فرارو- از ریاضیات تئوری بازی‌ها برای پیش‌بینی نتایج در موقعیت‌های تعارض استفاده می‌شود. اکنون نظریه بازی‌ها از طریق داده‌های بزرگ برای حل مسائل بسیار بحث برانگیز بین مردم و محیط زیست انطباق پیدا کرده است.
به گزارش فرارو به نقل از مادرن دیپلماسی، تئوری بازی یک مفهوم ریاضی است که هدف آن پیش‌بینی نتایج و راه‌حل‌های مسئله‌ای می‌باشد که در آن طرفین به گونه‌ی متضاد، همپوشانی یا مختلط تعامل دارند. در این نظریه، بازی همگان را به یک راه‌حل بهینه یا "تعادل" می‌رساند.
این وضعیت نویدبخش یک رویکرد علمی برای درک چگونگی تصمیم گیری افراد و دستیابی به سازش در موقعیت‌های دنیای واقعی را می‌دهد.
نظریه بازی‌ها در دهه ۱۹۴۰ میلادی در زمینه اقتصاد شکل گرفت. "جان نش" در سال ۱۹۹۴ میلادی جایزه نوبل علوم اقتصادی را برای فعالیت در این زمینه کسب کرد. فیلم برنده اسکار "ذهن زیبا" با بازی "راسل کرو" در نقش "جان نش" نیز در این باره ساخته شده است.
پروفسور "نیلز بونفلد" دانشمند علوم اجتماعی و محیط زیست در دانشگاه استرلینگ بریتانیا می‌گوید: "اگرچه این مفهوم برای چندین دهه وجود داشته، اما تفاوت در حال حاضر توانایی ساخت نظریه بازی در الگوریتم‌ها، بازی‌ها و برنامه‌های مبتنی بر رایانه برای کاربرد گسترده‌تر آن است. این امر به ویژه در عصر داده‌های بزرگ صدق می‌کند".
او می‌گوید: "نظریه بازی‌ها به عنوان یک ایده نظری مدت‌هاست برای نشان دادن راه‌حل‌هایی برای مشکلات مرتبط با تعارض وجود داشته است. ما واقعا می‌بینیم که این نظریه ظرفیت بالقوه انتقال به رایانه را دارد تا از طریق آن از داده‌هایی که می‌توان جمع آوری کرد حداکثر استفاده را کسب کرده و همزمان امکان دسترسی به افراد بیش تری فراهم شود".
پروفسور بونفلد پروژه ConFooBio را با حمایت اتحادیه اروپا را هدایت کرد که نظریه بازی را در سناریو‌هایی که در آن افراد بر سر منابع و محیط در تضاد بودند به کار برده بود. تیم او قصد داشت مدلی برای پیش بینی راه‌حل‌های تضاد بین امنیت غذایی و تنوع زیستی ایجاد کند. نقطه آغاز آن بود که وقتی دو یا چند طرف با یکدیگر اختلاف دارند برای مثال، با زمین یا منابع طبیعی چه کاری باید انجام دهیم؟ آیا باید غذای بیش تری تولید کنیم؟ یا باید از منطقه خاصی برای تنوع زیستی محافظت به عمل آوریم؟ این تیم بر روی هفت مطالعه موردی از درگیری‌های مربوط به کشاورزان و حفاظت از غاز‌ها در اسکاتلند تا مطالعات مربوط به فیل‌ها و حمله به محصولات کشاورزی در گابن متمرکز شده بود. ConFooBio بیش از ۳۰۰ کارگاه آموزشی نظریه بازی با بیش از ۹۰۰ نفر در مکان‌های متعددی از جمله گابن، کنیا، ماداگاسکار، تانزانیا و اسکاتلند برگزار کرد.
