Soit Vous Me Tuez ، Soit Vous Me Prenez tel que je suis ، parce que je serai damné si je un jour.

(یا مرا بکشید یا من را همانطور که هستم بکشید ، زیرا اگر همیشه تغییر کنم لعنت می کنم.)-مارکی دی ساد ، با مدیتیشن در محدوده بازی Ultimatum (با Deepl و با مشورت با Achraf Bouzefour به فرانسوی تبدیل شد)

هیچ کس اولتیماتوم را دوست ندارد – به معنای واقعی کلمه “آخرین پیشنهاد” – اما ما اغلب آنها را می گیریم ، به خصوص اگر تهدید ضمنی در صورت امتناع معتبر باشد. اقتصاددان آلمانی ورنر گث و همکارانش بازی آزمایشی اولتیماتوم را اختراع کردند ، زیرا آنها فکر می کردند این یک روش جالب برای نشان دادن این است که تئوری بازی رسمی الگوی ضعیف رفتار انسان است.

این بازی دو بازیکن ، یک پیشنهاد دهنده P و یک پاسخ دهنده R. ​​P را نشان می دهد که چگونه می توانید مبلغ پول را تقسیم کنید ، به طور معمول 10 دلار. این پیشنهاد اولتیماتوم است زیرا R باید با این تقسیم موافقت کند ، هرچند ممکن است ناعادلانه باشد ، در غیر این صورت هیچ کس پولی دریافت نمی کند (گث و همکاران ، 1982). تئوری بازی پیش بینی می کند که یک R منطقی مبلغ مثبت ، هرچند کوچک را می پذیرد ، زیرا چیزی بهتر از هیچ چیز نیست. با این حال ، اکثر RS پیشنهادات بسیار کم را رد می کنند ، و با انتظار این ، بیشتر PS سهم قابل توجهی را ارائه می دهند ، اغلب 50 ٪.

من چندین بار در مورد این بازی اظهار نظر کرده ام ، و فهمیدم که فکر کردن در مورد اصلاحات تنظیم استاندارد آموزنده است. به عنوان مثال ، در آخرین پست من ، پیامدهای اجازه دادن به پیشنهادات را در صورت رد پیشنهاد اولیه بررسی کردم (Krueger ، 2025). با این کار ، من امیدوار بودم که به طور کلی روانشناسی شانس دوم را روشن کنم.

بازی Ultimatum به عنوان یک روش تجربی زیبا برای مطالعه چانه زنی صفر پذیرفته شده است. سود یکی از بازیکنان از دست دادن بازیکن دیگر است و هر دو این نتایج از نظر ساده است. افسوس ، بسیاری ، اگر نه بیشتر ، موقعیت های چانه زنی در دنیای واقعی کمرنگ تر هستند. به عنوان مثال ، هنگامی که یک فروشنده خودرو یک پیشنهاد گرفتن یا مرخصی را ارائه می دهد ، ممکن است فرض کنید که این به نفع آنهاست. پیشنهاد خودآزمایی فروشنده مربوط به پیشنهاد کمتر از 50 ٪ در بازی آزمایشی است.

اما پیشنهاد فروشنده چقدر پایین تر از نقطه انصاف است؟ چگونه یک خریدار حتی می تواند بداند که آیا یک پیشنهاد عادلانه است به این معنا که فروشنده و خریدار به همان اندازه سود می برند؟ فروشنده به طور معمول اطلاعات و تجربه بیشتری دارد و بهتر از خریدار است تا بداند که انصاف کجاست. فروشنده علاقه ای به حدس زدن خریدار و در نهایت اشتباه کردن یک معامله ناعادلانه دارد که فکر می کند این یک عادلانه است. یکی از ضد استراتژی های اکتشافی در اختیار خریدار ، غصب کردن نقش پیشنهاد دهنده و ارسال اولتیماتوم خود است (Krueger et al. ، 2020). پاسخ فروشنده آموزنده خواهد بود. اگر فروشنده به راحتی این پیشنهاد را بپذیرد ، احتمالاً خیلی سخاوتمندانه است و خریدار را با آن کنار می گذارد نفرین برندهبشر اگر فروشنده کاهش یابد ، امیدوار است که هر دو طرف مایل به انجام یک بازی چند دور باشند تا بتوانند در نزدیکی نقطه واقعی انصاف به توافق برسند (Bazerman ، 2025).

