Revealed Bayesian Persuasion

想象一下，你正在观察一个人做出一系列选择。有时他们选择选项 A，有时选择选项 B。你确切地知道他们在不同情境下对每个选项的喜爱程度（即他们的“收益”），也知道这些情境发生的总体概率（即“先验”）。

这篇论文提出的核心问题是：这个人仅仅是基于已知信息做出选择，还是有另一个人秘密地向他们提供信息，以诱导他们走向特定结果？

在经济学领域，这个“另一个人”被称为发送者（Sender），而做出选择的人被称为接收者（Receiver）。发送者希望接收者选择某个对发送者有利的特定行动，因此发送者会设计一种巧妙的信息共享方式（如新闻标题、产品评论或律师的辩护词）来改变接收者的想法。这被称为贝叶斯说服（Bayesian Persuasion）。

研究人员面临的问题是，他们通常无法直接看到发送者，只能观察到接收者的选择。这篇论文提供了一套“侦探工具箱”，用于判断即使发送者隐形，是否真的有人在幕后操纵。

以下是论文如何解开这一谜团的解释，通过简单的类比来说明：

核心谜团：“隐藏的操纵者”

想象一位魔术师（发送者）和一名志愿者（接收者）。志愿者必须选一张牌。魔术师知道志愿者最喜欢的牌，但志愿者还不知道牌堆里具体是哪张牌。魔术师可以向志愿者耳语提示。

如果志愿者选了一张看似随机的牌，这只是运气吗？还是魔术师耳语了一个提示，使得那张牌在那个特定时刻成为了最佳选择？

作者杰弗里·门斯（Jeffrey Mensch）表示：“我们不能仅靠猜测。我们需要一个数学测试来证明是否有隐藏的魔术师在操纵。”

侦探游戏的两条规则

要证明发送者正在说服接收者，数据必须通过两项特定的测试（论文中称为“公理”）。

测试 1：“无悔”规则（NIAS）

• 概念：如果接收者在听到提示后选择了某张牌，那么基于该特定提示，这张牌必须是最佳选择。
• 类比：想象你在自助餐厅。你看到一块牌子写着“汤是辣的”。基于这块牌子，你选择了汤。如果你实际上讨厌辣食，你就不会选它。如果你确实选了它，那么这块牌子一定让你相信汤其实不辣，或者你饿到愿意冒险。
• 论文主张：如果数据显示接收者选择了某个选项，而根据他们 supposedly 收到的信息，该选项本应是糟糕的选择，那么整个故事就站不住脚。接收者必须是根据其掌握的信息理性行事的。

测试 2：“无免费午餐”规则（NBPS）

这是论文最重要的新观点。

• 概念：如果发送者正在履行职责，他们只有在发送信息能带来比什么都不做更好的结果时，才会发送信息。如果什么都不做，接收者就会依据“平均”猜测（即先验）行事。
• 类比：想象一位汽车推销员（发送者）试图向你（接收者）推销一辆车。
  • 如果推销员不给你任何宣传册，你会基于一般知识（“先验”）进行购买决策。
  • 如果推销员给你一本宣传册，那是因为他们认为向你展示具体细节会让你购买他们的车，这比让你随意猜测对他们更有利。
  • 测试：论文问道：“推销员是否可以通过给你一本包含‘空白页’（代表无新信息）的宣传册，达到完全相同的销售结果？”
  • 如果答案是是，那么推销员就在撒谎。既然给他们一张空白页就能得到同样的结果，他们为什么要费心给你一本宣传册呢？理性的推销员只有在宣传册能严格提高其成功几率时才会提供。如果你可以将他们复杂的宣传册替换为“什么都不做”的选项并获得相同结果，那么这本宣传册实际上并非必要。因此，数据不符合策略性发送者的故事。

“菜单”类比

论文考察了许多不同的选择“菜单”（即接收者面临的不同情境）。

• 技巧：作者表明，你不能只看一个菜单。你必须观察接收者在所有菜单下的行为。
• 隐喻：想象一位国际象棋棋手。你不能仅凭一步棋就判断他们是否下得完美。你必须观察他们的整盘棋局。论文指出：“如果我们能够重新排列不同棋局中的走法，在保持最终得分不变的同时，在原本没有‘弃权’（无信息）的地方加入了‘弃权’，那么这位棋手实际上并没有最优地行棋。”

关于“透明动机”

有时，发送者的目标是显而易见的。例如，检察官无论被告实际上是否有罪，都想要定罪；他们只想要定罪这一结果。

• 论文指出：如果发送者的目标不随情境的具体细节（状态）而变化（即状态无关），那么测试标准会更加严格。
• 类比：如果一位政治家想要当选，他们并不关心你具体支持哪项政策，只关心你是否投他们的票。如果他们的策略看起来可以被一种能带来相同选票的“随机猜测”策略所取代，那么这就不是一个聪明的策略。论文为此“透明”场景提供了一个具体的测试。

“后验均值”的转折

论文还考察了一种特殊情况，即接收者只关心信息的平均值（例如股票的平均价格，而不是每一次波动）。

• 类比：与其查看一天中每一个温度读数，你只关心“平均温度”。
• 论文表明，即使在这个简化的世界里，同样的逻辑也适用：如果发送者正在履行职责，他们不能仅仅通过给你“平均”猜测来实现目标。他们必须给你一些更具体的东西，以使其工作更容易。

为什么这很重要（根据论文）

这篇论文并不声称能直接解决“改善医疗”或“阻止假新闻”等现实世界问题。相反，它提供了一种数学工具。

它指出：“如果你有一个数据集，其中包含人们的选择、选项是什么以及概率是多少，你现在就可以运行一个特定的计算（使用线性规划）来断定：‘是的，这些数据与隐藏的说服者一致’，或者‘不，在说服理论下，这些数据是不可能的’。”

它将一个哲学问题（“是否有人在操纵我们？”）转化为一个可解决的数学问题。

总结

1. 设定：我们观察到一个人做出选择。我们知道他们的偏好。我们怀疑有一个隐藏的“发送者”在向他们提供信息。
2. 测试：
   • 规则 1：他们是否根据获得的信息选择了最佳选项？（如果不是，理论失败）。
   • 规则 2：发送者是否可以通过不发送任何信息来达到相同的结果？（如果是，发送者实际上并未进行说服；理论失败）。
3. 结果：如果数据通过这两项规则，我们可以说：“是的，有可能存在一个隐藏的发送者正在最优地说服这个人。”如果失败，我们就知道隐藏发送者的故事与事实不符。

这篇论文本质上是一个针对信息设计的“测谎仪”，确保如果我们声称有人被一只看不见的手操纵，数学确实能支持这一说法。