OpenAI ist in Fahrt! Während das Unternehmen alle wegen seines neuen Bilderzeugungsmodells völlig aus dem Häuschen struggle, ist das ChatGPT-Bilder 2.0Es kam zu dem Schluss, dass es jetzt nicht an der Zeit sei, damit aufzuhören. Und siehe da, ein weiterer Knaller kommt aus seinen Büros, und wohlgemerkt, das ist der größere. Die neue Model des beliebten ChatGPT ist da und heißt GPT 5.5.

Und ich gehe davon aus, dass sich mit dieser Einführung im KI-Zeitalter einiges ändern wird. Warum? Um dies zu verstehen, werfen wir einen Blick auf das neue GPT 5.5-Modell.

Was ist GPT 5.5?

Es handelt sich um das neueste Modell der ChatGPT-Familie, das das Unternehmen als sein „bisher intelligentestes und intuitivstes Modell“ bezeichnet. Obwohl wir diese Behauptung im Laufe der Jahre bei verschiedenen Modelleinführungen immer wieder gehört haben, sollten Sie sich nicht nur an den Adjektiven orientieren. Der Unterschied besteht dieses Mal darin, dass sich das neue GPT-Modell darauf konzentriert, die Arbeit zu erledigen, anstatt nur Ihre Fragen zu lösen.

Hier geht es additionally nicht um bessere Antworten. Es geht darum, Aufgaben zu erledigen.

Laut der offiziellen Ankündigung von OpenAI wurde GPT 5.5 mit einem starken Fokus auf die Ausführung realer Aufgaben entwickelt. Das bedeutet, dass es in der Lage ist, die nächsten Schritte zu planen, die richtigen Instruments zu verwenden und dabei den Output zu verfeinern.

Eine der größten Verbesserungen besteht darin, wie das Modell die Absicht versteht. GPT 5.5 erfordert im Vergleich zu früheren Versionen weitaus weniger Eingabeaufforderungen. Sie müssen Ihre Anfrage nicht zu sehr erläutern oder perfekt strukturieren. Das Modell ist besser darin, das aufzunehmen, was Sie tatsächlich wollen, und es umzusetzen.

Es gibt auch mehrere andere Funktionen. Lassen Sie uns als nächstes alle diese im Element untersuchen.

GPT 5.5: Hauptfunktionen

Jetzt wissen wir additionally, dass es bei GPT 5.5 darum geht, die Arbeit zu erledigen. Aber was ermöglicht diesen Wandel?

Hier sind die wichtigsten Merkmale, die aus der Ankündigung hervorstechen:

1. Stärkere Agentenkodierung

GPT 5.5 wird als das bisher stärkste Agenten-Codierungsmodell von OpenAI positioniert. Das bedeutet, dass es nicht nur um das Schreiben von Codeschnipseln geht, sondern auch um die Übernahme längerer technischer Arbeitsabläufe wie Debuggen, Refactoring, Testen, Validieren und Beheben von Problemen in größeren Codebasen.

2. Bessere Computernutzung

Das Modell ist darauf ausgelegt, die Instruments effizienter zu nutzen. Laut OpenAI kann GPT 5.5 Software program bedienen, Dokumente und Tabellenkalkulationen erstellen, durch Schnittstellen navigieren und eine Aufgabe ausführen, bis sie abgeschlossen ist.

3. Verbesserte Wissensarbeit

GPT 5.5 ist ebenfalls dafür konzipiert berufliche Aufgaben wie Recherche, Informationssynthese, Datenanalyse, dokumentenintensive Arbeit und Geschäftsabläufe. Dies macht es über das Codieren hinaus nützlich, insbesondere für Menschen, die KI für die tägliche Arbeit verwenden.

4. Frühe wissenschaftliche Forschungskapazitäten

OpenAI hat auch Fortschritte in der wissenschaftlichen und technischen Forschung hervorgehoben. Das Modell kann bei mehrstufigen Forschungsabläufen helfen, z. B. beim Erkunden von Ideen, beim Analysieren von Daten, beim Testen von Annahmen, beim Interpretieren von Ergebnissen und beim Vorschlagen nächster Schritte.

5. Bessere Effizienz

Eine der interessanteren Behauptungen ist, dass GPT 5.5 nicht nur intelligenter, sondern auch effizienter ist. OpenAI gibt an, dass es die Professional-Token-Latenz von GPT 5.4 bei der Bereitstellung in der realen Welt erreicht und gleichzeitig weniger Token für die gleichen Codex-Aufgaben verwendet.

