Математика на
подозрението

„Игра на предатели“ е авторска социална игра на живо на Studio Extrovert. Отбори се състезават през три игрови дни, използват специални умения и събират ресурси, за да изпратят свои представители на Финалната маса. Но във всеки отбор започват по двама тайни Предатели, които играят за обща победа с Предателите от останалите отбори. На финала участниците се отстраняват чрез гласуване, докато останат трима или по-малко — и ако сред оцелелите има дори един Предател, печелят всички Предатели. Целта на тази статия е да покаже как вероятностите и анализът на информацията могат да ни помогнат да различаваме обоснованото подозрение от простото усещане: как да съчетаваме проверките, да разчитаме интересите зад действията и да променяме мнението си, когато научим нещо ново. Не е нужно да сте математици, за да използвате тези идеи в играта.

В „Игра на предатели“ истината е скрита, информацията е непълна, а участниците имат основания да заблуждават. Задачата не е да разпознаем „как изглежда един лъжец“, а да сравняваме обясненията за наблюдаваното и да ги променяме, когато научим нещо ново.

Как да четеш тази статия: математическите зависимости са установени; приложението им към нашата игра е предложен аналитичен модел, а не изпитан детектор на предатели. Числовите поведенчески примери са условни. Те не са статистика от проведени издания. Статията не добавя и не променя игрови правила.

1. Байес и началото на подозрението

Теоремата на Байес описва как ново доказателство променя вероятността на една хипотеза. Нека T означава „играчът е предател“, а E — наблюдаван факт. Тогава: [1]

Вероятността предател да направи нещо не е равна на вероятността човекът, който го е направил, да е предател. Предателите могат често да избират лична награда. Ако лоялните я избират също толкова често, този избор не разкрива фракцията.

От коя вероятност започваме

Ако сред осем равнопоставени участници са разпределени точно двама предатели на случаен принцип, външен наблюдател започва с 2/8 = 25% за всеки. Лоялен участник знае собствената си фракция. За него двамата предатели са сред останалите седем: 2/7 ≈ 28,6%.

Това са примери при конкретни условия, не универсални проценти. Специални отборни правила, неслучайно разпределение, промяна на фракция или друга информация променят началната оценка. Ако фракциите могат да се променят, броят на предателите не бива да се приема за неизменен.

Пример с едно подозрително действие

Нека само за илюстрация дадено действие се среща при 60% от предателите и при 30% от лоялните. При начална вероятност 25% новата оценка е:

Една улика повишава подозрението, но не доказва вина

Преди наблюдението25%

След условната улика40%

Можем да видим същото чрез 100 въображаеми случая: от 25 предатели действието се очаква при 15, а от 75 лоялни — при 22,5 средно. Сред направилите го делът на предателите е 15/37,5 = 40%. Половинката е математическа очаквана стойност, не половин участник.

2. Тюринг и тежестта на доказателството

В криптоаналитичната си работа Алън Тюринг използва вероятностно претегляне на доказателствата. Приложимият принцип е да сравним колко вероятна е уликата при две конкурентни хипотези. Това не е „тестът на Тюринг“ за машинен интелект. [2]

LR е отношение на правдоподобията. Над 1 то подкрепя предателство; под 1 — лоялност; при 1 не различава двете. Логаритъмът позволява доказателствените тежести да се събират. Тук използваме база 2 за удобство: два пъти по-вероятна улика тежи +1, четири пъти — +2. Това не са проценти.

Посоката на една улика

−2LR ¼

−1LR ½

0LR 1

+1LR 2

+2LR 4

Към лоялностКъм предателство

Три обвинения може да са само една улика

„Защити Борис“, „поспори с обвинителя на Борис“ и „каза, че вярва на Борис“ може да са проявления на едно решение. Не трябва да ги броим като три независими доказателства. По същата причина десетима души, които повтарят един слух, не дават десет независими потвърждения.

Точният последователен модел отчита вече известното. Ако O(T) = P(T)/(1 − P(T)) е началното вероятностно отношение:

Второто отношение пита какво ново носи втората улика след първата. Обикновено умножаване на отделни отношения е оправдано само при подходяща условна независимост.

3. Търси възможни двойки, не само подозрителни лица

Когато знаем, че предателите са точно двама, оценките на хората са свързани. Сред осем души има 28 възможни двойки: 8 × 7 / 2. За лоялен играч, който изключва себе си, остават 21: 7 × 6 / 2. Нова проверка може да изключи разпределения или да промени вероятностите им.

В опростен логически пример сред А, Б, В и Г има точно двама предатели. Надеждно знаем, че А и Б са от различни фракции, а Б и В са от еднаква фракция. Няма маски, лъжливи сведения или промени на фракцията.

От шест възможни двойки остават две

6 двойкиАБ · АВ · АГ · БВ · БГ · ВГ

2 условияА ≠ Б и Б = В

2 двойкиАГ или БВ

Още една надеждна проверка, която различава двата сценария, може да реши задачата. Проверката на нещо, което е еднакво и в двата сценария, няма да помогне.

Това е начин на мислене, не ново разрешение за използване на умения. В реалната игра следваме допустимите цели и ограничения на всяка роля. Не приемаме, че Гадателят може произволно да повтаря проверки.

4. Маската стои между истината и отговора

Трябва да различаваме истинската фракция, състоянието на играча в момента на проверката, получения резултат и разказа за този резултат. „Меценатът ми каза“ не е равнозначно на „Водещият потвърди лично на мен“.

Четири различни нива на информация

01ФракцияКакъв е играчът действително

02Маска и защитиКакво влияе в този момент

03РезултатКакво научава проверяващият

04РазказКакво той споделя с теб

За идеализирана проверка, при която маската обръща фракцията, можем да запишем Y = T ⊕ M. Единица означава съответно „истински предател“, „действаща маска“ или „показан предател“. Символът ⊕ означава „едното или другото, но не и двете“.

