게임 이론
Game Theory
상대의 선택을 전제로 상호작용 상황을 형식 모형으로 옮기고, 균형을 계산해 각자가 어떤 선택에 이르는지 예측하는 역량.
게임 이론은 여러 행위자가 서로의 선택에 영향을 주고받는 상황을 형식 모형으로 옮겨 결과를 예측하는 분석 도구입니다. 누가 참여하고 각자 어떤 선택지를 갖는지, 선택 조합마다 누구에게 얼마의 보수가 돌아가는지 정한 뒤, 아무도 혼자서는 선택을 바꿀 이유가 없는 상태를 찾습니다. 이 가이드는 상대가 있는 상황을 모형으로 옮기고 균형으로 판정하는 일을 다루며, 목표와 자원을 맞추는 방향 설계나 개인의 판단 절차와 편향 교정은 다루지 않습니다.
레벨 개요
| 레벨 | 숙련도 단계 | 해시태그 |
|---|---|---|
| Lv.1 | 게임 식별 | #StrategicInteraction#PlayersStrategiesPayoffs#PayoffMatrix#PrisonersDilemma |
| Lv.2 | 정태 게임 풀이 | #DominantStrategy#BestResponse#NashEquilibrium#IteratedElimination |
| Lv.3 | 균형 완전 탐색 | #MixedStrategy#Rationalizability#CoordinationGames#EquilibriumMultiplicity |
| Lv.4 | 동태 게임 해석 | #ExtensiveForm#BackwardInduction#SubgamePerfection#CredibleCommitment#BargainingGames |
| Lv.5 | 불완비 정보 운용 | #RepeatedGames#FolkTheorem#BayesianGames#SignalingGames#ReputationEffects |
| Lv.6 | 규칙 설계 | #MechanismDesign#AuctionDesign#MatchingMarkets#IncentiveCompatibility#GlobalGames |
| Lv.7 | 해 개념 확장 | #SolutionConceptDesign#EquilibriumRefinement#GameTheoryPedagogy#StrategicModelingCanon |
레벨
레벨 1
#StrategicInteraction#PlayersStrategiesPayoffs#PayoffMatrix#PrisonersDilemma상호작용 상황을 알아보고 게임의 세 요소를 지목하는 단계
게임 이론에 처음 들어선 상태입니다. 결과가 자기 선택만으로 정해지는 상황과 상대의 선택이 함께 결정하는 상황을 구분합니다. 주어진 사례에서 행위자, 각자의 선택지, 선택 조합마다 정해지는 보수를 지목하고, 두 사람이 각각 두 가지를 고르는 표를 읽습니다. 아직 표를 직접 만들지는 않고, 남이 만든 모형을 읽으며 상호작용의 구조를 눈에 익히는 시기입니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, Lv.2 정태 게임 풀이 단계로 진입하여 현실 상황을 직접 표로 옮기는 일에 도전할 준비가 됐습니다. Gick & Holyoak(1983)은 사례 하나만으로는 구조가 뽑히지 않고, 겉모습이 다른 사례를 나란히 놓고 견줄 때 비로소 공통 구조가 스키마로 남는다고 보고합니다. 겪은 상황 하나를 골라 행위자와 선택지, 보수를 소리 내어 설명한 뒤 전혀 다른 분야의 상황을 하나 더 붙여 같은 2×2 골격으로 적어 보면, 빠진 요소와 공통 구조가 함께 드러납니다.
