一、周日晚上的客厅
周日晚上,客厅乱得像刚被抄过家:外卖盒、快递箱、昨晚没收的杯子。你和室友小周都看见了,谁也没吭声。
这件事有一个小小的算计。
- 客厅干净了,对你们每个人都值 6 分的舒服。
- 一个人扫,要花 4 分的力气。
- 两个人一起扫,各花 2 分。
- 谁都不扫,客厅就一直乱着,各得 0 分。
你们各自在房间里想:我是出去扫,还是继续装没看见?
先别往下读。请你先下一个判断,写在纸上:如果你是你,你扫还是不扫?你觉得小周会怎么选?
写好了吗?这一讲不急着回答"该怎么选",我们先做一件更基础的事:把这件事干净地写下来。 同一个场景,写法不一样,能看到的东西就不一样。写下来是分析的第一步,很多人想不清楚一个局面,是因为从来没把它完整地写出来过。
二、第一种写法:矩阵
2.1 三样东西
要把一个博弈写成矩阵,需要三样东西:
- 玩家:谁在做选择?这里是你和小周。
- 策略:每个玩家有哪些选择?这里是"扫"和"不扫"。
- 收益:每一种选择组合出现时,每个玩家得到什么?这里是上面那组分数。
把它们摆进一张表:行玩家(你)选行,列玩家(小周)选列,每个格子写 (你的收益,小周的收益),你的数字在前。
| 小周:扫 | 小周:不扫 | |
|---|---|---|
| 你:扫 | (4,4) | (2,6) |
| 你:不扫 | (6,2) | (0,0) |
逐格读一遍,确认你读得懂:
- 都扫:客厅干净,值 6,各花 2,各得 4。
- 你扫、小周不扫:你得 6 − 4 = 2,小周白得一个干净客厅,得 6。
- 你不扫、小周扫:反过来,你得 6,小周得 2。
- 都不扫:客厅乱着,各得 0。
这就是标准式(也叫矩阵式)。它的好处是一眼就能看到"所有可能的结果"。
2.2 读矩阵:看一个人在对方选定后的最好选择
假设你知道小周选"扫",你该怎么选?只看"小周:扫"那一列:你选扫得 4,选不扫得 6,所以不扫更好。假设你知道小周选"不扫",只看那一列:你选扫得 2,选不扫得 0,所以扫更好。
我们把每一列里,你的较大数字加粗;同样地,每一行里,小周的较大数字也加粗:
| 小周:扫 | 小周:不扫 | |
|---|---|---|
| 你:扫 | (4,4) | (2,6) |
| 你:不扫 | (6,2) | (0,0) |
两个数字都加粗的格子有两个:(你扫,小周不扫)和(你不扫,小周扫)。它们的共同点是:没有人想单独改变自己的选择。 比如在"你扫、小周不扫"里,你如果改成不扫,只会从 2 掉到 0;小周如果改成扫,只会从 6 掉到 4。这样的局面,博弈论里叫纳什均衡。
2.3 先别急着下结论
这张表给了你两个"稳定"的结局,而且是对称的:要么你扫、要么小周扫。它没有告诉你到底是哪个。
你在纸上写的答案,现在可以对照一下:如果你写的是"不扫",你大概是在押小周会扫(在小周扫的那一列里,不扫得 6,比扫得 4 更好);如果你写的是"扫",你大概是怕客厅一直乱着(在小周不扫的那一列里,扫得 2,比不扫得 0 更好)。可是小周也可以这么想。两个人都押对方会扫,结果就是谁也不扫,客厅继续乱着,各得 0,这正是矩阵右下角那个格子。
这个局面没有"标准答案",它取决于两个人对彼此怎么想的预期。我们暂时先停在这里:这一讲想让你看清的是,矩阵能把这种局面清清楚楚地摆出来。
三、第二种写法:博弈树
现在换一个小小的情境。这个周日,小周睡到中午才起床,你一早就醒了。你要么先动手开始扫,要么什么都不做。小周起床后,看到你在扫、还是客厅依旧乱着,再决定自己加不加入。
分数和之前完全一样(两个人都扫,就算"一起扫"),变的只有一件事:顺序。你先选,小周看到你的选择之后再选。
