Honesty, Stigma, and Cooperation in an Overlapping-Generations Game

당신이 낯선 이와 단 두 번의 게임을 할 기회만 주어지는 세상을 상상해 보십시오. 첫 번째 라운드에서 당신은 '새내기'이고, 두 번째 라운드에서는 '베테랑'입니다. 당신은 결코 같은 사람을 두 번 만나지 않으며, 장기적인 우정도, 반복되는 악수도 없습니다. 이것이 바로 사람들이 자신의 성공이 타인의 행동에 달려 있을 때 어떻게 결정을 내리는지를 연구하는 학문인 게임 이론(Game Theory)의 설정입니다. 여기서 핵심 아이디어는 '평판'입니다. 만약 당신이 사기꾼으로 알려진다면, 사람들은 나중에 당신을 좋지 않게 대할 것입니다. 하지만 당신의 '사기 행위'가 오직 바로 다음에 만나는 사람만이 볼 수 있는 단순한 한 단어의 경고 라벨로 기록된다면 어떻게 될까요? 군중 속에 '착한 사람들'이 조금 더 있다고 해서 항상 모두가 더 협조적으로 변할까요, 아니면 때로는 역효과를 낼 수도 있을까요? 이 논문은 바로 그 질문을 던지며, 사람들이 그저 스쳐 지나가는 동안에도 아주 작은 기억력이 어떻게 사회를 정직하게 유지할 수 있는지 탐구합니다.

저자인 데이비드 리(David Li)와 게오르기 루키아노프(Georgy Lukyanov)는 이를 테스트하기 위해 수학적 놀이터를 설정했습니다. 그들은 정확히 두 시기, 즉 '젊은 시절'과 '늙은 시절'을 살아가는 에이전트들로 구성된 인구 집단을 상상합니다. 젊을 때, 그들은 노인 에이전트를 만납니다. 만약 젊은 에이전트가 속임수(배반)를 쓰고 노인 에이전트가 친절하게 행동(협력)한다면, 젊은 에이전트는 '낙인(stigma)'을 받게 됩니다. 이는 그들의 기록에 남는 영구적인 검은 낙인입니다. 그 에이전트가 자라나 노인이 되었을 때, 그들의 새로운 파트너(새로운 젊은 에이전트)는 이 낙인을 볼 수 있습니다. 만약 기록이 '깨끗하다면', 새로운 파트는 협조적인 태도를 취할 수도 있습니다. 반대로 낙인이 있다면, 그 파트는 반드시 보복하여 속일 것입니다.

등장인물들은 두 가지 유형으로 나뉩니다. 첫째, 정직한(Honest) 유형입니다. 이들은 마치 도덕적 나침반이 프로그래밍된 로봇과 같습니다. 상대가 깨끗하면 협력하고, 상대에게 낙인이 있으면 속입니다. 이들은 계산하지 않고 그저 규칙을 따릅니다. 둘째, 전략적인(Strategic) 유형입니다. 이들이 바로 실제 세상의 플레이어들입니다. 이들은 자신의 점수를 극대화하고 싶어 합니다. 이들에게는 협력했다가 속임을 당했을 때 느끼는 비밀스러운 '고통 수준(개인적인 손실)'이 있습니다. 만약 이 고통이 너무 크다면, 이들은 친절을 베푸는 위험을 감수하지 않을 것입니다. 하지만 고통이 낮다면, 자신이 노인이 되었을 때 친절하게 대접받기를 바라며 젊을 때 기록을 깨끗하게 유지하기 위해 협력할 수도 있습니다.

가장 큰 질문은 이것입니다: 이 두 유형의 혼합이 전체 시스템에 어떤 영향을 미치는가? 직관적으로는, 정직한 사람들이 더 많으면 항상 좋은 일이라고 생각할 수 있습니다. 착한 사람들이 더 많다면, 분명 모두가 더 친절해지겠죠, 그렇지 않을까요? 이 논문은 그러한 직관이 절반만 맞으며, 나머지 절반은 놀라울 정도로 까క다롭다는 것을 증명합니다.

