📈 economics

Cross-Validation Equilibrium

本論文は、プレイヤーが、アウトオブサンプル誤差を最小化するために内生的な訓練データに基づいて予測モデルを選択する機械学習エージェントに信念形成を委任し、それによって陪審員の投票や投機的ベッティングといったゲームにおける均衡結果に影響を与える戦略的枠組みである「クロスバリデーション平衡（Cross-Validation Equilibrium）」の概念を導入し、分析するものである。

原著者： Ran Spiegler, Stephan Waizmann

公開日 2026-06-12

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Ran Spiegler, Stephan Waizmann

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

人々が単に自分の直感や論理に基づいて意思決定を行うのではなく、代わりに「デジタルアシスタント」（機械学習エージェント）を雇って、何が起きているのかを解明しようとする世界を想像してみてください。これが、Ran SpieglerとStephan Waizmannによる論文**「Cross-Validation Equilibrium（交差検証平衡）」**の核心となるアイデアです。

以下は、日常的な例えを用いた、彼らが研究している内容の簡単な解説です。

設定：「デジタルアシスタント」のジレンマ

通常のゲーム（ビジネス競争や陪審員裁判など）では、プレイヤーは他者が何をしようとしているかを推測しようとします。しかし、この論文では、プレイヤーは直接推測するのではなく、結果を予測するためのモデルを構築するために、自身のAIアシスタントに依頼します。

ここにひねりがあります：AIの学習データは、プレイヤー自身の行動から生成されるという点です。

次のように考えてみてください：

あなたは、顧客が何人来るかを予測しようとしているシェフです。
あなたのAIアシスタントは、「トレーニング・サンプル」（過去の顧客数のリスト）を見て、予測モデルを構築します。
落とし穴： その顧客数のリストは、自分自身のAIアシスタントを使って、どれくらいの顧客が来るかを予想していた「他のシェフたち」によって生成されたものです。
これはループになっています。あなたのAIは、あなたと他者が作り出した世界から学び、そしてあなたはAIが教えてくれることに基づいて行動します。

核となる概念：「Cross-Validation Equilibrium（交差検証平衡）」

この論文は、これらのゲームにおける新しい「安定した状態（平衡状態）」の探し方を導入しています。彼らはこれを**Cross-Validation Equilibrium（交差検証平衡、以下CVE）**と呼んでいます。

例え：学生と抜き打ちテスト
学生（AI）が主題を学ぼうとしている場面を想像してください。

学習（Training）： 学生は特定のノート（トレーニング・サンプル）を読み込みます。
テスト（Testing）： 本当に理解できているかを確認するために、学生は新しい問題（検証サンプル）に対して「抜き打ちテスト」を受けます。
目標： 学生の目的は、単にノートを完璧に暗記することではなく、抜き打ちテストで最高得点を取れるような「学習方法（モデル）」を選ぶことです。

この論文の世界では：

プレイヤーのAIエージェントは、情報の異なる「グループ化の方法（パーティション）」を検討します。
彼らは、新しいデータ（アウト・オブ・サンプル）を予測する際に、最も間違いが少なくなるグループ化を選択します。
AIが最適なグループ化を選択すると、人間のプレイヤーはその予測に基づいて行動します。
データにはノイズ（ランダムな変動）が含まれるため、AIは毎回異なるグループ化を選択する可能性があり、それがランダムな挙動につながります。「平衡（Equilibrium）」とは、これら一連のランダムな選択の平均的な結果のことです。

主な知見（「それが何を意味するか？」）

著者らは、このシナリオをいくつかのゲームに適用して、何が起こるかを検証しています。主なポイントは以下の通りです。

1. ノイズは事態を混乱させ、（時にはさらに悪化）させる
AIが見ているデータが「ノイズが多い（エラーやランダムな変動が多い）」場合、AIは詳細なモデルよりも「粗い（単純な）」モデルの方が優れていると判断することがあります。

例え： 気温を予測しようとしているのに、温度計が故障してガタガタ動いている場合、あなたは時間ごとの気温を予測することを諦め、「だいたい暖かいはずだ」とだけ推測するようになるかもしれません。
結果： ビジネス競争（企業の価格設定など）において、このノイズは、全員が合理的に行動していた場合よりも、価格や数量を激しく変動させることがあります。

