On Rational Inattention with Arbitrary Choice Sets

1. Il Problema

Il lavoro si colloca nel campo dell'economia dell'informazione, specificamente nella teoria della Rational Inattention (RI) (Inattenzione Razionale).

• Contesto: Tradizionalmente, la RI è stata sviluppata per spazi di azione continui (Sims, 1998-2005) e successivamente adattata a insiemi di azioni finite (Matějka e McKay, 2015; Caplin, Dean e Leahy, 2019). In questi modelli, un agente massimizza l'utilità attesa meno il costo dell'informazione (misurato tramite l'entropia di Shannon o divergenza di Kullback-Leibler).
• La Sfida: Esiste una difficoltà fondamentale nella caratterizzazione della soluzione ottima per spazi di azione arbitrari (inclusi quelli continui). Sebbene si conosca la forma della probabilità condizionata ottima $P(\alpha|\omega)$ (una funzione logit moltiplicativa che dipende dalla distribuzione marginale ottima $P_\alpha$), la distribuzione marginale stessa è spesso priva di una forma chiusa, non è unica e la sua caratterizzazione è complessa.
• Obiettivo: L'autore mira a estendere il quadro della RI a insiemi di scelta arbitrari (spazi di Polish, inclusi quelli continui) riformulando il problema come un problema di Trasporto Ottimo Entropico (Entropic Optimal Transport - EOT), specificamente come un problema di Ponte di Schrödinger (Schrödinger Bridge - SB).

2. Metodologia

L'approccio metodologico si basa sulla connessione tra la massimizzazione dell'utilità netta del costo informativo e la teoria del trasporto ottimo regolarizzato.

• Riformulazione come Ponte di Schrödinger:
  Il problema della RI (eq. 2 nel paper) viene identificato come un caso particolare del Ponte di Schrödinger (SB). Mentre il SB standard cerca un accoppiamento $P$ tra due marginali fissi $\nu$ (azioni) e $\mu$ (stati) che massimizza un funzionale, la RI lascia libera la marginale delle azioni $\nu$.
  L'autore propone un approccio a due livelli ("Schrödinger bridgehead"):

  1. Problema Interno (Inner): Per una data distribuzione marginale delle azioni $\nu$, trovare il Ponte di Schrödinger ottimo $P \in \Pi(\nu, \mu)$ che massimizza l'obiettivo. Questo risolve il "matching" tra stati e azioni dato un vincolo marginale.
  2. Problema Esterno (Outer): Trovare la marginale ottima $\nu^*$ che massimizza il valore ottenuto dal problema interno.

• Potenziali di Schrödinger:
  Utilizzando la dualità del trasporto ottimo entropico, il problema viene analizzato attraverso i potenziali di Schrödinger ($a_\nu$ e $b_\nu$), che agiscono come moltiplicatori di Lagrange infinito-dimensionali.

  • $a_\nu(\alpha)$: Potenziale associato all'azione (margine di guadagno nel cambiare la distribuzione $\nu$).
  • $b_\nu(\omega)$: Potenziale associato allo stato (legato alla funzione di partizione statistica).

• Connessione con la Meccanica Statistica:
  Il paper sfrutta l'analogia formale tra la RI e la meccanica statistica, dove $\lambda$ è la temperatura, $-u$ è l'energia e l'informazione è l'entropia. L'obiettivo della RI è interpretato come la minimizzazione dell'energia libera media.

3. Risultati Chiave e Contributi

A. Estensione a Spazi Arbitrari

Il contributo principale è la dimostrazione che i risultati fondamentali della RI (ottenuti per spazi finiti da MM e CDL) sono casi particolari di risultati generali del trasporto ottimo entropico. Questo permette di trattare spazi di azione continui in modo rigoroso, validando l'idea che un agente con spazio continuo possa essere modellato come un agente con uno spazio discretizzato finemente.

