Delta-Epsilon-Common Knowledge and Quantitative Agreement Theorems

Technische Samenvatting: Delta-Epsilon-Gemeenschappelijke Kennis en Kwantitatieve Overeenstemmingstellingen

Probleemstelling
Vijftig jaar na het baanbrekende werk van Aumann staat het vakgebied van gemeenschappelijke kennis en overeenstemmingstellingen voor twee primaire beperkingen in de praktische toepassing. Ten eerste omvatten real-world scenario's vaak "bijna" gemeenschappelijke kennis in plaats van de strikte, binaire gemeenschappelijke kennis die door Aumann wordt gedefinieerd. Ten tweede zijn bestaande generalisaties van Aumanns Overeenstemmingstelling — specifiek de beweging van tellbare waarschijnlijkheidsruimten naar algemene (ontoelbare) ruimten en van gebeurtenissen naar willekeurige variabelen (zoals gedaan door Nielsen) — niet adequaat gecombineerd met het concept van benaderende kennis. Hoewel eerdere literatuur (bijv. Monderer en Samet, Geanakoplos, Morris) benaderende overeenstemming heeft behandeld via "gemeenschappelijke $p$-overtuiging", zijn deze resultaten grotendeels beperkt tot tellbare waarschijnlijkheidsruimten. Er is behoefte aan een raamwerk dat de afstand tot gemeenschappelijke kennis kwantificeert, toepasbaar op algemene waarschijnlijkheidsruimten en willekeurige variabelen, met name in situaties die betrokken zijn bij ruisgevoelige communicatie.

Methodologie
De auteurs introduceren een nieuw raamwerk voor het kwantificeren van benaderende gemeenschappelijke kennis, getiteld $(\delta, \varepsilon)$-gemeenschappelijke kennis, gedefinieerd op gebeurtenissen binnen algemene waarschijnlijkheidsruimten $(\Omega, \mathcal{F}, P)$. De methodologie steunt op twee relaxaties van elementaire verzammingstheoretische en maattheoretische begrippen:

1. $\delta$-bijna-inhoud in een $\sigma$-algebra: Een gebeurtenis $B$ is $\delta$-bijna in een $\sigma$-algebra $\mathcal{G}$ als er een $G \in \mathcal{G}$ bestaat waarvoor $P(B \triangle G) \leq P(B)\delta$.
2. $\varepsilon$-bijna-inhoud in een gebeurtenis: Een gebeurtenis $B$ is $\varepsilon$-bijna een deelverzameling van $A$ als $P(B \setminus A) \leq P(B)\varepsilon$.

Het artikel definieert kennis en gemeenschappelijke kennis "op een gebeurtenis $B$" in plaats van op een specifieke toestand $\omega$. Deze benadering maakt het mogelijk om om te gaan met nulverzamelingen en continue modellen waarin exacte kennis van specifieke posterieure waarden vaak onmogelijk is. De auteurs maken gebruik van conditionele varianties om de "nabijheid" van het kennen van een willekeurige variabele te kwantificeren, waarmee zij het werk van Nielsen uitbreiden. Tevens gebruiken zij de metriek $d(\mathcal{G}_1, \mathcal{G}_2)$ tussen $\sigma$-algebra's (gebaseerd op Rogge) om continuïteitseigenschappen van conditionele verwachtingen vast te stellen.

Belangrijkste Bijdragen en Resultaten

1. Benaderende Gemeenschappelijke Kennis van een Gebeurtenis
Het artikel stelt vast dat de op $\sigma$-algebra gebaseerde definitie van $(\delta, \varepsilon)$-gemeenschappelijke kennis equivalent is aan zowel een hiërarchische definitie (wederzijdse kennis van wederzijdse kennis) als een afwisselende hiërarchische definitie (individu 1 weet, individu 2 weet dat individu 1 weet, enzovoort). Dit generaliseert de oorspronkelijke equivalentie-bewijzen van Aumann naar de benaderende setting.

• Kwantitatieve Overeenstemmingstelling (Theorem 3.12 & 3.15): De auteurs bewijzen dat als twee individuen $(\delta, \varepsilon)$-gemeenschappelijke kennis hebben van hun posterieuren (voor een gebeurtenis of een willekeurige variabele $X \in [0,1]$) binnen specifieke intervallen, de afstand tussen hun posterieuren uniform begrensd is. Specifiek, als de posterieuren $(\delta, \varepsilon)$-gemeenschappelijke kennis zijn, is het verschil $|q_1 - q_2|$ begrensd door $\frac{2\delta + \varepsilon}{1 + \delta}$. Dit resultaat geldt voor algemene waarschijnlijkheidsruimten, in tegenstelling tot eerdere resultaten gebaseerd op gemeenschappelijke $p$-overtuiging die beperkt waren tot tellbare ruimten.
• Relatie met Gemeenschappelijke $p$-overtuiging: Het artikel biedt expliciete conversieformules (Proposities 3.18 en 3.19) tussen $(\delta, \varepsilon)$-gemeenschappelijke kennis en zwakke gemeenschappelijke $p$-overtuiging, waarmee wordt aangetoond dat de twee concepten uitwisselbaar zijn qua toepasbaarheid, hoewel $(\delta, \varepsilon)$-gemeenschappelijke kennis een robuustere structurele equivalentie biedt in algemene ruimten.