레벨 2
#DominantStrategy#BestResponse#NashEquilibrium#IteratedElimination현실 상황을 보수행렬로 옮기고 순수전략 균형을 찾는 단계
현실의 상호작용을 스스로 표로 옮기기 시작합니다. 행위자와 각자의 전략 집합을 정하고 보수를 숫자로 채워 보수행렬(Payoff Matrix)을 만듭니다. 상대가 무엇을 고르든 항상 더 나은 지배전략(Dominant Strategy)을 찾고, 지배당하는 전략을 차례로 지워 후보를 줄입니다. 각 행위자의 최적대응을 표에 표시해 서로 맞물리는 칸, 곧 순수전략 내시균형을 짚습니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, Lv.3 균형 완전 탐색 단계로 진입하여 혼합전략과 복수 균형을 스스로 계산하는 일에 도전할 준비가 됐습니다. Stanford Encyclopedia of Philosophy는 내시균형을 어느 누구도 자기 전략만 바꿔서는 보수를 개선할 수 없는 상태로 정의합니다. 이 정의를 판정 절차로 바꿔 자기 답에 반례를 직접 찾아보는 연습이 균형 개념을 외운 지식에서 손에 잡히는 도구로 바꿉니다.
레벨 3
#MixedStrategy#Rationalizability#CoordinationGames#EquilibriumMultiplicity혼합전략과 복수 균형까지 스스로 계산해 결론을 내는 단계
의존에서 자율로 넘어가는 자리입니다. 순수전략 균형이 없는 게임에서 혼합전략(Mixed Strategy) 균형의 확률을 구하고, 상대를 무차별하게 만드는 조건으로 검산합니다. 균형이 여럿인 조율 게임(Coordination Game)에서는 어느 균형에 도달할지 근거를 세워 예측합니다. 남이 정리해 준 문제가 아니라 자기가 마주친 사안을 혼자 모형으로 옮겨 결론까지 냅니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, Lv.4 동태 게임 해석 단계로 진입하여 선택의 순서가 결과를 바꾸는 상황에 도전할 준비가 됐습니다. Gick & Holyoak(1983)은 두 사례를 견줘 뽑아낸 공통 구조가 있어야 처음 보는 세 번째 상황으로 전이가 일어난다고 보고합니다. 같은 상황을 동시 선택과 순차 선택 두 형태로 나란히 모형화해 답이 갈리는 지점을 짚고, 이어서 처음 보는 사안에 같은 대조를 그대로 적용해 보면 이 전환이 앞당겨집니다.
레벨 4
#ExtensiveForm#BackwardInduction#SubgamePerfection#CredibleCommitment#BargainingGames순차 게임을 트리로 풀고 위협의 신빙성을 판별하는 단계
규칙 적용에서 상황 적응으로 넘어갑니다. 순차적 상호작용을 전개형(Extensive Form) 트리로 그리고, 마지막 마디부터 거슬러 올라가는 후방귀납(Backward Induction)으로 해를 구합니다. 도달하는 모든 마디에서 그 마디부터 시작되는 부분게임의 최선을 고르는 부분게임완전균형(Subgame Perfect Equilibrium)을 적용해, 막상 실행되면 자기 손해인 위협을 걸러냅니다. 협상의 순서와 몫도 이 도구로 다룹니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, Lv.5 불완비 정보 운용 단계로 진입하여 반복되는 관계와 감춰진 정보를 다루는 일에 도전할 준비가 됐습니다. Shapiro 외(2014)는 전략적 추론의 깊이를 level-k라는 수준으로 나누어 다루며, 상대가 몇 수까지 따라오는지를 관찰 대상으로 삼습니다. 상대의 추론 깊이를 미리 적어 두고 실제 결과와 대조한 뒤, 한 번으로 끝나던 게임을 반복 상황으로 바꿔 조건을 조금씩 움직여 결론이 뒤집히는 임계점을 찾으면 다음 도구가 왜 필요한지가 몸으로 잡힙니다.
