after [[📚🐢ms(서론)]], [[📚🐅ms(이론)]] , [[📚🐙ms(응용)]] [[🗄️be(andrew_josh)]] ### 학제간 협력을 위한 초대 [[🗄️🧠charlie]] 최적 무지 수준(OIL) 프레임워크는 베이지안 모델링과 진화과학 커뮤니티 간의 전례 없는 대화 기회를 열어줍니다. 우리는 두 분야의 근본 가정에 도전하는 세 가지 도발적 질문을 제시합니다: **베이지안 모델러들에게:** 만약 행위자가 수동적으로 업데이트만 하는 것이 아니라 전략적으로 사전분포의 정밀도를 선택할 수 있다면? 우리 모델의 내생적 τ는 창업가들이 학습 능력을 적극적으로 설계한다는 것을 시사합니다—이는 사전분포가 주어진 것으로 보는 전통적 베이지안 프레임워크와는 다른 접근입니다. 사전분포 선택의 이러한 주체성은 특히 Stein의 역설과 범용 수축 추정량을 이해하는 데 있어 계층적 모델링 접근법을 근본적으로 바꿀 수 있습니다. **진화과학자들에게:** 만약 스타트업의 문화적 진화가 무작위가 아닌 설계된 변이로 베이지안 업데이트 규칙을 따른다면? 우리의 증거는 벤처들이 "시뮬레이션된 라마르크적 실험"을 수행한다는 것을 보여줍니다—창업가들이 선택 압력을 예상하고 의도적인 τ 관리를 통해 사전 적응합니다. 이는 선택 역학을 보존하면서도 무작위 변이 가정에 도전합니다. **연결 질문:** 기업가정신을 τ가 개인 학습(베이지안)과 집단 선택(진화론) 사이를 매개하는 진화 실험을 수행하는 베이지안 행위자로 모델링할 수 있을까? 이 종합은 벤처들이 정보 획득(사후분산 감소)과 생존 확률(적합도)을 동시에 최적화하는 방법을 설명할 것이며, τ* = max{0, √(V/4i) - 1}는 두 패러다임에 걸친 탐색과 활용 사이의 균형을 나타냅니다. 우리는 두 전통의 학자들이 이 프레임워크를 확장하기를 초대합니다. 수학적 도구는 이미 존재합니다—모델링 커뮤니티를 위한 계층적 베이지안 모델, 진화론자들을 위한 적응 역학. 남은 것은 τ가 제공하는 개념적 다리입니다: 학습과 선택 모두를 지배하는 측정 가능하고 조작 가능한 매개변수. 이는 단순한 학제간 예의가 아니라 과학적 필요성입니다—기업가정신의 복잡성은 두 무기고의 도구를 모두 요구합니다. ---- 1. we 가 아닌 i, my를 쓰세요. 2. restructuring.txt에서 보면, 1. theorem (marginal value of information - Value marginalized over posterior minus prior) and marginal information integration cost 2. corollary1: c = 1: 3. corollary2: "𝑖 = 0, optimal precision 𝜏 ∗→ ∞ with aspiration 𝜇 ∗ = 1/(𝑐 + 2). Perfect information processing yields convergent beliefs without infinite recursive reasoning, which Aumann (1976) used to prove the existence of common knowledge." 3. corollary2 의 결과를 thinking about what other people think (recursive thinking) 의 결과가 아닌 개인과 세상의 최적화 한번의 결과로 같은 평균이 된걸로 이해할순 없을까? 즉, 모든 multi agent game theory의 결과를 single agent and the world 의 결과로 재해석할수 있을까? 이 경우에 common sense는 같은 환경을 경험하는 각 single agent들이 환경복잡도를 공유하는 형태로 형성되는걸로 이해할수 있을까? Table: Future Research - Bridging Bayesian and Evolutionary Entrepreneurship"는 본문이 아닌 appendix로 빼는걸 추천하나요? [[📜gans20_choose(tech)]]