연구진은 시스템이 하나의 '컷오프(cutoff)' 규칙으로 수렴한다는 것을 발견했습니다. 전략적 에이전트들은 자신의 비밀 고통 수준이 특정 수치 미만일 때만 협력하기로 결정합니다. 고통이 더 높다면 그들은 속임을 씁니다. 논문은 '깨끗한' 기록이 실제로 강력한 필터 역할을 한다는 점을 보여줍니다. 정직한 에이전트들은 (이미 낙인이 찍힌 사람에게만 속임을 쓰므로) 결코 낙인을 받지 않기 때문에, 깨끗한 기록은 해당 에이전트가 정직할 가능성이 높다는 강력한 신호가 됩니다. 그러나 전략적 에이전트들은 정직한 사람을 속일 경우 낙인이 찍힐 수 있습니다. 즉, 젊은 에이전트가 깨끗한 기록을 볼 때, 그들은 일반적인 인구 집단보다 더 '순수한' 집단을 마주하고 있는 것입니다.

여기서 이야기가 흥미로워집니다. 논문은 속임수의 유혹이 매우 높은 특정한 시나리오를 식별합니다. 이 고위험 상황에서 수학은 세 가지 가능한 결과를 보여줍니다:

1. "모두 나쁜" 구석(The "All Bad" Corner): 모두가 속입니다. 아무도 서로를 믿지 않습니다.
2. "모두 좋은" 구석(The "All Good" Corner): 모두가 협력합니다. 신뢰가 높습니다.
3. "티핑 포인트(The Tipping Point/내부 평형 상태)": 이것은 이상한 중간 지점입니다. 여기서 수학은 기이한 현상을 보여줍니다: 정직한 사람의 수를 늘리는 것이 오히려 협력률을 낮춥니다.

어떻게 더 많은 선한 사람이 더 적은 협력을 불러올 수 있을까요? 저자들은 이 중간 지점이 불안정하다고 설명합니다. 그것은 마치 언덕의 맨 꼭대기에 균형을 잡고 있는 공과 같습니다. 만약 정직한 사람을 더 추가하면, '꼭대기'(티핑 포인트)는 더 낮아집니다. 즉, '모두 좋은' 영역으로 진입하기 위한 문턱은 낮아지지만, 현재 시스템이 머물러 있는 특정 지점(티핑 포인트)에서의 협력은 오히려 줄어듭니다. 모순적으로 들리겠지만, 저자들은 이것이 사회가 악화되는 불안정한 상태가 아님을 명시합니다. 그것은 단지 움직이는 경계선일 뿐입니다. 정직한 사람들이 더 많아지면 사회 전체가 고협력 상태로 뛰어오르기는 더 쉬워지지만, 수학적으로 그 특정 불안정한 지점 자체는 더 나빠 보이는 것입니다.

또한 이 논문은 규칙을 약간 변경하여 이 시스템이 얼마나 견고한지 테스트합니다.

• "최악의 상황" 시나리오: 만약 에이전트들이 수학을 믿지 않고 오직 발생할 수 있는 최악의 상황만을 걱정한다면 어떻게 될까요? 논문은 만약 에이전트들이 안전하게 행동하며 최악을 가정한다면, 모든 협력이 사라진다는 것을 발견했습니다. 착취당할지도 모른다는 공포가 보상에 대한 희망을 압도하여, 모두가 배반하게 됩니다.
• "지우개" 시나리오: 만약 낙인을 깨끗이 지울 수 있다면 어떨까요? 만약 다음 매치 전에 나쁜 기록이 지워질 가능성이 있다면, 정직하게 행동할 동기가 사라집니다. 논문은 기록이 충분히 자주 지워진다면 전략적 에이전트들은 항상 속임을 택할 것이라고 보여줍니다. 왜냐하면 속임수의 비용이 너무 낮아지기 때문입니다. 아주 약간의 '망각'만으로도 시스템은 약화됩니다.

결론적으로, 이 논문은 단순한 1비트 기록(깨끗함 대 낙인됨)이 놀라울 정도로 강력하다는 점을 시사합니다. 이는 장기적인 우정이나 복잡한 공동체 감시 없이도 행동을 규율할 수 있습니다. 하지만 이 시스템은 섬세합니다. 이는 기록이 한 번 얻어지면 더럽게 유지되어야 하고, 에이전트들이 '깨끗함'이라는 라벨이 실질적인 의미를 갖는다고 믿어야 한다는 점에 달려 있습니다. 만약 기록을 너무 자주 지워줌으로써 지나치게 관대해지거나, 에이전트들이 위험을 감수하기를 너무 두려워한다면, 신뢰의 메커니즘 전체가 무너질 것입니다. 교훈은 정직함이 나쁘다는 것이 아니라, 정직한 사람의 숫자만큼이나 평판 시스템의 '설계'가 중요하다는 것입니다.