레벨 5
#RepeatedGames#FolkTheorem#BayesianGames#SignalingGames#ReputationEffects반복과 정보 비대칭을 다루고 모형을 팀 판단에 투입하는 단계
한 번의 게임을 넘어 반복되는 관계와 감춰진 정보를 다룹니다. 미래 보수를 얼마나 무겁게 치느냐로 협력이 유지되는 조건을 따지고, 이탈에 대한 응징이 균형으로 성립하는 범위를 구합니다. 상대의 유형을 모르는 상황은 베이지안 게임(Bayesian Game)으로 세워 신념을 갱신하고, 비용이 드는 신호로 유형이 갈리는 신호 게임(Signaling Game)을 해석합니다. 영향 범위가 개인 분석에서 팀의 결정으로 넓어집니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, Lv.6 규칙 설계 단계로 진입하여 원하는 결과가 균형이 되도록 규칙을 짜는 일에 도전할 준비가 됐습니다. MIT OpenCourseWare 14.126은 반복 게임과 평판, 협조적 해를 마지막 구간에 배치해 분석에서 설계로 넘어가는 순서를 보여 줍니다. 결론을 먼저 정해 놓고 그 결론이 균형이 되는 규칙을 거꾸로 써 보는 연습부터 시작하면 설계 감각이 붙습니다.
레벨 6
#MechanismDesign#AuctionDesign#MatchingMarkets#IncentiveCompatibility#GlobalGames규칙과 제도를 설계해 참가자의 행동을 유도하는 단계
게임을 푸는 위치에서 게임을 짓는 위치로 넘어갑니다. 원하는 결과가 균형으로 나오도록 규칙과 보상 구조를 거꾸로 설계하고, 사실대로 밝히는 편이 참가자에게 유리해지도록 유인 정합성(Incentive Compatibility)을 확보합니다. 경매 형식과 배정 규칙을 비교해 상황에 맞는 형식을 고르고, 다수가 서로의 판단을 추측하며 한쪽으로 쏠리는 상황의 임계 조건까지 모형으로 설명합니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, Lv.7 해 개념 확장 단계로 진입하여 기존 균형 개념이 놓친 자리를 메우는 일에 도전할 준비가 됐습니다. MIT의 과목 시퀀스도 Warwick 모듈의 학습 성과도 여기서 상한에 닿습니다. 예측이 빗나간 사례를 모아 어떤 전제가 깨졌는지 하나씩 적어 두면, 남이 정리해 둔 순서가 사라진 자리에서 자기 질문이 만들어집니다.
레벨 7
#SolutionConceptDesign#EquilibriumRefinement#GameTheoryPedagogy#StrategicModelingCanon새로운 해 개념을 세워 분야의 분석 방식을 바꾸는 단계
분석 방식 자체를 바꾸는 수준입니다. 기존 균형 개념이 설명하지 못하는 상황을 지목하고, 그 자리를 메우는 새로운 해 개념이나 모형 부류를 제시합니다. 제시한 틀이 다른 분야의 연구와 실무로 옮겨 가 쓰이고, 지도한 사람들이 독립해 자기 이름으로 모형을 냅니다. 커리큘럼도 등급도 다음 단계를 지정하지 않으므로, 도달의 근거는 남긴 개념이 얼마나 오래 참조되는지로만 확인됩니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, 상대가 있는 상황을 다루는 언어 자체를 다시 쓰는 자리에 서 있습니다. 커리큘럼도 등급도 이 위를 지정하지 않으므로, 이 단계의 성취는 발표한 편수가 아니라 다음 세대가 어떤 개념을 당연하게 쓰게 되었는지로 확인됩니다.
참고 자료
The graduate course sequence runs from static-game solution concepts (rationalizability, Nash equilibrium) to extensive-form games (backward induction, subgame perfection) to advanced topics (repeated games, reputation, global games, cooperative solutions). It is the primary basis for the level boundaries.
A university module description that states learning outcomes for strategy, best response, and equilibrium. It cross-validates the level expected at the undergraduate to graduate boundary.
Research that splits the depth of strategic reasoning into level-k tiers. It turns "how many moves ahead the other side reads" into an observable measure, which grounds the checklist items about reasoning depth.
Defines Nash equilibrium as a state where no one can improve their payoff by changing only their own strategy, and a subgame perfect strategy as one that picks the highest-payoff path of the relevant subgame at every node reached. Independent cross-validation for the solution concept progression.
Reports that transfer to a new situation happens only after a shared structure is pulled out of different cases as a schema. Grounds the transfer mechanism of the modeling role axis and the training prescriptions in the transition hints.