6. Stärkere Schutzmaßnahmen

Da das Modell insbesondere in Bereichen wie Cybersicherheit und Biologie leistungsfähiger ist, hat OpenAI nach eigenen Angaben GPT 5.5 mit den bislang stärksten Sicherheitsmaßnahmen veröffentlicht. Dazu gehören internes und externes Pink-Teaming, gezielte Checks und Suggestions von quick 200 Early-Entry-Partnern.

GPT 5.5: Benchmark-Leistung

Das neue ChatGPT-Modell hat seine Leistungsfähigkeit auch bei Benchmark-Ergebnissen unter Beweis gestellt, und wie! GPT 5.5 sieht dort am stärksten aus, wo die Agentenarbeit in der Praxis eine Rolle spielt. Es erreicht 82,7 % auf Terminal-Bench 2.0, vor GPT-5.4 mit 75,1 %, Claude Opus 4,7 mit 69,4 % und Gemini 3.1 Professional mit 68,5 %. Bei Professional-SWE erreicht es 73,1 % und liegt damit erneut über den 68,5 % von GPT-5.4. Das gleiche Muster setzt sich bei Software- und Arbeits-Benchmarks fort: GPT-5.5 erzielte 84,9 % bei GDPval, 78,7 % bei OSWorld-Verified, 55,6 % bei Toolathlon und 81,8 % bei CyberGym.

Auch die Zahlen zur härteren Argumentation sind stark. GPT-5.5 erreicht 51,7 % auf FrontierMath Tier 1–3 und 35,4 % auf FrontierMath Tier 4, während GPT-5.5 Professional diese Werte auf 52,4 % bzw. 39,6 % steigert. Bei BrowseComp sticht das Professional-Modell mit 90,1 % am meisten heraus, vor GPT-5.4 Professional mit 89,3 % und Claude Opus 4,7 mit 79,3 %.

Die Gesamtaussage ist additionally klar: GPT 5.5 ist nicht nur besser in der Argumentation im Chat-Stil, sondern auch stärker in den Bereichen Codierung, Browsernutzung, Software-Workflows, Mathematik und Agenten-Aufgabenausführung.

GPT 5.5: Verfügbarkeit und Preise

GPT 5.5 wird bereits für Plus-, Professional-, Enterprise- und Enterprise-Benutzer in ChatGPT und Codex eingeführt. In ChatGPT ist GPT 5.5 Considering für Plus-Benutzer und höher verfügbar, während GPT 5.5 Professional für Professional-, Enterprise- und Enterprise-Benutzer verfügbar ist.

In Codex ist GPT 5.5 für die Tarife Plus, Professional, Enterprise, Enterprise, Edu und Go mit einem 400K-Kontextfenster verfügbar. Es gibt auch einen Schnellmodus, der Token 1,5-mal schneller generiert, jedoch 2,5-mal teurer ist.

Preise

• gpt-5.5 API: 5 $ professional 1 Mio. Eingabe-Tokens und 30 $ professional 1 Mio. Ausgabe-Tokens
• Kontextfenster: 1 Mio. Token
• Batch- und Flex-Preise: Die Hälfte des Normal-API-Tarifs
• Vorrangige Bearbeitung: 2,5-faches des Standardtarifs
• gpt-5.5-pro API: 30 $ professional 1 Mio. Eingabe-Tokens und 180 $ professional 1 Mio. Ausgabe-Tokens

Obwohl GPT 5.5 teurer ist als GPT 5.4, ist es laut OpenAI auch intelligenter und Token-effizienter, insbesondere im Codex, wo es für die meisten Benutzer bessere Ergebnisse mit weniger Token liefern kann. Dies ist nun ein kluger Schachzug, wenn man bedenkt, dass Anthropic in jüngster Zeit eine Gegenreaktion wegen des Claude Opus 4.7 erlebt hat, der in enormem Tempo Token verschlingt.

Probieren wir GPT 5.5 aus

Nachdem wir nun alles über das neueste ChatGPT-Modell wissen, finden Sie hier einige Anwendungsfälle aus der Praxis, um seine Fähigkeiten zu testen.