2. Benaderende Gemeenschappelijke Kennis van een Willekeurige Variabele
Ter uitbreiding van het werk van Nielsen definiëren de auteurs $(\delta, \varepsilon)$-gemeenschappelijke kennis voor willekeurige variabelen met behulp van conditionele varianties. Een willekeurige variabele $X$ is $(\delta, \varepsilon)$-gemeenschappelijke kennis op $B$ als $B$ $\delta$-bijna in beide individuen's $\sigma$-algebra's zit en de conditionele variantie van $X$ gegeven de beperkte $\sigma$-algebra begrensd is door $\varepsilon$.

• Overeenstemmingstelling voor Willekeurige Variabelen (Theorem 4.21): Het artikel bewijst dat als de posterieuren van een willekeurige variabele $X$ $(\delta, \varepsilon)$-gemeenschappelijke kennis zijn op een gebeurtenis $B$, de $L^2$-afstand tussen de posterieuren op $B$ begrensd is door een functie van $\delta$ en $\varepsilon$:
  $$E_{P_B}[(E[X|\mathcal{G}_1] - E[X|\mathcal{G}_2])^2] \leq 64\delta \|X\|_{L^\infty}^2 + 4\sqrt{\varepsilon} \|X\|_{L^\infty}$$
  Dit resultaat generaliseert de overeenstemmingstelling van Nielsen naar benaderende settings.

3. Dynamische Benaderende Overeenstemming
De auteurs breiden de dynamische overeenstemmingsresultaten van Geanakoplos en Polemarchakis en Nielsen uit naar ruisgevoelige settings.

• Convergentie met Ruis (Theorem 5.2): In een dynamische setting waar individuen informatie over de tijd uitwisselen, als de conditionele variantie van de posterieure van één individu gegeven de toekomstige informatie van de ander convergeert naar $\varepsilon$ (benaderende gemeenschappelijke informatie), dan is de $L^2$-afstand tussen hun limiterende posterieuren begrensd door $2\sqrt{\varepsilon \text{Var}(X)}$.
• Toepassing op Ruisgevoelige Communicatie (Example 5.4): Het artikel illustreert dit met een scenario waarin individuen hun posterieuren communiceren via een kanaal met uniform begrensde variantie-ruis. Het resultaat garandeert dat de onenigheid bij oneindig wordt gecontroleerd door enkel de ruisvariantie $\varepsilon$, zonder aannames te doen over de vorm van de ruisverdeling.

Betekenis
Het artikel claimt zijn betekenis primair door de conceptuele generalisatie en kwantitatieve precisie:

1. Algemene Waarschijnlijkheidsruimten: In tegen tegenover de voorgaande werken over benaderende overeenstemming (bijv. Monderer en Samet, Geanakoplos, Morris) die vertrouwden op tellbare ruimten, gelden deze resultaten voor willekeurige waarschijnlijkheidsruimten, wat ze toepasbaar maakt voor continue modellen en oneindige type-ruimten in Bayesiaanse spellen.
2. Verenigd Raamwerk: Het verenigt de studie van benaderende kennis voor zowel gebeurtenissen als willekeurige variabelen onder één $(\delta, \varepsilon)$-raamwerk, waarbij de equivalentie tussen $\sigma$-algebra definities en hiërarchische definities behouden blijft.
3. Robuustheid: De resultaten bieden expliciete kwantitatieve grenzen aan onenigheid, wat aantoont dat substantiële onenigheid onmogelijk is, zelfs wanneer gemeenschappelijke kennis slechts benaderend is. Dit is bijzonder relevant voor het modelleren van real-world scenario's met ruisgevoelige communicatie, waarbij exacte gemeenschappelijke kennis onbereikbaar is.

De auteurs hanteren een bescheiden toon en merken op dat hoewel de constanten in de grenzen mogelijk niet nauwkeurig (tight) zijn, de existentie van dergelijke grenzen in algemene ruimten en het vermogen om te converteren tussen verschillende notionen van benaderende kennis de kern van de theoretische vooruitgang vormen.