정보연쇄 투표에서 아날로그 헤더의 최대 최소 전략 집단 채택

초록

이 논문은 선택 옵션에 부여되는 배당률 m이 선택자 수에 역비례하도록 설계된 실험에서, 정보를 모르는 ‘헤더’들이 배당률에 반비례하게 선택 확률을 배분하는 최대‑최소 전략을 자연스럽게 채택한다는 것을 보여준다. 5060명의 참가자를 대상으로 순차적 2‑choice 퀴즈를 진행한 결과, m이 4/34 구간에서 헤더들의 선택 확률이 1/m에 거의 일치함을 확인하였다. 이 현상은 ‘아날로그 헤더’가 집단적으로 최적 전략을 구현함을 의미한다.

상세 요약

본 연구는 두 가지 핵심 개념을 결합한다. 첫째, 배당률 m은 해당 옵션을 선택한 사람 수 n에 대해 m ∝ 1/n 으로 정의된다. 즉, 초기 선택자가 많을수록 배당률이 낮아지고, 반대로 소수만이 선택하면 높은 배당률이 제공된다. 둘째, ‘헤더’라 불리는 정보가 없는 참여자는 자신의 선택이 정답인지 알 수 없으므로, 기대 수익을 최대화하기 위해 제로섬 게임 형태의 전략을 채택한다. 이때 최대‑최소(max‑min) 전략은 각 옵션에 대해 기대 수익을 동일하게 만들도록 선택 확률을 p_i ∝ 1/m_i 로 설정하는 것이다. 수학적으로는 기대 수익 E = ∑ p_i · m_i · θ_i (θ_i는 정답 여부)이며, 헤더는 θ_i를 모른다. 따라서 p_i를 1/m_i 비율로 배분하면 모든 옵션에 대해 E 가 동일해져, 최악의 경우에도 손실을 최소화한다. 이 전략을 ‘아날로그 헤더’라 명명하고, 정보가 풍부한 ‘인포드’(정답을 아는 사람)의 정확도 q = 1일 때, 전체 시스템의 정답 선택 확률은 p < 1(헤더 비율)에서도 1에 수렴한다는 이론적 결과를 도출한다.

실험 설계는 이러한 이론을 검증하기 위해 고안되었다. 2‑choice 퀴즈(예: 일반 상식 질문)에서 50~60명의 피험자를 순차적으로 배치하고, 각 참가자는 이전 참가자들의 선택 수와 현재 배당률 m을 실시간으로 확인한다. 인포드와 헤더를 구분하기 위해 사전에 정답을 알고 있는 소수의 참가자를 배치하고, 나머지는 무작위로 배정한다. 각 단계에서 헤더는 배당률 m에 따라 선택 확률을 조정한다. 데이터 분석에서는 헤더의 실제 선택 비율 P(m)와 이론적 1/m 곡선을 비교하였다. 결과는 m ∈ (4/3, 4) 구간에서 P(m) ≈ 1/m 임을 보여, 헤더들이 무의식적으로 최대‑최소 전략을 따르고 있음을 입증한다.

이러한 발견은 정보 연쇄 현상에서 ‘다수의 무지’가 반드시 오류를 초래하지 않으며, 배당률과 같은 외부 인센티브가 적절히 설계될 경우 집단이 최적의 의사결정을 구현할 수 있음을 시사한다. 또한, 금융 시장의 포트폴리오 배분이나 온라인 평점 시스템 등 다양한 사회·경제 시스템에 적용 가능한 메커니즘을 제시한다. 한계점으로는 배당률 m 범위가 제한적이며, 인포드의 정확도가 완벽하지 않을 경우의 동태를 추가로 탐구할 필요가 있다.