Aufgabe 1: Pc-/Werkzeug-Workflow-Simulation

Immediate:

Ich leite ein kleines Innenarchitekturstudio mit 6 Teammitgliedern und 14 aktiven Wohnprojekten.

Erstellen Sie ein vollständiges Google Sheets-Betriebssystem, das mir hilft, Kundenprojekte, Designphasen, Besuche vor Ort, Lieferantenkoordination, Budgets, Genehmigungen und Zahlungen an einem Ort zu verwalten.

Das Blatt sollte praktisch genug sein, um es täglich zu verwenden, und nicht nur ein einfacher Tracker. Fügen Sie die Hauptregisterkarten, Schlüsselspalten, Beispielzeilen, Formeln, Dashboard-Metriken, Ideen zur bedingten Formatierung und einen einfachen täglichen Arbeitsablauf für das Workforce hinzu.

Angenommen, ich möchte schnell erkennen, welche Projekte sich verzögern, welche Lieferanten noch ausstehen, welche Kunden eine Genehmigung benötigen, welche Zahlungen fällig sind und was heute meine Aufmerksamkeit erfordert.

Ausgabe:

Aufgabe 2: On-line-Recherche / Quellensynthese

Immediate:

Erforschen Sie, wie KI-Agenten im Jahr 2026 die tägliche Arbeit von Softwareentwicklern verändern.

Ich möchte keine allgemeine Zusammenfassung. Vergleichen Sie die Behauptungen von KI-Unternehmen mit dem, was Entwickler tatsächlich im realen Einsatz berichten.

Teilen Sie die Antwort auf in:

• Was KI-Agenten heute eindeutig intestine können
• Wo sie immer noch scheitern oder menschliche Aufsicht benötigen
• Was das für Nachwuchsentwickler bedeutet
• Was das für erfahrene Ingenieure bedeutet
• Ein abschließender, ausgewogener Imbiss

Nutzen Sie aktuelle Quellen, vermeiden Sie Hype, erwähnen Sie bei Bedarf Unsicherheiten und machen Sie die Ergebnisse für einen Berufstätigen nützlich, der über eine Übernahme entscheidet KI-Agenten in ihrem Workflow.

Ausgabe:

Aufgabe 3: Lange, chaotische Geschäftsaufgabe

Immediate:

Ich betreibe eine kleine Marke für Heimfitnessgeräte, die über meine Web site und Marktplätze verstellbare Hanteln, Widerstandsbänder, Yogamatten und Kompaktbänke verkauft.

Der Umsatz ist in Ordnung, aber das Wachstum hat sich verlangsamt. Kundenbewertungen sagen, dass die Produkte intestine sind, aber die Leute verstehen nicht genau, warum sie bei uns statt bei günstigeren Marken kaufen sollten. Wir haben auch keine starke Wiederholungskaufstrategie.

Erstellen Sie aus diesem chaotischen Briefing einen praktischen 90-Tage-Plan zur Geschäftsverbesserung.

Enthalten:

• Eine schärfere Markenpositionierung
• 3 Kundensegmente, die wir ansprechen sollten
• Verbesserungen der Web site und des Marktplatzes
• Ideen zur Produktbündelung
• Ideen zur Kundenbindung und Wiederholungskäufen
• Ein einfacher Kampagnenplan für die nächsten 90 Tage
• Risiken oder Schwachstellen im Plan

Halten Sie es für eine kleine D2C-Marke mit begrenztem Price range und einem kleinen Workforce realistisch.

Ausgabe:

Aufgabe 4: Wissenschaftliches/technisches Denken

Immediate:

Eine Stadt möchte die Sommerhitze in einem dicht besiedelten Stadtviertel reduzieren, in dem die Temperaturen konstant 4–6 °C höher sind als in den umliegenden Gebieten.

Die in Betracht gezogenen Optionen sind:

• mehr Bäume pflanzen
• Dächer weiß streichen
• Ersetzen von Betondecken durch durchlässige Materialien
• Hinzufügung schattiger Bushaltestellen und Fußgängerkorridore
• Schaffung kleiner Gewässer oder Nebelzonen

Analysieren Sie dies wie ein technischer Berater.

Erklären Sie, welche Interventionen wahrscheinlich am besten funktionieren, welche möglicherweise Kompromisse eingehen und wie die Stadt sie in einem praktischen 2-Jahres-Pilotplan kombinieren sollte.