B. Caratterizzazione della Distribuzione Marginale Ottima

L'autore dimostra che la ricerca della distribuzione marginale ottima $\nu$ può essere ridotta alla massimizzazione di una funzione più semplice, $f(\nu)$, definita come:
$$f(\nu) = \int \log \left( \int e^{u(\alpha, \omega)/\lambda} d\nu(\alpha) \right) d\mu(\omega)$$

• Teorema 9 e Corollario 9.1: $\nu$ massimizza il valore della RI ($V$) se e solo se massimizza $f$.
• Condizioni del Primo Ordine: La condizione di ottimalità per $\nu$ (Teorema 11, CDL) viene reinterpretata attraverso i potenziali di Schrödinger. La condizione di Kuhn-Tucker per $f$ è equivalente a dire che il potenziale di azione $a_\nu(\alpha)$ è:
  • Zero quasi ovunque sul supporto di $\nu$ (l'insieme di considerazione).
  • Non positivo altrove.
    Questo fornisce un'interpretazione economica chiara: non ci sono guadagni marginali nel riassegnare massa probabilistica ad azioni fuori dall'insieme di considerazione.

C. Interpretazione Economica dei Potenziali

• Potenziale di Azione ($a_\nu$): Rappresenta il guadagno marginale (derivata di Gateaux) nel riassegnare massa verso un'azione specifica $\alpha$. Nell'ottimo, questo deve essere nullo per le azioni considerate.
• Potenziale di Stato ($b_\nu$): Corrisponde al logaritmo della funzione di partizione $Z(\omega; \nu)$. Caratterizza le proprietà della scelta inattenta razionale e permette di calcolare i momenti condizionali dell'utilità (Teorema 14).

D. Algoritmo di Blahut-Arimoto e Sinkhorn

Il paper offre una nuova interpretazione dell'algoritmo di Blahut-Arimoto, comunemente usato per risolvere problemi di RI.

• Viene mostrato che l'algoritmo di Blahut-Arimoto è essenzialmente un algoritmo di scaling matriciale di Sinkhorn potenziato.
• Mentre Sinkhorn scala le righe e le colonne di una matrice per soddisfare due vincoli marginali fissi, Blahut-Arimoto aggiorna iterativamente la marginale delle azioni $\nu_n$ basandosi sul potenziale $a_{\nu_n}$.
• L'aggiornamento $\nu_{n+1}(\alpha) = \nu_n(\alpha) e^{a_{\nu_n}(\alpha)}$ può essere visto come una "discesa del gradiente" (o ascesa) nello spazio delle distribuzioni, dove il potenziale guida l'aggiornamento verso la direzione di maggior guadagno.

4. Significato e Implicazioni

1. Unificazione Teorica: Il lavoro unifica la teoria dell'Inattenzione Razionale con la moderna teoria del Trasporto Ottimo Entropico. Fornisce un quadro matematico solido che supera le limitazioni degli spazi finiti, permettendo l'analisi di modelli con azioni continue senza perdere la tracciabilità.
2. Nuova Interpretazione Economica: Sposta l'attenzione dalla complessa caratterizzazione della probabilità condizionata alla più gestibile caratterizzazione della distribuzione marginale e dei potenziali duali. I potenziali di Schrödinger non sono solo strumenti matematici, ma hanno un significato economico diretto (marginalità dei guadagni di matching).
3. Efficienza Computazionale: La connessione con l'algoritmo di Sinkhorn suggerisce che i metodi computazionali sviluppati per il trasporto ottimo (molto efficienti e scalabili) possono essere applicati direttamente alla risoluzione di problemi di RI complessi, anche in spazi continui.
4. Generalizzazione: Apre la strada a future ricerche che potrebbero utilizzare teorie di trasporto ottimo regolarizzato più generali per gestire funzioni di costo diverse dall'entropia di Shannon.

In sintesi, Engh dimostra che la "scatola nera" della distribuzione marginale nella RI può essere aperta e analizzata sistematicamente attraverso la lente del Ponte di Schrödinger, trasformando un problema di ottimizzazione complesso in una struttura di trasporto ottimo ben compresa, con ricadute sia teoriche che computazionali.