پروفسور بونفلد متوجه شد که لازم است از نظریه بازی در شکل خالص آن صرفنظر کرده و در عوض بازی‌های پیچیده تری بسازد تا چالش‌های زیست محیطی را که جهان در حال حاضر با آن مواجه است مانند تغییرات آب و هوایی مورد ارزیابی قرار دهد. هم چنین، اتخاذ رویکردی مبتنی بر مردم بیش‌تر از آن چه در ابتدا برنامه ریزی شده بود برای هدف قرار دادن بهتر بازی‌ها ضرورت پیدا کرد. بونفلد می‌گوید:" شرکت کنندگان شامل افرادی بودند که به طور مستقیم در این درگیری‌ها دخیل بودند و در بسیاری از موارد بسیار ناراضی بودند. از طریق بازی‌ها ما تعامل بالایی از جوامع دریافت کردیم حتی از جوامعی که در آن درگیری زیاد است و مردم تمایلی به شرکت در پژوهش ندارند. ما نشان دادیم که مردم زمانی قادر به حل تعارض هستند که به یکدیگر اعتماد داشته باشند و حرفی برای گفتن داشته باشند و زمانی که پول کافی برای تلاش‌های حفاظتی دریافت می‌کنند حل تعارضات امکان پذیر است". این تیم یک چارچوب مدل سازی برای پیش بینی نتایج مدیریت حیات وحش در میان درگیری ایجاد کرد.
هم چنین، پژوهشگران یک بازی قابل دسترس درباره حفاظت به نام Crops vs Creatures ایجاد کردند که در آن بازیکنان بین طیف وسیعی از گزینه‌ها از تیراندازی به موجودات گرفته تا اختصاص زیستگاه برای حفاظت تصمیم می‌گیرند.
پروفسور بونفلد امیدوار است که این نوع بازی‌ها از طریق فروشگاه‌های اپلیکیشن به صورت جریان اصلی در دسترس‌تر شوند مانند بازی در مورد درگیری‌ها در حوزه تنوع زیستی و عدالت در حوزه انرژی در یک ابتکار عمل جداگانه که او در یک پروژه به نام Beacon روی آن کار می‌کند. او می‌گوید:"اگر به مردم بگویید که یک بازی هیجان انگیز یا یک مدل پیچیده دارید از میان آن دو کدام یک را انتخاب می‌کنید من فکر می‌کنم پاسخ بسیار آسان است".
پروفسور بونفلد می‌افزاید:" در پروژه ConFooBio ما توانستیم نشان دهیم که مدل‌ها و الگوریتم‌های جدید ما می‌توانند با شرایط تازه سازگار شوند و به تغییرات محیطی و اجتماعی پاسخ دهند. مدل‌های ما برای پیشنهاد راه‌هایی به منظور مدیریت تضاد بین سهامداران با اهداف رقابتی مفید هستند".
پروژه دیگری به نام Odycceus عناصر تئوری بازی‌ها را برای بررسی آن چه که رسانه‌های اجتماعی می‌توانند در مورد پویایی‌های اجتماعی به ما بگویند و به طور بالقوه در تشخیص زودهنگام تعارضات اجتماعی در حال ظهور به ما کمک کند به کار گرفت. آنان زبان، محتوا و نظرات بحث‌های رسانه‌های اجتماعی را با استفاده از ابزار‌های داده مورد تجزیه و تحلیل قرار دادند. "اکهارد اولبریش" هماهنگ کننده پروژه Odycceus و فیزیکدان موسسه ماکس پلانک برای ریاضیات در علوم در لایپزیگ در آلمان توضیح داد که چنین ابزار‌هایی برای تجزیه و تحلیل حجم وسیعی از اطلاعات در گفتمان عمومی مورد نیاز هستند. انگیزه کار او تا حدی با تلاش برای درک دلایل قطبی شدن دیدگاه‌ها و رشد جنبش‌های پوپولیستی عمدتا راست افراطی است.
انگیزه کار او تا حدی با تلاش برای درک دلایل قطبی شدن دیدگاه‌ها و رشد جنبش‌های پوپولیستی مانند سازمان راست افراطی پِگیدا است که در زادگاه اش درسدن در سال ۲۰۱۴ میلادی تاسیس شد. این تیم ابزار‌های مختلفی را ایجاد کردند که پژوهشگران از طریق یک پلتفرم باز به نام "پِنِلوپه" در دسترس بودند. در این پژوهش مواردی مانند لایک‌های کاربران در توئیتر مورد بررسی قرار گرفتند که پژوهشگران را قادر می‌ساخت تا ارتباطات بین کاربران توییتر و موضوعات پرطرفدار را درک کنند و این موضوع به درک چگونگی تحول بحث‌های اجتماعی کمک می‌کند.