Geben Sie keine allgemeine Nachhaltigkeitsantwort. Grund durch Wärmeabsorption, Schatten, Feuchtigkeit, Wartung, Kosten und Auswirkungen auf die Bewohner.

Ausgabe:

Beobachtungen

In jedem der Fälle, in denen wir das neue ChatGPT-Modell ausprobiert haben, weigerte es sich einfach, nachzugeben oder auch nur durchschnittlich zu sein. Wie Sie in den Bildschirmaufzeichnungen sehen können, kam es zu erstklassigen Antworten mit äußersten Nuancen und Particulars und einem gestochen scharfen Fokus auf jede einzelne Anweisung, die ihm übermittelt wurde.

Ich kann ernsthaft in keiner der Eingabeaufforderungen einen einzigen Bereich/Anweisung/Detaillierung finden, den GPT 5.5 in seinen Antworten möglicherweise übersehen hätte. Zugegeben, die Antworten sind lang, aber alle Eingabeaufforderungen erforderten so ausführliche und ausführliche Antworten. Darüber hinaus tat das Modell immer dann, wenn es aufgefordert wurde, bestimmte Aufgaben Schritt für Schritt auszuführen, dasselbe.

Das Beste daran: Das alles ging innerhalb von Sekunden. Die längste Denkzeit betrug etwa 13 Sekunden, und das auch noch für eine ausführliche Antwort, die weit über 3.000 Wörter und 25 Quellen umfasste. Im Fall der wissenschaftlichen Forschung durchlief es blitzschnell über 118 Quellen. Das ist genau die Artwork von Modell, die ich gerne als Spine-KI für alle meine Projekte verwenden würde.

Abschluss

In unseren obigen Checks konnte GPT 5.5 seine erweiterten Funktionen in allen Anwendungsfällen problemlos rechtfertigen. Dies steht im Einklang mit den Behauptungen von OpenAI und zeigt die echte Verbesserung, die das Modell der ChatGPT-Familie bringt. Wenn Sie additionally auf der Suche nach einer KI sind, die nicht nur Ihre Fragen beantwortet, sondern auch zu Ihrem täglichen Helfer bei allen Aufgaben wird, ist das neue GPT 5.5 ein Muss.

In SpieltheorieWie können Spieler jemals ein Ende haben, wenn es noch eine bessere Choice gibt, sich zu entscheiden? Vielleicht möchte ein Spieler immer noch seine Entscheidung ändern. Aber wenn dies der Fall ist, möchte sich der andere Spieler auch ändern. Wie können sie jemals hoffen, aus diesem Teufelskreis zu entkommen? Um dieses Drawback zu lösen, ist das Konzept eines Nash -Gleichgewichts, das ich in diesem Artikel erklären werde, für die Spieltheorie von grundlegender Bedeutung.

Dieser Artikel ist der zweite Teil einer Vierkapitelserie zur Spieltheorie. Wenn Sie nicht ausgecheckt haben Das erste Kapitel Ich würde Sie jedoch ermutigen, dies zu tun, um sich mit den Hauptbegriffen und Konzepten der Spieltheorie vertraut zu machen. Wenn Sie dies getan haben, sind Sie auf die nächsten Schritte unserer Reise durch die Spieltheorie vorbereitet. Lass uns gehen!

Finden der Lösung

Wir werden jetzt versuchen, eine Lösung für ein Spiel in der Spieltheorie zu finden. A Lösung ist eine Reihe von Aktionen, bei denen jeder Spieler maximiert ihren Nutzen und verhält sich daher rational. Das bedeutet nicht unbedingt, dass jeder Spieler das Spiel gewinnt, sondern dass er das Beste tun kann, da er nicht weiß, was die anderen Spieler tun werden. Betrachten wir das folgende Spiel:

Wenn Sie mit dieser Matrix-Notation nicht vertraut sind, möchten Sie möglicherweise einen Rückblick auf Kapitel 1 werfen und Ihr Gedächtnis aktualisieren. Erinnern Sie sich, dass diese Matrix Ihnen die Belohnung für jeden Spieler gibt, der ein bestimmtes Aktionenpaar beigetragen hat? Wenn beispielsweise Spieler 1 Motion Y und Spieler 2 auswählen, wird Motion B eine Belohnung von 1 und Spieler 2 eine Belohnung von 3 erhalten.