به طور خلاصه ، بازی آزمایشی اولتیماتوم ، هرچند ظریف ، اما نتواند بسیاری از موقعیت های چانه زنی در دنیای واقعی را منعکس کند زیرا از برخی عدم قطعیت های مهم غفلت می کند. یکی دیگر از ویژگی های جالب بازی استاندارد ، تفاوت در روانشناسی پیشنهاد دهنده P و پاسخ دهنده R. ​​است اگر P علاقه مند به حداکثر رساندن سهم خود از پول است ، آنها باید آستانه پذیرش R را پیش بینی کنند و سپس فقط به اندازه کافی برای پاک کردن آن آستانه ارائه دهند. برای انجام این کار ، P باید تعجب کند که چه چیزی است که می تواند باشد. در مقابل ، R فقط باید در انتظار پیشنهاد باشد ، در مورد آن فکر کند ، و سپس با توجه به نیازهای انصاف خود ، مبلغ خود را برای پذیرش مبلغ ارائه شده مشورت کنید.

بگذارید اکنون بازی را تغییر دهیم تا هر دو بازیکنان با توجه به یکدیگر با عدم اطمینان روبرو هستند. برای انجام این کار ، اجازه دهید R برای پیش بینی اندازه پیشنهاد P نیاز داشته باشیم. اگر پیش بینی از نظر منطقی دقیق باشد ، در 10 ٪ بگویید ، این یک معامله است ، در غیر این صورت ، هیچ بازیکنی پرداخت نمی شود. چالش R این است که به جای اینکه فقط یک مجازات پتانسیل پتانسیل باشد ، یک پیش بینی خوب باشد. با فرض اینکه هر دو بازیکن این قانون جدید را درک می کنند ، پیامدهای آن چیست؟

R می داند که دو نوع خطای مختلف پیش بینی امکان پذیر است. هنگامی که پیش بینی خیلی زیاد باشد ، یک نوع خطا بوجود می آید. می گویند ، R انتظار دارد 4 +/- 1 دلار از مبلغ بازی استاندارد 10 دلار دریافت کند ، اما فقط 2 دلار ارائه می شود. این پیشنهاد اکنون توسط قوانین بازی باطل شده است ، نتیجه ای شبیه به آنچه که به طور معمول در بازی استاندارد اتفاق می افتد. خطای دیگری هنگامی پیش می آید که پیش بینی خیلی کم باشد. بگویید ، R بدبین از 2 دلار +/- 1 دلار انتظار دارد و پیشنهادی 4 دلار دریافت می کند. هنگامی که یک پیشنهاد شگفت آور بالا از بین می رود ، R به احتمال زیاد احساس خشم نخواهد کرد ، مانند اولین خطا ، اما شرم. r اکنون به جای تقصیر P ، سرزنش را می گیرد.

این بازی اصلاح شده ، زیرا از بازیکنان می خواهد تا با شبیه سازی آنچه بازیکن دیگر انجام خواهد داد ، عدم قطعیت های خود را برطرف کنند ، آنها را به یک خرگوش از رگرسیون نامتناهی سوق می دهد. هنگامی که P پیش بینی می کند که اگر R نتواند از انصاف انتظار داشته باشد ، پیشنهاد سخاوتمندانه ای در معرض خطر قرار گیرد ، P ممکن است پیشنهاد را به سمت پایین تنظیم کند تا در نزدیکی محدوده پایین منطقه پیش بینی R قرار بگیرد. به نوبه خود ، R ممکن است انتظار داشته باشد که یک P خود علاقه مند این پیشنهاد را چنان کم کند که اگر فقط در منطقه پیش بینی R سقوط کند. برای کاهش خطر خطای پیش بینی ، R به نوبه خود پیش بینی و در نتیجه مرزهای منطقه پذیرش را کاهش می دهد. این حرکتی است که یک P دوقلو می تواند به نوبه خود پیش بینی کند.

این پویایی در تلاش برای پیش بینی یکدیگر ، به یک مسابقه به پایین دامنه پیشنهادات ممکن تبدیل می شود. این باعث بهبود چشم انداز P می شود و R را آزار می دهد. ممکن است انتظار داشته باشد که بازی اصلاح شده با قرار دادن هر دو بازیکن در حالت عدم اطمینان ، انصاف را به نفع پیشنهاد دهنده از بین ببرد یا در مقایسه با بازی استاندارد ، تعداد بیشتری از بازی های شکست خورده را به همراه خواهد داشت. از طرف دیگر ، ممکن است کسی گمان کند که اکثر بازیکنان نمی توانند از طریق چندین لایه شبیه سازی شبیه سازی یکدیگر فکر کنند (Grüning & Krueger ، 2024) ، و این که آنها در معاملات خود که با خوشحالی تر و مناسب تر برای پاسخ دهنده هستند ، تسویه حساب می کنند.

تا زمانی که منتظر آزمایش های تجربی مناسب از این امکانات هستیم ، در حالت عدم اطمینان باقی خواهیم ماند.