RezeのBlog
← 返回文章列表

囚徒困境:占优策略与它的账单

2022.04.16杂记1720 字视频 1 · 参考 4

一九五〇年,兰德公司的两位研究者设计了一个游戏,请两位同事来玩:各选合作或者背叛,连玩一百轮。

几个月后,阿尔伯特·塔克在斯坦福讲这个矩阵,嫌它太干,编了两个囚犯的故事:分开审讯,各自只能选坦白或者抵赖。

故事讲得太顺,从此这个矩阵有了名字,也多了一个错觉。

错觉是:既然背叛划算,人就一定会背叛。

矩阵里的占优策略

先把算术摆出来。都不说,各判一年;一个说一个不说,说的走人,不说的判十年;都说,各判八年。

站在任何一个人的位置上算一遍。对方不说,我说,从一年变零年;对方说,我也说,从十年变八年。

两条路都通向「说」。这叫占优策略:不管对方怎么选,它都不差。

两个人各自做了对自己最有利的选择,结果是各判八年,比都不说的一年差得多。

个体理性通向集体非理性,这句话的源头就在这四格里。

故事塞进的三个假设

塔克的故事好用,因为它偷偷塞进了三个条件:不能通气,只玩一次,双方的收益彼此都知道。

三条都不成立的时候,结论就松了。

现实里的合作大多发生在能通气、会再见面、算不清对方底细的场合。同事、婚约、老店与老客,都不是一局定生死。

还有一个设定不太显眼:两个人同时选,谁也不知道对方选了什么。现实里更多是先后手,先动的人可以把信号放出去,后动的人可以回应。

把这些条件拆开看,囚徒困境就从一条人性判断,退回成一个结构问题。这是它真正有用的地方。

一百轮里的意外

最早做实验的人自己就被结果噎住了。Flood 和 Dresher 让两位同事玩了一百轮,两人很快就稳定在互相合作上。

按矩阵算,这不合算。可他们就是这么玩了一百轮,谁也没有抢先背叛。

一九八〇年,阿克塞尔罗德办了一场更正式的比赛。他把规则登在学术通讯上,请人寄策略程序来,循环对打。

第一轮收到十四个程序。赢的是一个只有几行的策略,寄件人是多伦多大学的阿纳托尔·拉波波特,名字叫「一报还一报」。

第二轮,六十多个程序,参赛者都看过第一轮的分析报告,也都知道上一轮是谁赢的。赢的还是它。科技日报复盘过这两轮比赛,重点落在四条建议上。

以牙还牙的四个性质

这些结论后来被写进《合作的进化》。阿克塞尔罗德把赢家的好处拆成四条:

不要嫉妒对方的成功;不要首先背叛;对合作给予回报,对背叛给予惩罚;让自己的策略容易被对方看懂。
——阿克塞尔罗德从两轮竞赛里总结的四条

前三条管收益,第四条管传播。一个策略再高明,对方看不懂,就没法配合。

它有个软肋,出在噪音上。一次误会被当成背叛,还手又被当成新的背叛,两边就锁死在互相报复里。

后来的改进叫「宽容的一报还一报」:对方偶尔失手,忍一次。代价是偶尔被占便宜,收益是不容易陷入死循环。

▶好人有好报吗?重复博弈的最佳策略是什么才下广木 · 3.7 万播放

反驳:多数局面不是这个矩阵

最强的一击来自概念的滥用。价格战、军备竞赛、气候谈判常被叫作囚徒困境,可它们的收益结构并不一样。

价格战里,降价未必占优。对手看得见、跟得上、报复得起,而且这局会一直开下去。降价的第二天,全行业的价格都低了一格。

气候谈判里没有两个人,只有近两百个玩家,家底、排放史、承受能力全不同。硬塞进四格矩阵,只会得出一个假结论:反正都会背叛。

另一个反驳更根本。如果结构决定行为,那么改结构比改人有效。这也是阿克塞尔罗德自己想说的,只是常被读成「人天生会背叛」。

还有一个技术性的麻烦:收益是主观的。同一次合作,有人算作赚,有人算作亏。矩阵画得再准,也画不进当事人的算法。

该改的是结构

我的判断是:囚徒困境的用处,是让人承认一件不好听的事——在某种局面里,好人也会背叛,而且背叛是算过的。

所以指责人品没什么用。要看的是这局会不会重来、行为可不可见、背叛有没有代价。

收口

下次跟人谈合作,先问一句:我们还会不会再见面。

如果答案是会,很多话可以慢慢说;如果答案是不会,把丑话放在前面,比事后怪人有用。

参考