Okay, welche Aktionen sollten die Spieler für den Second entscheiden? Spieler 1 weiß nicht, was Spieler 2 tun wird, aber sie können trotzdem versuchen, herauszufinden, was die beste Aktion abhängig von der Wahl von Participant 2 ist. Wenn wir die Dienstprogramme von Aktionen y und z (angezeigt durch die blauen und roten Kästchen in der nächsten Abbildung) vergleichen, bemerken wir etwas Interessantes: Wenn Spieler 2 Motion A (erste Spalte der Matrix) wählt, erhält Spieler 1 eine Belohnung von 3, wenn sie Motion Y und eine Belohnung von 2 auswählen, wenn sie Motion Z wählen, additionally ist Motion Y in diesem Fall besser. Aber was passiert, wenn Participant 2 sich für Aktion B (zweite Spalte) entscheidet? In diesem Fall gibt Motion y eine Belohnung von 1 und Motion z eine Belohnung von 0, additionally ist y wieder besser als Z. Und wenn Spieler 2 Motion C (dritte Spalte) wählt, ist y immer noch besser als z (Belohnung von 2 gegen Belohnung von 1). Das bedeutet, dass Spieler 1 niemals Aktion Z verwenden sollte, da die Aktion y immer besser ist.

Wir vergleichen die Belohnungen für Spieler 1 für Aktionen y und z.

Mit den oben genannten Überlegungen kann Participant 2 erwarten, dass Spieler 1 niemals Motion Z verwenden würde und dass Participant 2 sich nicht um die Belohnungen kümmern muss, die zu Motion Z gehören. Dies macht das Spiel viel kleiner, da jetzt nur noch zwei Optionen für Spieler 1 übrig sind, und dies hilft auch bei Spieler 2, sich für ihre Aktion zu entscheiden.

Wir haben herausgefunden, dass für Spieler 1 Y immer besser ist als Z, additionally betrachten wir nicht Z mehr.

Wenn wir uns das abgeschnittene Spiel ansehen, sehen wir, dass Choice B für Spieler 2 immer besser ist als Motion A. Wenn Spieler 1 x auswählt, ist Motion B (mit einer Belohnung von 2) besser als Choice A (mit einer Belohnung von 1), und dies gilt, wenn Spieler 1 Motion Y. Wir haben jedoch bereits gesehen, dass Motion Z sowieso nie von Spieler 1 gespielt werden wird.

Wir vergleichen die Belohnungen für Spieler 2 für Aktionen A und B.

Infolgedessen würde Participant 2 niemals Motion A verwenden. Wenn Spieler 1 nun vorwegnimmt, dass Spieler 2 niemals Motion A verwendet, wird das Spiel wieder kleiner und weniger Optionen müssen berücksichtigt werden.

Wir haben gesehen, dass für Spieler 2 Motion B immer besser als Motion A ist, sodass wir nicht mehr in Betracht ziehen müssen.

Wir können leicht in einer Weise fortfahren und sehen, dass X für Spieler 1 jetzt immer besser ist als Y (2> 1 und 4> 2). Wenn Spieler 1 Motion A wählt, wählt Spieler 2 Motion B, was besser als C (2> 0) ist. Am Ende bleiben nur die Aktion X (für Spieler 1) und B (für Spieler 2) übrig. Das ist die Lösung unseres Spiels:

Am Ende bleibt nur noch eine Choice übrig, nämlich Spieler 1 mit X und Participant 2 mit B.

Für Spieler 1 wäre es rational wissen Was der andere Spieler tun würde. Wir haben nur erwartet, dass einige Aktionen niemals ergriffen würden, weil sie immer schlechter sind als andere Aktionen. Solche Handlungen werden genannt streng dominiert. Zum Beispiel wird Aktion Z streng von Aktion y dominiert, da y immer besser ist als Z.

Die beste Antwort

Solche streng dominierten Handlungen existieren nicht immer, aber es gibt ein ähnliches Konzept, das für uns von Bedeutung ist und als a genannt wird Beste Antwort. Sagen Sie, wir wissen, welche Aktion der andere Spieler wählt. In diesem Fall wird die Entscheidung für eine Aktion sehr einfach: Wir ergreifen nur die Aktion, die die höchste Belohnung hat. Wenn Spieler 1 wusste, dass Participant 2 Choice A auswählte, wäre die beste Antwort für Spieler 1 Y, da Y die höchste Belohnung in dieser Spalte hat. Sehen Sie, wie wir immer nach den besten Antworten gesucht haben? Für jede mögliche Aktion des anderen Spielers haben wir nach der besten Antwort gesucht, wenn der andere Spieler diese Aktion ausgewählt hat. Formell ist die beste Antwort von Spieler I auf eine bestimmte Aktion aller anderen Spieler die Aktion von Spieler 1, die das Dienstprogramm angesichts der Aktionen der anderen Spieler maximiert. Beachten Sie auch, dass eine streng dominierte Aktion niemals eine beste Antwort sein kann.