矩阵不太擅长表达"谁先谁后"。更合适的写法是博弈树(也叫扩展式):
读法:从最上面的圆圈(你)开始,往下走一条枝,代表你选了什么;到了下一个圆圈(小周),再选一条枝;走到最底下的叶子,就是最终的结果,括号里是(你的收益,小周的收益)。
这时候,倒着想一遍。
- 先看小周在每个位置会怎么选。 如果你扫了,小周比较:扫得 4,不扫得 6,所以不扫。如果你不扫,小周比较:扫得 2,不扫得 0,所以扫。
- 再回到你。 你知道小周会这样反应。你扫,结果是(2,6),你得 2;你不扫,结果是(6,2),你得 6。所以你不扫。
这棵树的预测只有一个:你不扫,小周看到客厅乱着,只好自己扫,你得 6,小周得 2(图里橙色的那条路)。
⚠️ 这里第一次读会觉得别扭。 小周的选择发生在你之后,可是你的选择要先"预演"小周会怎么选。思考的顺序和发生的顺序是反的。读树的时候,请从叶子往根的方向想:先想最后一个人怎么选,再想倒数第二个人。
对比一下:同时行动时,矩阵给了你两个稳定的结局,没有告诉你是哪个;一旦有了顺序,先走的人可以把"扫不扫"的难题甩给后走的人,结局就确定了。同样的钱,同样的力气,只是顺序不同,结果就不同。 这是博弈论里一个反复出现的想法:规则不一样,结果就不一样。
四、“策略"不是"行动”
下面这件事,是第一次学博弈论最容易想错的地方。
在上面的树里,你只需要选一次:扫或不扫。你的行动和你的策略是同一回事。但小周呢?小周要在两个不同的位置上选,取决于你选了什么。
小周的策略不是"扫"或"不扫",而是一份完整的计划:无论你怎么选,我分别做什么。
想象你要出差一周,联系不上。你给助理留了一封指令信:“如果客户 A 来电,就这样答复;如果客户 A 没来电,就那样处理。“这封信必须把每一种可能出现的情况都写进去,哪怕最后只会发生其中一种,因为你不在场,没办法临时补充。策略就是这封指令信。
于是,小周在这棵树里有 4 个策略(每一个都是一封完整的指令信):
- 都扫:你扫我也扫,你不扫我也扫。
- 跟着你:你扫我就扫,你不扫我就不扫。
- 反着你:你扫我就不扫,你不扫我就扫。
- 都不扫:你扫我也不扫,你不扫我也不扫。
你有 2 个策略(扫、不扫)。把这棵树改写成矩阵,就是一个 2 行 4 列的表:
| 小周:都扫 | 小周:跟着你 | 小周:反着你 | 小周:都不扫 | |
|---|---|---|---|---|
| 你:扫 | (4,4) | (4,4) | (2,6) | (2,6) |
| 你:不扫 | (6,2) | (0,0) | (6,2) | (0,0) |
怎么填的?以"你:扫"这一行为例:小周"都扫”,那么你扫时小周也扫,结果(4,4);“跟着你”,你扫所以小周也扫,(4,4);“反着你”,你扫所以小周不扫,(2,6);“都不扫”,(2,6)。再看"你:不扫"这一行:小周"都扫”,(6,2);“跟着你”,你不扫所以小周也不扫,(0,0);“反着你”,你不扫所以小周扫,(6,2);“都不扫”,(0,0)。
你会发现,树只有 4 片叶子,矩阵却有 8 个格子,而且有些格子的结果一模一样。原因是:策略要把"没发生的情况"也写进去。比如"都扫"和"跟着你",当你选扫时,两者的结果完全一样,因为区别只出现在"你不扫"那条枝上,而你根本没走那条枝。
⚠️ 这一点很容易混。 “行动"是你在某一个位置上做的一件事;“策略"是你在所有可能位置上分别做什么的完整方案。只要每个玩家只在一个位置上选一次,两者碰巧一样;一旦有人要在不同情况下选,两者就分开了。以后每次看到"策略”,请在心里问一句:这封指令信,每种情况都写到了吗?
