Learning in a black box

ما رفتار در تعاملات مکرر را مطالعه می کنیم، زمانی که عوامل هیچ اطلاعاتی در مورد ساختار بازی پایه ای ندارند و نمی توانند اقدامات یا پرداخت های دیگر عوامل را مشاهده کنند. نظریه نشان می دهد که حتی زمانی که بازیکنان چنین اطلاعاتی ندارند، قوانین یادگیری ساده مبتنی بر بازپرداخت وجود دارد که منجر به تعادل نش در بسیاری از انواع بازی ها می شود. یکی از ویژگی های کلیدی این قوانین این است که افراد به طور متفاوت به جستجو بر می گردند که آیا درآمد آنها افزایش می یابد، ثابت یا کاهش می یابد. این مقاله رفتار یادگیری را در یک محیط آزمایشی را تجزیه و تحلیل می کند و تایید قوی برای این رفتارهای نامتقارن جستجو در زمینه بازی های داوطلبانه را ارائه می دهد. با تغییر مقدار اطلاعات ما نشان می دهیم که این رفتارها حتی در زمانی که اطالعات کامل در مورد بازی وجود دارد، وجود دارد.