برنامه‌های دیگر شامل دو برنامه مشارکتی به نام‌های Opinion Observatory و Opinion Facilitator بودند که افراد را قادر می‌سازد تا پویایی موقعیت‌های درگیری را مورد نظارت قرار دهند مانند کمک به پیوند مقالات خبری حاوی مفاهیم مرتبط.
"اولبریش" می‌گوید:"این بازار‌ها پیش‌تر به ما این امکان را داده اند که بینش بهتری نسبت به الگو‌های قطبی شدن و درک جهان بینی‌های مختلف داشته باشیم". برای مثال، او می‌گوید که تیم اش موفق به ایجاد مدلی در مورد تاثیر بازخورد اجتماعی بر قطبی سازی شد که ایده‌های نظری نظریه بازی را در بر می‌گرفت".
یافته‌ها حاکی از آن است که شکل گیری گروه‌های قطبی شده آنلاین کم‌تر به مفهوم سنتی حباب‌های رسانه‌های اجتماعی و اتاق‌های پژواک مربوط می‌شود تا روشی که افراد با کسب تایید همتایان شان هویت خود را می‌سازند. او می‌افزاید اتصال نقاط بین نظریه بازی و قطبی سازی می‌تواند کاربرد‌های واقعی برای مواردی مانند بهترین نحوه تنظیم رسانه‌های اجتماعی را داشته باشد.
او می‌گوید:" در فرمول بندی تئوری بازی شما با انگیزه‌های بازیکنان آغاز می‌کنید و آنان اقدامات خود را برای به حداکثر رساندن سود مورد انتظارشان انتخاب می‌کنند. این اجازه می‌دهد تا پیش‌بینی‌هایی درباره نحوه تغییر رفتار افراد در صورتی که برای مثال، رسانه‌های اجتماعی را تنظیم کنید انجام شود".
اولبریش می‌افزاید که امیدوار است چنین مدل سازی‌ای بتواند درک بهتری از دموکراسی و بحث‌ها در حوزه عمومی فراهم کند و هم چنین، راه‌های بهتری را برای شرکت در بحث‌های عمومی به مردم نشان دهد. او می‌گوید:"در نتیجه، راه‌های بهتری برای مقابله با درگیری‌هایی که داریم و باید حل کنیم خواهیم داشت. اولبریش توضیح می‌دهد که چالش‌های مهمی نیز در استفاده از نظریه بازی برای موقعیت‌های دنیای واقعی وجود دارد".
برای مثال، گنجاندن تفاوت‌های فرهنگی در نظریه بازی دشوار است، زیرا چنین تفاوت‌هایی ممکن است به این معنا باشد که دو نفر روش‌های بسیار متفاوتی برای نگاه کردن به یک مشکل دارند. پروفسور "بونفلد" می‌افزاید:" مشکل نظریه بازی‌ها این است که به دنبال راه حل‌هایی برای راه حل یک مشکل است. با نگاهی به درگیری‌ها در چند سال گذشته، برای من روشن است که ما نمی‌توانیم درگیری‌ها را حل کنیم فقط می‌توانیم آن را مدیریت کنیم. ایجاد عواملی مانند تغییرات آب و هوا و بافت محلی نیز در یک مدل امری پیچیده است".
با این وجود، او می‌گوید:" نظریه بازی روشی مفید برای کشف مدل ها، بازی‌ها و برنامه‌ها به منظور مقابله با منازعات است. نظریه بازی از مبانی بسیار ساده تا موقعیت‌های کاملا پیچیده نقطه ورود خوبی می‌باشد. نظریه بازی چارچوبی به ما می‌دهد که می‌توانید از طریق آن کار کنید".