Таблицата не описва всички възможни защити. Другите ефекти се отчитат отделно според актуалните правила. При групова проверка положителният отговор не посочва човек; отрицателният не оправдава автоматично всички, ако има възможно изкривяване.

Записвай момента. По-късното премахване на маска не променя със задна дата стария отговор. Промяна на фракцията също може да направи по-старо вярно сведение неактуално.

5. Шанън и най-полезният следващ въпрос

Клод Шанън измерва неопределеността чрез ентропия. Ако p_j е вероятността на възможен сценарий, формулата е H = −Σ p_j log₂ p_j. Тук сценариите са допустимите разпределения на предатели. [3]

Приложението към играта е да търсим проверката с най-голямо очаквано намаление на неопределеността: IG = H(преди) − E[H(след отговора)]. Не винаги това е проверка на най-подозрителния човек.

Кой въпрос различава повече сценарии

Разделяне 50% / 50%1 бит

Разделяне 90% / 10%0,469 бита

Ако почти всички правдоподобни сценарии предсказват един и същи отговор, въпросът обикновено не научава много. Ако отговорите разделят сценариите приблизително наполовина, научаваме повече средно.

Но информацията не е единствената цел. Проверка на вероятен финалист може да е по-важна за победата от по-информативна проверка на човек, който няма да стигне до масата. Съобразяваме и цената, оставащите ходове и правилата на ролята.

6. Спенс и цената на убедителната лоялност

Теорията на сигналите на Майкъл Спенс разглежда взаимодействия, при които едната страна има информация, недостъпна за другата. Сигналът е полезен, когато различните типове участници имат различни стимули или разходи да го изпратят. [4]

„Вярвай ми“ е лесно и за двете фракции. Дори скъпа жертва не доказва лоялност: предател може да загуби ресурс, за да си купи доверие. Това, което изглежда ирационално в един ход, може да е инвестиция в следващия.

Затова гледаме какво печели лично играчът, какво печели отборът и какво печели скритата фракция. Роля и фракция са различни неща. Егоистичният избор може да е логичен за лоялен, а помощта към отбора — полезна за прикритието на предател.

По-съдържателна хипотеза възниква при повтаряща се, скъпа помощ между отборите, без видимо обяснение чрез роля, брак, сделка или лична изгода. Това заслужава проверка, а не незабавна присъда. Липсата на известна причина не доказва липса на действителна причина.

7. Практически дневник на доказателствата

За всяко важно събитие отделяй наблюдавания факт от тълкуването. Не записвай „Ана е предател“, когато фактът е „Ана даде ресурс на Борис“.

Полезно е да питаш „Защо избра това и как очакваше да помогне?“, вместо само „Предател ли си?“. Сравнявай обяснението с фактите, но допускай грешки и неразбиране на правилата. Не всяко противоречие е съзнателна лъжа.

Какво би намалило подозрението ти? Ако нито едно възможно наблюдение не може да промени мнението ти, вече не проверяваш хипотеза. Само защитаваш заключение.

8. Как моделът се превръща в изследване

За реални оценки на поведението са нужни данни от наши издания: действията, възможните алтернативи, денят, публичната роля, ресурсите и действителната фракция в съответния момент. Финалната фракция не е достатъчна, ако е имало промени през играта.

Сравняваме сходни ситуации. Иначе можем погрешно да припишем на предателството действие, обяснимо с роля или липса на ресурс. Малко наблюдения означават голяма несигурност; нулев брой случаи в малка извадка не означава невъзможност.

Оценяването трябва да е върху отделни, невиждани игри. Ако разделим отделни ходове от едно и също издание между обучение и проверка, можем да пренесем информация между двете и да получим подвеждащо добър резултат.

Проверяваме и калибрацията: сред много случаи, оценени около 70%, действителният дял на предателите трябва да е приблизително 70%. Сравняваме модела с простата начална вероятност и проверяваме дали работи при нови правила. Промяна на маските, наградите или стимулите може да обезсили старите зависимости.

Докато нямаме такива данни, не е научно оправдано да присвояваме точни точки на всяко действие и да ги представяме като измерен шанс. Математиката ни дава структура за мислене, но не създава липсващите факти.

Какво да вземеш със себе си на масата

Започни от действителните ограничения на играта. Събирай точни резултати, проследявай кога са получени и не брои един слух многократно. Търси и лоялно обяснение за неприятните действия. Използвай следващата проверка, за да различиш конкуриращи се сценарии, а не само да потвърдиш любимото си подозрение.

Добрият анализатор не е най-увереният човек на масата. Той е този, който различава какво знае, какво предполага и какво още трябва да провери.

Източници и граници на приложението

Източниците обосновават използваните теории. Те не изследват и не потвърждават конкретно нашата игра. Графиките и игровите примери са приложения и илюстрации на тези идеи.

1. Bayesian Epistemology — Stanford Encyclopedia of Philosophy. Обзор на вероятностното обновяване на убежденията. Допълнително: лекции по Байесов анализ, University of Cambridge, за отношенията на шансовете и тежестта на доказателствата.
2. Alan M. Turing — The Applications of Probability to Cryptography. Наборно издание от 2015 г. на военновременния текст. Исторически контекст: I. J. Good — A. M. Turing’s Statistical Work in World War II.
3. Claude E. Shannon — A Mathematical Theory of Communication, 1948. Основа на използваната мярка за информационна неопределеност.
4. A. Michael Spence — Signaling in Retrospect and the Informational Structure of Markets, Нобелова лекция, 2001. Стратегическите примери в статията са адаптация, не резултат от тази лекция.