Co-evolution of social reward and punishment under institutional interventions

誰もが仲良くしようとしているけれど、そこには裏切りの誘惑が忍び寄っている、そんな世界を想像してみてください。これは、進化ゲーム理論の分野における有名なパズル、「囚人のジレンマ」です。これは、全員が公平に役割を果たせば全員が「A」をもらえるグループプロジェクトのようなものです。しかし、もし他の人が一生懸命働いている間に、自分だけ手を抜けば、タダ乗りしてさらに良い成績を得ることができ、一方で働き手たちは悪い成績を取ることになります。現実の世界でも、これは至る所で起こっています。隣人同士のゴミ出しの分担から、汚染を防ごうとする国家の問題まで、あらゆる場面で見られます。大きな疑問は、科学者たちが何十年もの間問い続けてきたことです。どうすれば裏切り者を阻止し、全員を協力へと導けるのでしょうか？

通常、私たちはこれを解決するための2つの主要な方法があると考えています。1つ目は「同調圧力」で、一般の人々が怠け者を罰したり、働き手に報酬を与えたりすることです。2つ目は「制度的権力」で、政府や審判のような存在が介入して、罰金を科したりボーナスを与えたりすることです。しかし、これらを混ぜ合わせたらどうなるでしょうか？もし政府が、すでに互いに監視し合おうとしている人々を規制しようとしたらどうなるのでしょうか？それは助けになるのでしょうか、それとも混沌とした混乱を招くのでしょうか？この論文は、数学とコンピュータ・シミュレーションを用いて、報酬と罰の異なる組み合わせが集団全体の行動をどのように変えるのかを検証することで、まさにその問いに切り込んでいます。

研究者たちは、4種類のキャラクターが存在するデジタル世界を設定しました。協力者（常に公平に振る舞う）、裏切り者（常に裏切る）、社会的処罰者（公平なプレイヤーだが、裏切り者に罰を与えるために少額の費用を支払う）、そして社会的報酬者（公平なプレイヤーだが、他の公平なプレイヤーにボーナスを与えるために少額の費用を支払う）です。彼らはその後、これらのグループが2つの異なる設定において、どのように生存競争を行うかを観察しました。1つは、全員がランダムに全員と交流する「混合型」の群衆、もう1つは、巨大なチェッカーボードのように、自分のすぐ隣の隣人とだけ交流する「構造化された」近隣地域です。

以下が彼らの発見であり、それは予想とは少し異なる展開を見せます。

まず、人々が自律的に監視を行う場合についてですが、罰を与えることは、人々を協力させるための強力な手段となります。もし裏切り者を阻止したいのであれば、罰金を科そうとする隣人がいることが最も効果的です。しかし、報酬を与えることは、全体的な幸福感のための「秘策」となります。罰を与えることは裏切り者を阻止しますが、罰金を科すこと自体にコストがかかるため、社会全体の「社会的厚生（社会全体の幸福度）」を低下させます。一方で、報酬を与えることは、価値を損なうことなく価値を付加するため、長期的には社会をより豊かにします。

次に、「制度（審判）」の役割について考えてみましょう。論文では、制度が直接お金を配ったり罰金を科したりする場合のテストを行いました。

朗報： もし制度が協力を促進したいのであれば、最善の策は執行者を補助することです。社会的処罰者や社会的報酬者に多額の資金を与えることで、彼らを強化し、グループ全体の協力を高めることができます。これは、政府が地域防犯隊に助成金を与えるようなもので、彼らが職務をより良く遂行する助けとなります。

悲報： もし制度が、単なる協力者（罰も報酬も与えない、ただの「いい人」）に対して直接お金を与えようとしても、それは実質的に何の意味も持ちません。それは、授業中にただ座っているだけで誰の助けにもなっていない生徒にボーナスを与えるようなもので、ダイナミクスを変えることはありません。論文は、裏切りを阻止することが目的であれば、こうした「平凡な」協力者を補助することは予算の無駄であると示唆しています。

悲劇的な間違い： 制度が犯しうる最も危険な間違いは、執行者を罰することです。論文によれば、もし政府が社会的処罰者や社会的報酬者を罰し始めた場合、システム全体が崩壊します。これは、警察が泥棒を止めようとしている地域防犯隊を逮捕するようなものです。人々がルールを執行しようとする者を罰すると、ルールは消滅し、裏切り者が支配し、結果として全員がより悪い状況に陥ります。論文は、協力を最大化することが必ずしも社会的厚生を最大化することにはならないと明確に主張しています。高い協力度を実現していても、重い罰のコストがかかっているシステムは、社会にとって純粋な損失となることがあるのです。

「裏切り者」の問題： 驚くべき発見の一つは、最高の政策を講じたとしても、裏切り者が完全に消え去ることは稀であるという点です。シミュレーションにおいて、彼らは通常、集団の中に居座り続けます。制度の目標は、彼らを完全に根絶すること（これはモデル上、不可能であるように見えます）ではなく、どの戦略の組み合わせが彼らと共存しつつ、社会全体の厚生を高く保てるかを見極めることにあります。

結局のところ、この研究は、もしあなたが壊れた社会を修復しようとしているリーダーであるなら、単に「いい人」にお金を投げつけるのではなく、平和を維持するために積極的に動いている人々（処罰者や報酬者）を支援すべきであると示唆しています。そして、何があっても、平和を守る人々を罰してはいけません。もしそうすれば、裏切り者が勝利し、善人が去り、地域全体が荒廃した場所へと変わってしまうでしょう。論文はコンピュータ・シミュレーションを用いてこれらのパターンを明確に示しており、完全な協力は強制できずとも、裏切り者を抑制し、全体の幸福度を高く保つシステムを設計することは可能であると結論づけています。