2. 「チーム努力」のパラドックス
プレイヤーが互いに助け合うゲーム（チームプロジェクトなど）において、著者らは驚くべき発見をしました：複数の安定した結果が存在し得るということです。

例え： 2人の人が車を押そうとしているとします。もし両者が「強く押す必要がある」と考えれば、強く押します。もし両者が「これは大変すぎる、手を抜こう」と考えれば、手を抜きます。
結果： 通常のゲーム理論が通常は一つの明確な結果を予測するのに対し、このAI主導の設定では、AIがノイズの多いデータをどう解釈するかによって、「低努力のループ」または「高努力のループ」のどちらかに陥ることがあります。

3. 「コントロールの錯覚」
ある特定の例では、AIがプレイヤーに対して、客観的に見て不利益となる行動をとらせる場合があります。

例え： あるギャンブラーが、「ラッキーシャツを着ていることが勝利の原因だ」と考えているとします。データはランダムですが、AIは偶然「シャツを着ること」と「勝利」が同時に起きたパターンを見つけ出します。AIはプレイヤーに「そのシャツを着ろ！」と指示し、プレイヤーはそれを行います。しかし、実際にはそのシャツは何の影響も持っていません。
結果： プレイヤーは、自分の行動が好ましい結果をもたらすとAIが誤って信じ込んだために、コストのかかる行動をとってしまう可能性があります。

4. 「賢さ」が必ずしも勝つわけではない
ベッティング・ゲームにおいて、この論文は、完璧で詳細なモデルを使うことを強制されたプレイヤーが、より「粗い（単純な）」モデルの使用を許されたプレイヤーに対して、資金を失う可能性があることを示しています。

例え： ノイズの多い部屋の中で、一言一句を聞き取ろうとする人（詳細なモデル）は、雑音に混乱してしまいます。一方で、全体の雰囲気だけを聞こうとする人（粗いモデル）は、実は会話をより正確に理解し、賭けに勝つことができます。
結果： データが乱れている場合、細部を無視すること（単純化すること）が、より優れた戦略になることがあります。

まとめ

この論文は、私たちが世界の理解のためにAIに意思決定を委ねるとき、私たちは新しい種類のゲームに入ることになると主張しています。AIは、より単純なモデルを選択することで「過学習（ノイズの暗記）」を避けようとしますが、この単純化が以下のような事態を招く可能性があります：

市場価格の激しい変動。
同じゲームに対して複数の可能な結果。
プレイヤーが自分自身の思考に基づいていた場合には行わないようなミス。
時には、「賢い」モデルが「愚かな」モデルに負けること。

これは、世界を理解するためのツールが、予期せぬ形で世界そのものを変えてしまう仕組みについての研究なのです。

技術的要約：交差検証均衡（Cross-Validation Equilibrium）

1. 問題提起

本論文は、不完全情報下の静的なベイズゲームに予測的機械学習（ML）を統合することによる戦略的含意を扱う。多くの経済的設定（例：クレジットスコアリング、司法リスク評価）において、人間の意思決定者は、予測的信念の形成をMLアルゴリズムに委任する。これらのアルゴリズムは、ゲーム自体の均衡分布から抽出されたランダムな訓練サンプルに基づき、モデルを構築する。

核心となる問題は、以下の条件下での均衡結果を特徴付けることである：

プレイヤーが信念形成を「MLエージェント」に委任する。
MLエージェントは、ノイズを含む内生的な訓練サンプルに基づき、予測モデル（プレイヤーのタイプから報酬に関連するアウトカムへの写像）を選択する。
モデル選択基準は、**交差検証（cross-validation）**を模倣する。すなわち、エージェントは期待されるアウトオブサンプル平均二乗予測誤差を最小化するモデルを選択する。
その後、プレイヤーは選択されたモデルによって生成された信念に対して最善反応を行う。

著者らは、プレイヤーの行動とML生成予測モデルとの間の内生的な繋がりが、標準的な均衡概念であるナッシュ均衡（NE）をどのように変化させるかを理解しようとしている。

