तकनीकी सारांश: "द स्लीपिंग ब्यूटी प्रॉब्लम: स्लीपिंग ब्यूटी अ थिरडर है"

समस्या विवरण

यह शोध पत्र स्लीपिंग ब्यूटी समस्या को संबोधित करता है, जो एल्गा [2000] द्वारा प्रस्तुत अपूर्ण स्मृति (imperfect recall) की एक क्लासिक समस्या है। इस परिदृश्य में, एक एजेंट (स्लीपिंग ब्यूटी) को रविवार को सुला दिया जाता है। एक निष्पक्ष सिक्का उछाला जाता है: यदि 'हेड्स' (Heads) आता है, तो उसे एक बार जगाया जाता है (सोमवार); यदि 'टेल्स' (Tails) आता है, तो उसे दो बार जगाया जाता है (सोमवार और मंगलवार)। प्रत्येक बार जगाने के बाद, उसे एक ऐसी दवा दी जाती है जो जागने की उसकी स्मृति को मिटा देती है। जागने पर, उसे सिक्के के 'हेड्स' आने की संभावना (credence) निर्धारित करनी होती है।

बहस दो प्राथमिक स्थितियों के इर्द-गिर्द घूमती है:

• द हाफ़र (Halfer) स्थिति: 'हेड्स' के लिए $1/2$ की संभावना निर्धारित करती है, यह तर्क देते हुए कि जागने पर कोई नई जानकारी प्राप्त नहीं होती है।
• द थिरडर (Thirder) स्थिति: 'हेड्स' के लिए $1/3$ की संभावना निर्धारित करती है, यह तर्क देते हुए कि प्रयोगों की लंबी अवधि में, सभी जागने की घटनाओं में से $1/3$ 'हेड्स-वर्ल्ड्स' में होती हैं।

मौजूदा साहित्य अक्सर इसे एजेंट के निर्णय लेने के तरीके को सट्टेबाजी के खेलों (betting games) के माध्यम से मॉडल करके हल करने का प्रयास करता है, जो आमतौर पर यह मान लेता है कि एजेंट अपने प्रतिफल (payoffs) के अपेक्षित मूल्य (Expected Value - EV) को अधिकतम करना चाहता है। यह शोध पत्र तर्क देता है कि यह धारणा मल्टीप्लिकेटिव डायनेमिक्स (multiplicative dynamics) वाले क्रमिक सट्टेबाजी परिदृश्यों में लागू होने पर त्रुटिपूर्ण है।

कार्यप्रणाली

लेखक एक निर्णय-सैद्धांतिक ढांचा प्रस्तावित करता है जो उद्देश्य को अपेक्षित प्रतिफल को अधिकतम करने से बदलकर धन की वृद्धि दर (wealth growth rate) या धन के गुणक (wealth multiplier) को अधिकतम करने की ओर स्थानांतरित करता है, जो मल्टीप्लिकेटिव डायनेमिक्स के अंतर्गत आता है।

1. क्रमिक सट्टेबाजी सेटअप (Sequential Betting Setup)

समस्या को एक क्रमिक सट्टेबाजी खेल के रूप में पुनर्गठित किया गया है:

• स्लीपिंग ब्यूटी $x$ प्रारंभिक धन के साथ शुरू करती है।
• वह 1:1 की ऑड्स (odds) पर सिक्के के परिणाम पर अपने वर्तमान धन का एक हिस्सा दांव पर लगा सकती है।
• वह सोने से पहले (रविवार) एक दांव लगाती है और प्रत्येक बार जागने पर (सोमवार, और संभावित रूप से मंगलवार) एक दांव लगाती है।
• महत्वपूर्ण रूप से, उसे पिछले दांवों या अपने वर्तमान धन के स्तर की कोई स्मृति नहीं होती है; उसे धन का एक हिस्सा (fraction) दांव पर लगाने का निर्णय लेना होता है।
• इस प्रयोग को समय के साथ क्रमिक रूप से दोहराया जा सकता है, जहाँ एक रन का अंतिम धन अगले रन का प्रारंभिक धन बन जाता है।

2. अपेक्षित मूल्य (EV) स्थिरीकरण की आलोचना

शोध पत्र पीटर्स और गेल-मैन (PGM) कॉइन फ्लिप [2016] का उपयोग क्रमिक संदर्भों में EV स्थिरीकरण की विफलता को प्रदर्शित करने के लिए करता है।

• एक एकल-चरणीय खेल में, एक सकारात्मक अपेक्षित मूल्य वाला दांव (जैसे, +50% लाभ, -40% हानि) तर्कसंगत प्रतीत होता है।
• हालाँकि, एक क्रमिक (sequential) सेटिंग में जहाँ धन चक्रवृद्धि (compounds) होता है, वहां धन का दीर्घकालिक अस्तित्व (survival) ज्यामितीय माध्य (geometric mean) द्वारा निर्धारित होता है। लाभ और हानि के ऐसे दांवों का एक क्रम धन के घातीय क्षय (exponential decay/bankruptcy) की ओर ले जाता है क्योंकि लाभ और हानि का गुणनफल 1 से कम होता है ($1.5 \times 0.6 = 0.9$)।
• शोध पत्र का तर्क है कि थिरडर स्थिति के विरुद्ध मौजूदा डच बुक (Dutch Book) तर्क इस गलत धारणा पर आधारित हैं कि एजेंटों को अपेक्षित प्रतिफल के योग को अधिकतम करना चाहिए न कि धन की वृद्धि दर को।

