에너지 시장에서의 인간-에이전트 하이브리드 사회적 딜레마

Hybrid Human-Agent Social Dilemmas in Energy Markets

인간이 전략적 의사 결정을 자율 에이전트에 위임하는 하이브리드 환경에서, 협력적 행동이 언제, 그리고 어떻게 나타나는지를 이해하는 것은 중요한 과제입니다. 본 연구는 에너지 수요 관리라는 맥락에서 이 문제를 다룹니다. 소비자는 수요에 따라 변동하는 가격 하에 가전 제품 사용 계획을 수립합니다. 이러한 구조는 모든 참여자가 협력을 통해 이익을 얻을 수 있지만, 균형 상태에서 에이전트들은 종종 협력적 교대를 통해 피할 수 있는 혼잡 비용을 감수하는 선택을 합니다. 이러한 협력 문제를 해결하기 위해, 우리는 전역적으로 관찰 가능한 신호를 활용하여 협력을 증진시키는 인공 에이전트를 도입합니다. 진화적 모델링과 강화 학습 실험을 통해, 인공 에이전트가 학습 동역학을 변화시켜 협력적인 결과를 선호하도록 유도할 수 있음을 보여줍니다. 종종 간과되는 문제는 부분적인 기술 도입입니다. 인공 에이전트 기술이 초기 도입 단계에 있을 때 어떤 현상이 발생하는가? 우리는 채택자와 비채택자로 구성된 혼합 그룹을 분석하여, 일방적인 도입이 가능하다는 것을 보여줍니다. 즉, 채택자는 구조적으로 불이익을 받지 않으며, 부분적인 도입만으로도 전체적인 결과를 개선할 수 있습니다. 그러나 특정 매개변수 조건에서, 비채택자는 채택자에 의해 유도된 협력으로부터 비례적으로 더 큰 이익을 얻을 수 있습니다. 이러한 비대칭성은 유익한 도입을 완전히 배제하지는 않지만, 배포 과정에서 고려해야 할 사항이며, 다중 에이전트 환경에서 AI 기술의 채택과 관련된 전략적 문제를 강조합니다.

In hybrid populations where humans delegate strategic decision-making to autonomous agents, understanding when and how cooperative behaviors can emerge remains a key challenge. We study this problem in the context of energy load management: consumer agents schedule their appliance use under demand-dependent pricing. This structure can create a social dilemma where everybody would benefit from coordination, but in equilibrium agents often choose to incur the congestion costs that cooperative turn-taking would avoid. To address the problem of coordination, we introduce artificial agents that use globally observable signals to increase coordination. Using evolutionary dynamics, and reinforcement learning experiments, we show that artificial agents can shift the learning dynamics to favour coordination outcomes. An often neglected problem is partial adoption: what happens when the technology of artificial agents is in the early adoption stages? We analyze mixed populations of adopters and non-adopters, demonstrating that unilateral entry is feasible: adopters are not structurally penalized, and partial adoption can still improve aggregate outcomes. However, in some parameter regimes, non-adopters may benefit disproportionately from the cooperation induced by adopters. This asymmetry, while not precluding beneficial entry, warrants consideration in deployment, and highlights strategic issues around the adoption of AI technology in multiagent settings.