---
id: [[Game-Theory|Game-Theory]]-001
category: Dev
confidence_score: 1.0
tags: [ai, game-theory, [[Multi-agent-System|Multi-agent-System]]s, nash-equilibrium, decision-making]
last_reinforced: 2026-04-26
---

# Game Theory in AI (AI에서의 게임 이론)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "지능적인 행위자들이 서로의 선택을 예측하며 최선의 이익을 찾아가는 전략적 상호작용의 수학적 모델" — 여러 에이전트가 공존하는 환경에서 자신의 이득뿐만 아니라 타인의 반응까지 고려하여 최적의 의사결정을 내리는 원리를 다루는 이론.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 상대방의 전략이 주어졌을 때 누구도 자신의 전략을 바꿀 유인이 없는 상태(Nash Equilibrium)를 지향하거나, 협력과 배신 사이의 균형점을 찾는 전략적 최적화 패턴.
- **핵심 개념:**
    - **Nash Equilibrium (나시 균형):** 모든 플레이어가 상대방의 최선에 대응하여 최선의 선택을 하고 있는 정적 상태.
    - **Zero-sum vs Non-zero-sum:** 한쪽의 이득이 다른 쪽의 손실인 상황과 상생이 가능한 상황의 구분.
    - **Minimax Algorithm:** 최악의 경우에 발생할 손실을 최소화하는 전통적인 게임 트리 탐색 기법.
    - **Multi-Agent[[_system|system]]s (MAS):** 여러 AI 에이전트가 협력하거나 경쟁하며 복잡한 문제를 해결하는 구조.
- **의의:** 강화학습(특히 Multi-agent RL)과 경제 시스템 모델링, 자율주행차 간의 통행 협상 등 현대 AI의 사회적 상호작용 설계의 근간.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 고정된 규칙의 게임 분석에서 벗어나, 에이전트가 상호작용을 통해 스스로 전략을 진화시키는 동적 시스템 분석으로 진화.
- **정책 변화:** Antigravity 프로젝트의 다중 에이전트 협업 프로토콜은 게임 이론적 관점에서 각 에이전트의 작업 할당과 자원 분배를 최적화하여 전체 시스템의 효율성을 극대화함.

## 🔗 지식 연결 (Graph)
- [[Multi-Agent-Systems-MAS|Multi-Agent-Systems-MAS]], [[Reinforcement-Learning|Reinforcement-Learning]], Decision-Making, Mechanism-Design
- **Raw Source:** 10_Wiki/Topics/AI/Game-Theory-in-AI.md