mathematische Wert weiter wächst.

B. Trägheit (Inertness)

Dies ist das zentrale Phänomen des Papers. Eine Folge von grobkörnigen Partialsummen wird träge, wenn sie nach endlich vielen Schritten konstant bleibt, obwohl die klassische Summe divergiert.

• Definition: Eine Folge $(H_n)$ ist träge bei einem Korn $G^*$, falls es ein $N$ gibt, sodass für alle $n \ge N$ gilt: $S_n^{cell} = G^*$.
• Satz: Wenn eine Partialsumme ein Korn $G^*$ erreicht und alle nachfolgenden Inkremente $H_n$ so klein sind, dass $\phi(H_n) \le \mu_\phi(G^*)$, dann ist der Prozess träge.

C. Nicht-Assoziativität

Im Gegensatz zur normalen Addition ist die grobkörnige Addition im Allgemeinen nicht assoziativ.

• Grund: Durch die Projektion auf Repräsentanten nach jedem Schritt gehen Informationen über die genaue Größe verloren.
• $(x \oplus y) \oplus z \neq x \oplus (y \oplus z)$.
• Ausnahme: Bei speziellen Partitionen mit konstanter ungerader Breite und Median-Repräsentanten kann Assoziativität wiederhergestellt werden.

---

4. Anwendung auf das St. Petersburger Paradoxon

Das Paper wendet den Rahmen heuristisch auf das Paradoxon an:

1. Reskalierung: Anstatt die divergente Reihe $\sum \frac{1}{2}$ direkt zu betrachten, wird eine äquivalente Folge konstanter ganzzahliger Inkremente betrachtet (z. B. $1, 1, 1, \dots$), die den konstanten erwarteten Zuwachs repräsentiert.
2. Konstruktion einer träge werdenden Folge:
   • Es wird eine spezifische Partition gewählt (die "dreieckige Partition" basierend auf Dreieckszahlen), bei der die Größe der Körner mit dem Index $n$ wächst ($|G_n| = n$).
   • Als Repräsentant wird das Minimum gewählt ($\phi(G_n) = \text{min}(G_n)$).
   • Der Absorptionsrand für das $n$-te Korn beträgt $n-1$.
3. Ergebnis: Da das Inkrement konstant 1 ist und für alle Körner ab $n \ge 2$ gilt $1 \le n-1$, wird jedes weitere Inkrement sofort vom aktuellen Korn absorbiert.
   • Die grobkörnige Partialsumme stabilisiert sich sofort auf den Wert 1 (bzw. das entsprechende Korn).
   • Die divergente Erwartung wird im grobkörnigen System "eingefroren".

---

5. Bedeutung und Interpretation

• Keine Lösung im klassischen Sinne: Das Paper behauptet nicht, das Paradoxon in der Standard-Entscheidungstheorie gelöst zu haben oder den Erwartungswert im probabilistischen Sinne endlich zu machen. Der klassische Erwartungswert bleibt $+\infty$.
• Strukturelle und heuristische Einsicht: Der Beitrag liegt darin, einen expliziten mathematischen Mechanismus aufzuzeigen, durch den eine divergente Struktur aufhören kann, unbegrenztes Wachstum zu erzeugen, sobald die Aggregation selbst grobkörnig wird.
• Unterschied zur Diskontierung: Im Gegensatz zur zeitlichen Diskontierung (die zukünftige Werte abwertet) modelliert die grobkörnige Addition eine begrenzte Sensitivität gegenüber Inkrementen relativ zu einem bereits akkumulierten Gesamtbetrag. Ein kleiner Zuwachs wird als irrelevant wahrgenommen, wenn der aktuelle Zustand bereits groß genug ist (Absorptionsrand).
• Relevanz: Der Ansatz ist relevant für die Untersuchung von begrenzter rationaler Numerik (bounded numerical cognition) und Verhaltensmodellen, bei denen Menschen keine exakte Arithmetik, sondern grobe Kategorien zur Bewertung verwenden.

Fazit

Die grobkörnige Addition führt zu einem neuen algebraischen Verhalten: Absorption und Trägheit. Dies zeigt, dass Divergenz im klassischen Sinne nicht zwangsläufig zu unbegrenzt wachsenden Wahrnehmungen führt, wenn die kognitive Auflösung begrenzt ist. Das Paper liefert somit ein mathematisches Modell für die Möglichkeit, dass ein Agent eine unendliche Belohnungsstruktur als endlich oder stabil wahrnimmt, ohne dabei die Wahrscheinlichkeiten oder Nutzenfunktionen zu manipulieren.