智能系统通常依赖于信息智能体提供的数据，例如传感器数据或众包计算。因为提供准确和切合的数据需要付出代价的不菲，所以智能体可能并不总是愿意提供准确的数据。因此，不仅要验证数据的正确性，还要提供激励机制，以给提供高质量数据的智能体更多奖励。这就是本书的主题——数据科学中的博弈论。本书研究了不同的激励机制与各种环境设置，也考虑了声誉机制，并通过在预测平台、社区感知和同级评分中的应用实例来补充博弈论分析。

此书是世界图书出版公司“世界博弈论经典”系列图书中的一种。这个书系的“计算与信息科学”子系列的第一辑包括《数据科学的博弈论》《网络博弈：理论、模型和动力学》《无线与通信网络的博弈论：理论、模型和应用》《网络安全：决策与博弈论方法》《动态频谱分配的机制与博弈》。另外，已出版的“经济与社会科学”子系列的第一辑包括《博弈论》《博弈论教程》《博弈学习理论》《博弈论与社会契约（第1卷）：公平博弈》《博弈论与社会契约（第2卷）：公正博弈》《博弈、信息与政治》。

·这本前沿著作中介绍了如何在数据科学中引入博弈论，以获得高质量的数据并从中提取真实信息。

·著者博伊·法尔廷斯是瑞士洛桑联邦理工学院的教授的计算机科学系系主任，他在人工智能的多个领域都做出重大贡献，并且是国际上研究真实信息提取机制的先驱者之一。

博伊·法尔廷斯（Boi Faltings）是瑞士洛桑联邦理工学院的教授并曾担任计算机科学系系主任。他在人工智能的多个领域都做出重大贡献，并且是国际上研究真实信息提取机制的先驱者之一。他是国际人工智能促进协会的杰出会士（AAAI Fellow）和欧洲人工智能协会的杰出会士（EurAI Fellow）。戈兰·拉达诺维奇（Goran Radanovi??）目前是德国马普软件系统研究所的研究员，他博士师从瑞士洛桑联邦理工学院的法尔廷斯教授，毕业后在美国哈佛大学做博士后研究。

Preface

1. Introduction

2. Mechanisms for Verifiable Information

3. Parametric Mechanisms for Unverifiable Information

4. Nonparametric Mechanisms: Multiple Reports

5. Nonparametric Mechanisms: Multiple Tasks

6. Prediction Markets: Combining Elicitation and Aggregation

7. Agents Motivated by Influence

8. Decentralized Machine Learning

9. Conclusions

Bibliography