모방 전략, 거의 무적이다

본 논문은 “imitate‑the‑best”라는 단순한 적응적 휴리스틱이 대칭 2인 게임에서 거의 모든 경우에 상대방에게 큰 손해를 입히지 못하도록 만든다는 점을 이론적으로 증명한다. 연구 동기는 실험적 관찰에서 시작된다. 두르시·콜브·오에시슬러·스키퍼(2010)의 Cournot 듀옵리 실험에서 인간 피험자들은 다양한 학습 알고리즘을 상대했을 때 모두를 이겼지만, ‘최고를 모방’ 전략만은 인간을 압도하지 못했다. 이를 일반화하고자 저자들은 게임 이론적 모델을 구축한다. 모델은 대칭 2인 게임 \((X,\pi)\)와 그로부터 정의되는 상대적 이익 게임 \((X,\Delta)\)로 구성된다. \(\Delta(x,y)=\pi(x,y)-\pi(y,x)\)는 영-합 제로섬 형태이며, 모방자는 전 라운드에서 상대보다 높은 \(\Delta\)를 얻은 경우 그 행동을 그대로 복제한다(식 1). 반면 ‘동적 상대적 이익 극대화자’는 미래 모든 라운드의 \(\Delta\) 합을 초과하지 않는 한도 내에서 최대화하려는 플레이어로, 무한히 인내하고 완전 정보를 보유한다는 극단적 가정을 둔다. 이 극대화자는 자신의 전략을 자유롭게 커밋할 수 있으며, 오버테이킹 기준을 사용해 무한 시계열을 평가한다. 논문은 두 가지 ‘무적성’ 개념을 정의한다. 첫째, ‘본질적으로 이길 수 없음(essentially unbeatable)’은 모방이 한 번의 라운드에서 얻을 수 있는 최대 \(\Delta\)보다 더 큰 총 손해를 입히지 못한다는 의미이다(정의 3). 둘째, ‘돈 펌프에 취약하지 않음(no money pump)’은 무한 반복 게임에서도 상대가 얻는 총 \(\Delta\) 차이가 어떤 유한 상수 \(M\) 이하로 제한된다는 의미이다(정의 2). 핵심 정리는 다음과 같다. 상대적 이익 게임 \((X,\Delta)\)가 ‘일반화된 가위바위보 게임(generalized rock‑paper‑scissors game)’일 경우에만 모방이 돈 펌프에 취약한다. 여기서 일반화된 가위바위보 매트릭스는 각 열마다 적어도 하나의 행이 양의 \(\Delta\)를 제공하는 구조이며, 이는 ‘모방 사이클(imitate‑cycle)’이 존재함을 의미한다. 논문은 세 개의 보조 정리(Lemma)를 통해 (1) 극대화자는 \(\Delta<0\)인 행동을 절대 선택하지 않는다, (2) 돈 펌프는 모방 사이클 존재와 동치이다, (3) 모방 사이클이 존재하면 극대화자는 그 사이클을 영원히 유지해 무한한 이득을 얻는다. 따라서 가위바위보 서브매트릭스가 존재하지 않으면 모방은 돈 펌프에 취약하지 않으며, 경우에 따라 ‘본질적으로 이길 수 없음’까지 만족한다. 다음으로 논문은 여러 충분조건을 제시한다. (i) 게임이 준볼록(quasiconcave) 혹은 준볼록형(quasi‑submodular) 구조이면 모방은 돈 펌프에 취약하지 않는다. (ii) 잠재(potential) 게임, 특히 정확한 잠재(potential) 혹은 일반화된 잠재가 존재하면 모방은 본질적으로 이길 수 없다. (iii) 차이 함수가 증가/감소 형태인 경우, (iv) 가법적으로 분리 가능한(payoff separable) 경우 등이다. 이러한 조건들은 경제학에서 흔히 나타나는 다양한 게임에 적용된다. 구체적인 적용 사례로는 (a) 모든 대칭 2×2 게임, (b) Cournot 듀옵리와 Bertrand 듀옵리, (c) 공공재·공동자원 게임, (d) 최소 노력 협조 게임, (e) 무기 경쟁(arms race), (f) 다이아몬드 탐색 모델, (g) 네쉬 협상(bargaining) 등이 있다. 이들 모두가 위의 충분조건을 만족하거나, 직접적으로 가위바위보 서브매트릭스를 포함하지 않으므로 모방 전략은 실질적으로 최적에 가깝다. 또한 논문은 진화적 안정 전략(fESS)과의 연관성을 논한다. fESS는 \(\pi(x^*,x)\ge\pi(x,x^*)\)를 만족하는 행동이며, 이는 상대적 이익 게임에서 \(\Delta(x^*,x)\ge0\)와 동치이다. 따라서 fESS가 존재하는 게임에서는 모방이 자연스럽게 안정적인 행동으로 작동한다. 마지막으로 저자는 모방 전략이 실제 인간 행동과도 일치한다는 점을 강조한다. 실험적 증거와 이론적 결과가 일치함을 보여주며, 복잡한 최적화나 완전 정보가 요구되는 상황에서도 ‘최고를 모방한다’는 간단한 규칙이 강건함을 입증한다. 논문은 향후 연구로 비대칭 게임, 다중 플레이어 확장, 제한된 정보 상황 등에서의 모방 성능을 탐구할 것을 제안한다.