Onlar asla tekrar birbirleriyle karşılaşmayacaklarsa, iki yabancı arasındaki işbirliği sorusuna oyun teorisi yıllarca oldukça kesin bir cevap verdi: kesinlikle hayır. Nash dengesine göre rasyonel oyun, her seferinde ihanet etmektir. Hiçbir istisna yok.
Google DeepMind, Mila-Quebec AI Enstitüsü ve ETH Zürich'ten yeni bir araştırma makalesi, temel modeller üzerine inşa edilen AI ajanlarının bu kurallara uymadığını savunuyor ve bunu matematiksel olarak destekliyor.
Kaçınılmaz ihanetin sonu
4 Ağustos 2026 tarihinde arXiv'e gönderilen makale, 11 şekil içeren 75 sayfadan oluşuyor ve yazarların “benzerlik çıkarımı” adını verdikleri bir kavramı tanıtır. Temel fikir, aldatıcı derecede basittir: Benzer eğitim süreçlerinden oluşan AI agenteri, bu benzerliği tanıyabilir ve diğer agentin ne yapacağını tahmin etmek için bunu kullanabilir.
Klasik oyun teorisi, her oyuncuyu tamamen bağımsız bir karar verici olarak ele alır; makale bu duruma “ayrıştırılmış ajans” adını verir. Bu varsayıma göre, rakibinizin seçimi bir siyah kutudur. Onu tahmin edemeyip, defekt etmek suretiyle kendinizi korursunuz. Nash dengesi geçerli kalır ve herkes, işbirliği yapmış olsalardı elde edeceklerinden daha kötü bir durumda biter.
Alexander Meulemans liderliğindeki araştırma ekibi, “gömülü ajans” adlı alternatif bir çerçeve öneriyor. Bu modelde, ajanslar kendilerini çevresinden ayrı varlıklar olarak değil, çevresinin bir parçası olarak algılıyor. Daha önemlisi, kendi karar alma süreçleri hakkında gerçek belirsizliklerini koruyorlar.
Bu belirsizlik, anahtar bileşendir. Bir ajan, nasıl karar vereceğini tam olarak bilmediği için, kendi akıl yürütmesini, benzer bir ajanın nasıl akıl yürüteceğine dair kanıt olarak görebilir. İşbirliği yönünde eğilimliysem ve karşı tarafın benim gibi düşündüğünü biliyorsam, o da muhtemelen işbirliği yönünde eğilimlidir. Mantık, kendini kararlı bir işbirliği sonucuna kazandırır.
Gömülü denge, Nash'ı yerine geçiyor
Bunu resmileştirmek için makale, “gömülü denge” adı verilen yeni bir çözüm kavramı tanıtır. Nash dengesi, oyuncuların bağımsız olarak en iyiye ulaşmasını varsayar; gömülü denge ise paylaşılan mimari, eğitim verileri ve optimizasyon prosedürlerinden kaynaklanan ajanlar arasındaki korelasyonları dikkate alır.
Nash dengesine göre, tek seferlik bir Hapsedilenler İkileminde işbirliği irrasyoneldir. Gömülmüş dengeye göre, bu tek rasasyonel strateji olabilir.
Yazarların deneysel bulguları, sosyal ikilemlere yerleştirilen ve optimize edilmiş planlama araçları verilen temel-model ajanların aslında işbirlikçi sonuçlara doğru yakınsadığını göstermektedir. Matematik işbirliğini öngörür ve deneyler bunu doğrular.
Neden bu, laboratuvarın ötesinde önemli
Kağıt, agenterin benzer olmadığında ne olacağını da soruşturuyor. İşbirliği benzerlik çıkarımına bağlıysa, farklı mimarilere sahip veya farklı verilerde eğitilmiş agenter arasındaki etkileşimler klasik ihanet dinamiklerine geri dönebilir.
Kurucu politika yapıcılar ve Yapay Zeka yönetimi kurumları için, gömülü denge kavramı, mevcut düzenleyici çerçevelerin dikkate almadığı bir değişken sunar. Örneğin, rekabet yasaları genellikle bir kartel kurulumunu kanıtlamak için açık iletişim kanıtı gerektirir. Benzerlik çıkarımı yoluyla işbirliği yapan ajanlar hiçbir şey iletişim kurmaz. Sadece aynı şekilde düşünürler.