Kommen wir zu einem Spiel zurück, das wir im ersten Kapitel vorgestellt haben: das Dilemma der Gefangenen. Was sind die besten Antworten hier?

Wie sollte Participant 1 entscheiden, ob Spieler 2 gesteht oder leugnet? Wenn Spieler 2 gesteht, sollte auch Spieler 1 gestehen, da eine Belohnung von -3 besser ist als eine Belohnung von -6. Und was passiert, wenn Spieler 2 leugnet? In diesem Fall ist das Bekenntnis wieder besser, denn es würde eine Belohnung von 0 geben, was besser ist als eine Belohnung von -1 für das Leugnen. Das heißt, für Spieler 1 ist das Bekenntnis die beste Antwort auf beide Aktionen von Spieler 2. Spieler 1 muss sich überhaupt keine Sorgen um die Aktionen des anderen Spielers machen, sondern sollte immer gestehen. Aufgrund der Symmetrie des Spiels gilt dies auch für Spieler 2. Für sie ist das Bekenntnis auch die beste Antwort, egal was Spieler 1 tut.

Das Nash -Gleichgewicht

Wenn alle Spieler ihre beste Antwort spielen, haben wir eine Lösung des Spiels erreicht, das genannt wird Nash -Gleichgewicht. Dies ist ein Schlüsselkonzept in der Spieltheorie aufgrund einer wichtigen Eigenschaft: In einem Nash -Gleichgewicht hat kein Spieler einen Grund, ihre Aktion zu ändern. Es sei denn, ein anderer Spieler tut es. Das bedeutet, dass alle Spieler so glücklich sind, wie sie in der Scenario sein können, und sie würden sich nicht ändern, selbst wenn sie könnten. Betrachten Sie das Dilemma des Gefangenen von oben: Das Nash -Gleichgewicht wird erreicht, wenn beide gestehen. In diesem Fall würde kein Spieler seine Aktion ohne den anderen ändern. Sie könnten besser werden, wenn beide änderte ihre Aktion und beschloss zu leugnen, aber da sie nicht kommunizieren können, erwarten sie keine Veränderung des anderen Spielers und ändern sich auch nicht.

Möglicherweise fragen Sie sich, ob für jedes Spiel immer ein einzelnes Nash -Gleichgewicht vorhanden ist. Lassen Sie mich Ihnen sagen, dass es auch mehrere geben kann, wie im Bach vs. Stravinsky -Spiel, in dem wir bereits wissen, in dem wir uns bereits kennengelernt haben Kapitel 1:

Dieses Spiel hat zwei Nash -Gleichgewichte: (Bach, Bach) und (Strawinsky, Strawinsky). In beiden Szenarien können Sie sich leicht vorstellen, dass es keinen Grund für einen Spieler gibt, seine Aktion isoliert zu ändern. Wenn Sie mit Ihrem Freund im Bach -Konzert sitzen, lassen Sie Ihren Sitz nicht in das Stravinsky -Konzert in Ruhe, selbst wenn Sie Strawinsky gegenüber Bach bevorzugen. Ebenso würde der Bach -Fan nicht vom Stravinsky -Konzert verschwinden, wenn das seinen Freund in Ruhe lassen wollte. In den verbleibenden zwei Szenarien würden Sie jedoch anders denken: Wenn Sie alleine im Stravinsky -Konzert wären, möchten Sie dort raus und mit Ihrem Freund im Bach -Konzert anschließen. Das heißt, Sie würden Ihre Aktion ändern, auch wenn der andere Spieler ihre nicht ändert. Dies sagt Ihnen, dass das Szenario, in dem Sie sich befunden haben nicht Ein Nash -Gleichgewicht.