2. メソドロジーおよびモデルの枠組み

ゲームの構造

著者らは、わずかに非標準的なベイズゲームを定式化している：

プレイヤー: $N = \{1, \dots, n\}$ 。
状態とタイプ: 状態集合 $\Theta$ およびタイプ集合 $T_i$ 。
利得: プレイヤー $i$ の効用 $u_i(a_i, t_i, x_i)$ は、スカラーの報酬関連アウトカム $x_i$ に関して連続かつ線形である。アウトカム $x_i$ は、状態と相手の行動の関数である（ $x_i = f_i(\theta, a_{-i})$ ）。
訓練サンプル: 固定された戦略プロファイル $\sigma_{-i}$ に対して、プレイヤー $i$ の真の期待アウトカムは $\bar{x}^\sigma_i(t_i)$ である。MLエージェントは、以下のノイズを含む訓練サンプルを観測する：
$y_{t_i} = \bar{x}^\sigma_i(t_i) + \varepsilon_{t_i}$
ここで、 $\varepsilon_{t_i}$ はゼロを中心に対称な独立同一分布（i.i.d.）のノイズ項である。

MLエージェントのタスク

MLエージェントは、実現可能な集合 $\mathcal{P}_i$ から、タイプ空間 $T_i$ の分割（partition） $\Pi_i$ を選択する。

予測: 各分割セル $\pi(t_i)$ 内において、エージェントはそのセル内の訓練サンプルの加重平均を用いてアウトカムを予測する。
選択基準: エージェントは、期待アウトオブサンプル平均二乗予測誤差を最小化する分割を選択する。これには、独立したノイズ $\eta$ を伴う検証サンプルが含まれる。エージェントは、多くの潜在的な検証サンプルにわたる分割のパフォーマンスを評価する。
バイアス・バリアンスのトレードオフ: 選択プロセスは、自然にバイアス（粗い分割）とバリアンス（細かい分割）のバランスを取る。訓練サンプルのノイズが高い場合、バリアンスを抑えるために粗い分割が選択される可能性がある。

定義：交差検証均衡（Cross-Validation Equilibrium: CVE）

戦略プロファイル $\sigma$ が**交差検証均衡（CVE）**であるとは、すべてのプレイヤー $i$ とすべての訓練サンプルの実現 $\varepsilon_i$ に対して、以下を満たすことである：

MLエージェントは、 $\varepsilon_i$ および相手の戦略に基づき、期待アウトオブサンプル予測誤差を最小化する分割 $\Pi_i$ を選択する。
プレイヤーは、選択された分割 $\Pi_i$ によって誘導される信念に対して、純粋戦略 $g_i(t_i)$ を選択し、それが最善反応である。
プレイヤーの混合戦略 $\sigma_i$ は、訓練サンプルの実現確率によって重み付けされた、これら適合する（分割、戦略）ペアの混合である。

3. 主要な理論的結果

存在性と収束

存在性: 著者らは、戦略プロファイルと分割の分布を自身に写像する対応関係を用いた不動点引数を用いて、あらゆる有限ゲームにおいてCVEが存在することを証明している。
ABEEへの収束: 訓練サンプルのノイズが消失する場合（ $\text{Var}(\varepsilon) \to 0$ ）、一連のCVEの極限点は、最も細かい実現可能な分割に関する類推ベースの期待（ABEE）（Jehiel, 2005）に収束する。
NEへの収束: 最も細かい実現可能な分割がシングルトン分割（すべてのタイプを区別するもの）である場合、ノイズが消失するとCVEはナッシュ均衡（NE）に収束する。

モデル選択の特性

選択されたモデルの不偏性: 重要な技術的結果（命題4）は、選択された分割を条件としたときの期待訓練サンプルノイズはゼロであることである。これは、選択基準（二次損失における期待アウトオブサンプル誤差の最小化）とノイズ分布の対称性により、選択プロセスがノイズを系統的にバイアスさせないためである。
過学習の回避: 十分統計量が粗い分割に関して測定可能である場合、MLエージェントは厳密に細かい分割を選択することはほとんどない。なぜなら、細かい分割はバイアスを減少させることなくバリアンスのみを増加させるからである（命題3）。
分割選択ルール: 二値の設定（細かい分割 vs 粗い分割）において、細かい分割が選択されるのは、実現した訓練サンプルノイズの分散が十分統計量の分散よりも小さい場合のみである（命題5）。

