ゲームで『後出しジャンケン』する相手に、どう勝つか

『後悔最小化』って、要するに『最悪の場合を想定して選ぶ』みたいな考え方なの？

後悔最小化は「最悪を想定する」というより、**過去を振り返って『あのとき別の選択肢があればよかった』という落ち込みを減らす**という発想です。 たとえば、昨日の天気予報を見ずに傘を持たずに出かけて雨に降られたら、「傘を持ってくるべきだった」という後悔が生まれる。後悔最小化は、こうした「後から思うと失敗だった感覚」を最小限に抑えるように戦略を組み立てることを意味しています。 ゲーム理論では、これまで「相手は固定の戦略を使う」と仮定してきたから、この指標でうまくいった。でも現実は相手も過去を見て学ぶ。野球の監督がビデオ分析して次の試合で対策を打ってくるみたいに。そうなると、あなたが過去を見て学ぶのと同じくらい、相手も学んでくる世界になる。 記事の「RP後悔」という新指標は、そういう**双方が賢く応じ合える環境**での後悔を測り直すというわけです。すると互いに賢く動くことで、単なる「勝ち負け」ではなく協力へ向かうことすら起きうる、と見えてくるのかもしれません。

野球の監督が映像分析するみたいに、日常でも誰かが過去を見て対策を打ってくるシーンってよくあるけど、この研究ってそういう場面で役に立つの？

この研究が日常で効くかって、正直なところ、相手が「賢く」ない場面では微妙です。 監督の映像分析や投資判断は、相手も同じくらい考えて戻してくるから、理論が活躍する。でも日常の対策は、もっと一方的なことが多い。上司が部下の過去の失敗パターンを見て対応するとか、親が子どもの言い訳パターンを読んで返すとか。そういうときは、相手が「最適戦略を計算している」わけじゃなくて、「経験則で動いてる」だけです。 興味深いのは、むしろ『両者が本気で対策し返す』という状況が、意外と少ないってことかもしれません。野球も株も、相手が本気で応じ返してくるから初めて難しい。日常は大抵、一方が「上手く立ち回ってる」側で、もう一方は受け身。 ただし、繰り返し関わる相手、たとえば長く付き合ってるライバルとか家族との交渉みたいに、双方が学び続ける関係なら。そこで「後悔を最小化しながら相手にも譲歩する」という考え方を意識すると、単なる勝ち負けじゃなく共存の道が見えるかもしれません。つまり、この研究は相手を『敵』から『学ぶ相手』に切り替える視点をくれるというわけです。

ゲーム理論では相手が過去を見てくる場面が『扱いが難しい』って言うけど、なぜこれまでうまく説明できなかったの？

従来のゲーム理論は「相手は一定のルールで動く」という前提で成り立ってたんですよね。野球の例で言えば、相手監督が「毎回同じ配球パターンで来る」と決まっていれば、こちらも「その時最善の返し方」を計算できる。でも実際には相手も観察して学ぶ。こちらが対策を打つと、相手がそれを見て新しい対策を打つ。この互いの適応が連鎖していくと、「この局面での最適な動き」という答えが一つに定まらなくなってしまう。後悔最小化という指標は、相手が自分を観察してこないことを暗黙の前提にしていた。だから相手が過去を参照して戦略を変えると、その指標自体がもう機能しなくなる。研究が新しい物差し「RP後悔」を提案したのは、双方が互いを観察し合う『本当のゲーム』の中で初めて意味を持つ指標を必要としたから。つまり、これまでの理論が弱かったのではなく、想定していた世界が限定的だったということなのかもしれません。

『双方が後悔を最小化すると自然と協力へ向かう』って、つまり『敵だと思ってる相手と、実は利害が一致することもある』ってことなんだっけ？

正確には、そこまで強い話ではないかもしれません。 利害が一致するわけではなく、むしろ両者が「過去から学ぶ」というプロセスそのものが、対立的な戦略を自動的に割高にしてしまうということなんですよ。相手を出し抜こうとして変則的な手を打つと、その手は次ターンで相手に読まれて、むしろ自分が損をする。だから繰り返しの中で、双方が手探りで「読まれにくい中庸な選択」へ収束していく。それが見た目上、協力に見えるという感じです。 野球の例で言えば、監督が「この投手は去年ストレート9割」という映像データを持っていたら、相手も「映像を見られてる」と気づいて戦略を変える。すると単純な対立戦は成り立たず、互いが互いの学習を想定した、より慎重な選択へ追い込まれていく。それが結果として「無理に出し抜こうとしない」という、いわば紳士的な流れになるということでしょう。 利害が一致しているのではなく、学習の相互作用が、対立戦略そのものを高くついてしまう仕組みにしてしまう、と言えそうです。

この『RP後悔』という新しい物差しを使うと、得する人と損する人が変わることもあるのか、それとも全員にとって良くなるの？

「全員にとって良くなる」と聞くと、そりゃ素晴らしいと思うけど、現実はもっと複雑かもしれません。 この研究が示した「協力解」というのは、あくまで両者が同じ指標で最適化する場合なんですよね。つまり、野球の監督と対戦相手の監督が、揃って「RP後悔」を最小化しようと動く世界です。 けれど実際には、この指標に乗っかる人と乗っからない人が混在する。たとえば、投資家Aが「RP後悔」で慎重な売買をしているのに、投資家Bが従来の欲望的な判断で動いたら、Bが短期的に大きく稼ぐ可能性もある。長期的には協力解の方が安定かもしれませんが、その過渡期には損得がズレます。 むしろ興味深いのは、この指標が「得損の構図そのものを変える」ことなんです。従来は「勝つか負けるか」という二者択一でしたが、RP後悔で測ると「実は協力した方が双方の後悔が減る」という発見ができる。得する人と損する人が変わるというより、「得損の定義が変わる」ターニングポイントなのかもしれません。