Es kann jedoch auch Spiele geben, die überhaupt kein Nash -Gleichgewicht haben. Stellen Sie sich vor, Sie sind ein Fußballwächter während eines Elfmeterschusses. Der Einfachheit halber gehen wir davon aus, dass Sie nach hyperlinks oder nach rechts springen können. Der Fußballspieler der gegnerischen Mannschaft kann auch in der linken oder rechten Ecke schießen, und wir gehen davon aus, dass Sie den Ball fangen, wenn Sie sich für die gleiche Ecke entscheiden wie sie und dass Sie ihn nicht fangen, wenn Sie sich für gegnerische Ecken entscheiden. Wir können dieses Spiel wie folgt anzeigen:

Sie werden hier kein Nash -Gleichgewicht finden. Jedes Szenario hat einen klaren Gewinner (Belohnung 1) und einen klaren Verlierer (Belohnung -1), und daher wird einer der Spieler immer ändern wollen. Wenn Sie nach rechts springen und den Ball fangen, möchte Ihr Gegner in die linke Ecke wechseln. Aber dann werden Sie wieder Ihre Entscheidung ändern wollen, wodurch Ihr Gegner wieder die andere Ecke auswählt und so weiter.

Zusammenfassung

Dieses Kapitel zeigte, wie man Lösungen für Spiele findet, indem das Konzept eines Nash -Gleichgewichts verwendet wird. Fassen wir zusammen, was wir bisher gelernt haben:

• Eine Lösung eines Spiels in der Spieltheorie maximiert das Dienstprogramm oder die Belohnung jedes Spielers.
• Eine Aktion heißt streng dominiert Wenn es eine andere Aktion gibt, die immer besser ist. In diesem Fall wäre es irrational, jemals die streng dominierte Aktion zu spielen.
• Die Maßnahmen, die die höchste Belohnung angesichts der Maßnahmen der anderen Spieler liefert, heißt a Beste Antwort.
• A Nash -Gleichgewicht ist ein Zustand, in dem jeder Spieler seine beste Antwort spielt.
• In einem Nash -Gleichgewicht möchte kein Spieler seine Aktion ändern, es sei denn, es ist ein anderes Spiel. In diesem Sinne sind Nash -Gleichgewichte optimale Zustände.
• Einige Spiele haben mehrere Nash -Gleichgewichte und einige Spiele haben keiner.

Wenn Sie darüber traurig waren, dass es in einigen Spielen kein Nash -Gleichgewicht gibt, verzweifeln Sie nicht! Im nächsten Kapitel werden wir die Wahrscheinlichkeiten von Aktionen einführen, und dies ermöglicht es uns, mehr Gleichgewichte zu finden. Bleiben Sie dran!

Referenzen

Die hier eingeführten Themen werden normalerweise in Standardlehrbüchern zur Spieltheorie behandelt. Ich habe diesen hauptsächlich diesen verwendet, der jedoch auf Deutsch geschrieben ist:

• Bartholomae, F. & Wiens, M. (2016). Spielheorie. Ein anwendungsorientieres lehrbuch. Wiesbaden: Springer Fachmedien Wiesbaden.

Eine Different in englischer Sprache könnte Folgendes sein:

• Espinola-Arredondo, A. & Muñoz-Garcia, F. (2023). Spieltheorie: Eine Einführung mit Schritt-für-Schritt-Beispielen. Springer Natur.

Die Spieltheorie ist ein ziemlich junges Forschungsfeld, wobei das erste Hauptlehrbuch dieses ist:

• Von Neumann, J. & Morgsenstern, O. (1944). Theorie der Spiele und des wirtschaftlichen Verhaltens.

Wie dieser Artikel? Folgen Sie mir über meine zukünftigen Beiträge informiert werden.

Ich habe 2020 meinen Job als Datenanalyst bekommen.

Ich genoss die Vorteile der Heimarbeit, verdiente gutes Geld und hatte versatile Arbeitszeiten.

Leider haben sich die Dinge seitdem geändert.

Jeden Tag landen in meinem Posteingang Dutzende von LinkedIn-Nachrichten von Kandidaten, die trotz der erforderlichen analytischen Fähigkeiten Schwierigkeiten haben, einen Job zu finden.

Diese Leute haben Tausende von Greenback für Bootcamps und On-line-Kurse ausgegeben, nur um dann mit niedrigen Angeboten und Ablehnungs-E-Mails konfrontiert zu werden.

Für eine Videoversion klicken Sie hier Hier.