4. 応用と経済的含意

論文では、CVEをいくつかの具体的なゲームに適用し、ナッシュ均衡との定性的な違いを示している。

A. 二次利得ゲーム（クールノー競争およびチーム努力）

戦略的代替性（クールノー競争）: 対称的なクールノー競争において、対称的なCVEにおける数量および価格の揮発性は、訓練サンプルノイズの分散とともに増加する。これは、ノイズの多いサンプルは粗い分割を選択しやすく、戦略的代替性の下では、粗い信念（状態の変動に対して過小反応する信念）がプレイヤーによる増幅された反応を引き起こすためである。
戦略的補完性（チーム努力）: チーム努力ゲームにおいて、CVEは、基礎となるゲームが唯一のナッシュ均衡を持つ場合でも、複数の均衡を示すことがある。この多重性は、信念の揮発性が分割の選択に依存しており、かつ、その揮発性が細かい分割を選択する確率を増加させることから生じる。
不連続性: 任意に小さいノイズであっても、チーム努力ゲームにおけるCVEはナッシュ均衡とは不連続に異なり、期待利得の低下をもたらす可能性がある。

B. 全会一致投票（陪審員モデル）

二人のプレイヤーによる陪審員モデルでは、内生的なモデル選択によって、効率的なナッシュ均衡と比較して、改革に賛成する確率が高くなることがある。訓練サンプルのノイズが粗い分割の選択を誘発し、情報の集約が行われることで、合理的で細かい信念の下での場合よりも、プレイヤーが「イエス」と投票する可能性が高まる。

C. 投機的賭け

ゼロサムの賭けゲームにおいて、「正しい」細かい分割に制限されているプレイヤーは、両方の細かい分割と粗い分割にアクセスできる相手よりも低い期待利得を受ける可能性がある。相手は、ノイズの実現が逆方向であるときに戦略的に粗い分割を選択することで、実質的にノイズを平均化して正しい信念を形成し、制限されたプレイヤーを搾取することができる。これは、より多くの情報（あるいは正しいモデル）を持つことが常に優位であるという直感に挑戦するものである。

D. 制御の錯覚

著者らは、状態と行動の結合空間の分割を許容するようにフレームワークを拡張している。彼らは、プレイヤーが正の確率で厳密に支配される行動を選択するシナリオを示している。この「制御の錯覚」は、MLエージェントが、成功したアウトカムをプレイヤー自身の行動に誤って帰属させるモデルを時折選択することで発生し、その結果、プレイヤーは自身の行動が因果関係を持つと信じるようになる。

5. 重要性と貢献

本論文は、以下の分野に貢献することを主張している：

戦略的ML: 強化学習（例：Calvano et al., 2020）が長期的な学習ダイナミクスに焦点を当てているのに対し、本論文は、人間のプレイヤーのための予測モデルをMLエージェントが構築する静的なゲームに焦点を当てている。
非合理的信念形成: 本論文は、主観的均衡概念（例：Jehiel, 2005; Eyster and Rabin, 2005）の文献を、内生的かつランダムなモデル選択を導入することで拡張している。分割が固定されているか外生的に与えられる従来のモデルとは異なり、CVEは交差検証基準に基づいて内生的に選択される分割を特徴とする。
内生的データ: 訓練データが均衡に内生的である場合、MLモデル選択に固有の「バイアス・バリアンスのトレードオフ」が戦略的変数となり、複数の均衡、揮発性の増大、およびノイズが僅かであっても合理的ベンチマークから大きく逸脱した結果をもたらす可能性があることを強調している。

著者らは、結果が、期待アウトオブサンプル二乗誤差を最小化するという特定の基準と、ノイズの対称性に依拠していることを強調している。また、利得の線形性が、十分統計量をスカラーにすることを可能にし、ABEEへの連結を容易にしているという簡略化された仮定についても述べている。