نظریه بازی‌ها برای علم داده ۲۰۲۲
Game Theory for Data Science 2022

سیستم‌های هوشمند اغلب به داده‌هایی متکی هستند که توسط عامل‌های اطلاعاتی ارائه می‌شوند؛ برای مثال، داده‌های حسگرها یا محاسبات انسانی مبتنی بر جمع‌سپاری. ارائه داده‌های دقیق و مرتبط نیازمند تلاش پرهزینه‌ای است که ممکن است عامل‌ها همیشه تمایلی به ارائه آن نداشته باشند. از این رو، نه تنها تأیید صحت داده‌ها مهم است، بلکه ایجاد انگیزه نیز اهمیت دارد تا عامل‌هایی که داده‌های باکیفیت ارائه می‌دهند، پاداش بگیرند و آن‌هایی که این کار را نمی‌کنند، با پاداش کم‌تر مواجه شوند.

ما تنظیمات مختلف و مفروضات مربوط به آن‌ها را پوشش می‌دهیم؛ از جمله حسگری، محاسبات انسانی، نمره‌دهی همتا، نظرات و پیش‌بینی‌ها. سازوکارهای انگیزشی مختلفی را بررسی می‌کنیم؛ از جمله قوانین امتیازدهی مناسب، بازارهای پیش‌بینی و پیش‌بینی همتا، سرم حقیقت بیزی، سرم حقیقت همتا، توافق همبسته و شرایطی که هر یک از آن‌ها مناسب خواهند بود. به عنوان جایگزین، سازوکارهای شهرت را نیز در نظر می‌گیریم. تحلیل نظریه بازی را با مثال‌های عملی از کاربردها در پلتفرم‌های پیش‌بینی، حسگری جامعه و نمره‌دهی همتا تکمیل می‌کنیم.

Intelligent systems often depend on data provided by information agents, for example, sensor data or crowdsourced human computation. Providing accurate and relevant data requires costly effort that agents may not always be willing to provide. Thus, it becomes important not only to verify the correctness of data, but also to provide incentives so that agents that provide high-quality data are rewarded while those that do not are discouraged by low rewards.

We cover different settings and the assumptions they admit, including sensing, human computation, peer grading, reviews, and predictions. We survey different incentive mechanisms, including proper scoring rules, prediction markets and peer prediction, Bayesian Truth Serum, Peer Truth Serum, Correlated Agreement, and the settings where each of them would be suitable. As an alternative, we also consider reputation mechanisms. We complement the game-theoretic analysis with practical examples of applications in prediction platforms, community sensing, and peer grading.