Teoria dei giochi e Sasso Carta Forbice

Il SCF: l'esempio da manuale (letteralmente)

Il Sasso Carta Forbice è un gioco finito, a due giocatori, a somma zero e a mosse simultanee. La sua piccola matrice dei payoff rende visibili strategie pure, strategie miste, migliori risposte ed equilibrio senza nascondere le ipotesi.

La matrice dei payoff (niente panico)

Ogni sfida di SCF si può scrivere come una griglia 3x3. La vittoria vale +1, la sconfitta -1, il pareggio 0:

Questo è un gioco simmetrico: entrambi i giocatori hanno le stesse opzioni e gli stessi payoff. Non esiste un equilibrio di Nash in strategie pure, che è un modo elegante per dire: se hai uno schema, qualcuno può sfruttarlo.

Equilibrio di Nash: la strategia matematicamente perfetta e per niente divertente

Il risultato di esistenza di Nash del 1950 mostra che ogni gioco finito ha almeno un equilibrio in strategie miste. Per la matrice dei payoff standard del SCF, risolvere le condizioni di indifferenza dà una combinazione unica: scegliere Sasso, Carta e Forbice in modo indipendente con probabilità 1/3 ciascuno.

Questa strategia garantisce un payoff atteso pari a zero contro qualsiasi combinazione avversaria. I risultati effettivi variano comunque, a volte in modo marcato, in un match finito. «Non sfruttabile» descrive il valore atteso nel modello di payoff dichiarato; non significa che un giocatore non possa mai perdere.

Cosa hanno trovato gli esperimenti sul gioco ripetuto

I risultati sul SCF umano dipendono dal contesto sperimentale. Due studi citati spesso hanno misurato popolazioni e protocolli diversi:

• Wang et al. (2014): 360 studenti hanno giocato 300 round con incentivi monetari in gruppi di sei persone accoppiate casualmente. Il ciclo a livello di popolazione è stato spiegato da un modello di probabilità di mantenimento e rotazione condizionate al risultato.
• Dyson et al. (2016): 31 studenti universitari hanno giocato 225 round contro un computer equiprobabile. I cambi aumentavano dopo sconfitte e pareggi, ma il mantenere la scelta dopo le vittorie non era statisticamente significativo.

Questi studi forniscono caratteristiche candidate per un modello dell'avversario, non una ricetta universale. Consulta la rassegna di psicologia per popolazioni, protocolli e limiti.

Ragionamento bayesiano: un modello per aggiornare una lettura

L'inferenza bayesiana offre un modo rigoroso per aggiornare l'incertezza sulla distribuzione delle mosse di un avversario. Richiede una prior dichiarata, un modello di verosimiglianza e dati osservati; cambiare semplicemente idea dopo una mossa non è automaticamente un'analisi bayesiana:

• Riferimento di equilibrio: in assenza di prove affidabili, usa la randomizzazione indipendente ed equiprobabile.
• Aggiornamento: man mano che si accumulano mosse comparabili, stima quanto sono probabili le osservazioni sotto modelli dell'avversario alternativi e mantieni visibile l'incertezza.

Un round di solito contiene poca informazione, e i match brevi sono rumorosi. Una prior molto forte o un modello complesso possono creare falsa sicurezza, a meno che non vengano testati sulle mosse successive.

Il ragionamento iterato come esempio

I giocatori possono ragionare su come un avversario risponde a una previsione. La scala seguente è un'illustrazione, non un sistema di classificazione misurato dei concorrenti:

• Riferimento: scegli in modo indipendente con probabilità uguale.
• Una risposta: prevedi una tendenza documentata dell'avversario e scegli la contromossa.
• Secondo ordine: considera se l'avversario si aspetta quella contromossa e si adatterà.
• Regola di arresto: evita una catena non supportata di «lui sa che io so»; torna al riferimento quando le osservazioni non permettono di distinguere i modelli.

Storie più profonde non sono automaticamente previsioni migliori. Preferisci il modello più semplice che funziona sulle mosse successive, non ancora viste.

Il SCF nella teoria dei giochi evolutiva

Sinervo e Lively (1996) hanno modellato tre strategie morfologiche dei maschi di lucertola side-blotched con relazioni non transitive e dipendenti dalla frequenza. Più anni di osservazioni sul campo hanno mostrato frequenze dei morfi oscillanti, coerenti con la previsione del modello.

I biologi la chiamano dinamica SCF perché ogni strategia ha un vantaggio su una e uno svantaggio contro un'altra. È un'analogia matematica sulla selezione tra morfi, non una prova che gli animali giochino al gioco umano con le mani o che ogni sistema competitivo segua lo stesso ciclo.

Cosa significa per te

La teoria dei giochi identifica il riferimento sicuro e le ipotesi esatte su cui si basa. Una strategia specifica per un avversario può migliorare il valore atteso solo se uno scostamento da quel riferimento è stimato abbastanza bene, persiste e viene testato senza ignorare gli errori.