arXiv (Game Theory & AI)AI
分類の集約:定量的不可能性定理
Classification aggregation: a quantitative impossibility theorem
この記事についてAIに質問する →
日本語要約青い用語にマウスを合わせると解説が表示されます
複数の個人がm個の物体をn個のカテゴリーに分類する際、すべてのカテゴリーが少なくとも1つ以上の物体を含むという全射性の条件を満たしながら意見を集約することは可能だろうか。この問題に対する根本的な限界を示す研究が報告されている。
従来の研究では、この問題に関する重要な不可能性定理が示されてきた。ManiquetとMonginは、各物体について意見集約に用いられる関数が全会一致性を満たし、かつ結果が常に全射性を保つ必要がある場合、その集約メカニズムは独裁的でなければならないことを証明した。さらにCaillouxら は、全会一致性を市民主権(各物体はあらゆるカテゴリーに分類される可能性がある)にまで緩和した場合でさえ、同様の結論が成り立つことを示した。
今回の研究では、これらの不可能性結果をより現実的な設定に拡張している。具体的には、結果が任意の対称的独立同分布に関して確率1-εで全射性を満たせばよいという条件の下でも、集約関数が定数関数から遠く離れている場合には同様の不可能性定理が成立することを証明した。同時に、任意の仮定を置かずに常に全射性を満たす集約メカニズムのすべてを特性化している。
さらに注目すべきは、AlekseevとFilmusによる一般的な結果を活用することで、より広い適用可能性を持つ手法を確立した点である。この方法論は同値関係の集約に対しても類似の不可能性結果をもたらすことが示されており、社会選択理論における集約問題の理論的枠組みに新たな知見をもたらしている。