3. केली क्राइटेरियन (The Kelly Criterion)

लेखक केली क्राइटेरियन को लागू करता है, जो धन की दीर्घकालिक अपेक्षित ज्यामितीय वृद्धि दर को अधिकतम करता है। 1:1 की ऑड्स के लिए, दांव लगाने का इष्टतम हिस्सा $b$ है, जो $b = p - (1-p)$ द्वारा दिया जाता है, जहाँ $p$ जीतने वाले परिणाम की संभावना है।

मुख्य योगदान और परिणाम

1. इष्टतम रणनीति का व्युत्पत्ति (Optimal Strategy Derivation)

स्लीपिंग ब्यूटी समस्या को धन के गुणक को अधिकतम करने के लक्ष्य वाले क्रमिक दांवों के रूप में मॉडल करके, शोध पत्र इष्टतम सट्टेबाजी के हिस्से निकालता है:

• सोने से पहले (रविवार): दांव पर लगाया गया इष्टतम हिस्सा $a = 0$ है।
• जागने पर: 'टेल्स' पर दांव लगाने का इष्टतम हिस्सा $b = 1/3$ है।

2. संभावना का अनुमान (Inference of Credence)

निर्धारित इष्टतम सट्टेबाजी के हिस्से ($b = 1/3$) और केली क्राइटेरियन फॉर्मूला ($b = p_{tails} - p_{heads}$) का उपयोग करते हुए, शोध पत्र अंतर्निहित संभावना निर्धारित करता है:

• $1/3 = p_{tails} - (1 - p_{tails}) \implies 2p_{tails} = 4/3 \implies p_{tails} = 2/3$।
• फलस्वरूप, $p_{heads} = 1/3$।
• परिणाम: एक एजेंट जो धन वृद्धि को अधिकतम करता है, वह स्वाभाविक रूप से 'हेड्स' के लिए $1/3$ की संभावना (credence) निर्धारित करता है।

3. डच बुक विश्लेषण (Dutch Book Analysis)

शोध पत्र इस बात की जांच करता है कि क्या थिरडर या हाफ़र स्थितियां डायक्रोइक डच बुक्स (diachronic Dutch books) (सैट ऑफ बेट्स जिन्हें एक एजेंट व्यक्तिगत रूप से स्वीकार करता है लेकिन जो शुद्ध हानि सुनिश्चित करते हैं) के प्रति संवेदनशील हैं।

• थिरडर (स्लीपिंग केली): प्रमेय 2 सिद्ध करता है कि यदि स्लीपिंग ब्यूटी एक थिरडर के रूप में कार्य करती है और केवल उन दांवों को स्वीकार करती है जिनका धन गुणक 1 से अधिक है, तो उसे डच बुक का शिकार नहीं बनाया जा सकता। डच बुक बनाने के लिए आवश्यक स्थितियाँ (दोनों हेड्स और टेल्स परिदृश्यों में गारंटीकृत हानि) उन स्थितियों का गणितीय रूप से विरोध करती हैं जो उसके दांव स्वीकार करने के लिए आवश्यक हैं (धन गुणक > 1)।
• हाफ़र: प्रमेय 3 प्रदर्शित करता है कि एक हाफ़र (जागने पर $p=1/2$ निर्धारित करने वाला) डच बुक के प्रति संवेदनशील है। भले ही हाफ़र केवल सकारात्मक धन गुणक वाले दांव स्वीकार करे, फिर भी एक विशिष्ट सेट बनाया जा सकता है जो दोनों हेड्स और टेल्स परिदृश्यों में हानि सुनिश्चित करता है।

महत्व और दावे

शोध पत्र स्लीपिंग ब्यूटी समस्या को हल करने का दावा करता है, जो एजेंट की संभावना (credence) को अमूर्त संभाव्यता अपडेटिंग के बजाय तर्कसंगत धन प्रबंधन के आधार पर स्थापित करता है।

• EV स्थिरीकरण का खंडन: शोध पत्र का दावा है कि अपूर्ण स्मृति और क्रमिक सट्टेबाजी वाले मामलों में अपेक्षित प्रतिफल को अधिकतम करने का मानक अनुमान गलत है।
• थिरडर स्थिति का सत्यापन: यह थिरडर स्थिति के लिए एक निर्णय-सैद्धांतिक औचित्य प्रदान करता है, यह दिखाते हुए कि धन की वृद्धि दर को अधिकतम करना स्वाभाविक रूप से $1/3$ का 'हेड्स' हेतु credence की ओर ले जाता है।
• मजबूती (Robustness): थिरडर स्थिति को प्रस्तावित धन-अधिकतमीकरण ढांचे के तहत "डच बुक्स से अप्रतिबंधक" (impervious to Dutch books) दिखाया गया है, जबकि हाफ़र स्थिति असुरक्षित बनी रहती है।

लेखक निष्कर्ष निकालते हैं कि "स्लीपिंग केली" (एक तर्कसंगत धन अधिकतम करने वाली स्लीपिंग ब्यूटी) एक थिरडर है, और यही एकमात्र स्थिति है जो क्रमिक सट्टेबाजी वातावरण में दिवालिया होने से बचने के लिए सुसंगत है।