五、矩阵和树:它们各自擅长什么
我们回到最开始的情形:你和小周同时决定,谁也看不到谁的选择。能不能也画成一棵树?可以,但要加一个东西:
这棵树的形状和刚才一模一样,区别只有那条橙色虚线。它把小周的两个位置连成了一组,叫作信息集:小周站在这两个位置上,看到的东西一模一样,所以分不清自己在哪个位置,只能选一个"不看你的选择"的做法。这时候,小周只剩 2 个策略(扫、不扫),矩阵就是第二节里的 2 × 2。
由此可以看出两种写法的分工:
- 矩阵擅长摆出"每个人选完整策略之后,会得到什么”。它适合"大家一次性做完选择"的场景。
- 博弈树擅长展示"谁先谁后、谁在什么时候知道了什么"。顺序和信息,都在树里。
有一点值得停下来想:“同时"不一定是真的同一时刻。 假设你先把选择写在一张纸上,扣在桌面上,小周后写,但看不到你的纸,这和你们同时写完全一样,因为小周做选择时,看到的东西没有区别。决定一个博弈的,不是钟表上谁先谁后,而是后选的人到底看到了什么。
六、收益是什么:从期望值到期望效用
前面我们用了 6 分、4 分、2 分这样的数字。它们到底是什么?是钱吗?是快乐吗?这一节回答这个问题。
6.1 稳拿 500,还是抛一次硬币
先做一道选择题,请你先选:
A: 稳拿 500 元。 B: 抛一次硬币,正面给你 1000 元,反面什么都没有。
选好了吗?我们来算一算。B 的期望值是 0.5 × 1000 + 0.5 × 0 = 500 元,和 A 一模一样。如果你只看钱的期望值,两个选项没有区别。但大多数人会选 A:落袋为安。
再加码。B 改成:正面 1100 元,反面 0。期望值变成 550,比 A 多 50 元。你还会选 A 吗?不少人仍然选 A。
这说明"只看钱的期望值"并不描述这些人。人在乎的不是钱本身,而是钱给自己带来的满足感,经济学里叫效用。
6.2 钱和满足感,不是一比一
一个很自然的想法是:多出来的钱,带来的满足感会越来越少。从 0 到 500 元,你的生活改善很大;从 1500 到 2000 元,改善就小得多。
我们用一条曲线来表示一个典型的人:效用 = √钱。
在这条曲线上:
- 稳拿 500 元,效用是 √500 ≈ 22.4。
- 抛币,一半几率得 1000 元,一半几率得 0,期望效用是 0.5 × √1000 + 0.5 × 0 ≈ 15.8。
A 的效用 22.4 比 B 的 15.8 高得多,所以这个人选 A,完全不奇怪。就算 B 改成"正面 1100 元”,期望效用是 0.5 × √1100 ≈ 16.6,仍然低于 22.4。
那要多少才能让这个人愿意抛硬币?看图:把抛币改成"一半几率得 2000,一半几率得 0",期望效用是 0.5 × √2000 ≈ 22.4,恰好等于稳拿 500。也就是说,对这个人来说,稳拿 500 元,和"一半几率拿 2000"一样好。TA 愿意用一个"一半几率的 2000 元大奖",去换一个稳稳到手的 500 元。
这就是期望效用的算法:不是先算钱再平均,而是先把每个结果换成效用,再按概率平均。
6.3 效用是怎么量出来的
你可能会问:满足感又没有单位,数字从哪来?
有一个很巧妙的办法,用"抽奖"来量。假设你有三样东西:泡面(你最不想要的)、火锅(你最想要的)、电影票(介于两者之间)。
我们把泡面的效用定为 0,火锅定为 100。那么电影票是多少?
问你:一张彩票,有 p 的概率得火锅,1 − p 的概率得泡面。当 p 是多少时,你觉得这张彩票和"稳拿一张电影票"一样好? 假如你想了想,说:“p = 70% 的时候吧。“那么电影票的效用就定为 70。
这个定义的好处是:从此,任何抽奖的效用都可以直接算。比如"一半几率火锅,一半几率泡面"的效用是 0.5 × 100 + 0.5 × 0 = 50,比稳拿电影票的 70 低,所以你会选电影票。(这是博弈论的标准假设:人按期望效用做选择。现实里的人不一定每次都严格这样算,但它是一个好用的起点。)
6.4 数字的刻度
这里有一个关键问题:效用的数字,能不能随便换刻度?
想想温度。把摄氏换成华氏,每个数都变了,可是"哪天更热"“这周升温的幅度是上周的几倍"这些比较一点没变。这种换法是 先乘一个正数、再加一个常数(华氏 = 摄氏 × 1.8 + 32)。但如果你把每个温度数字都平方,那就不再是同一件事的另一种读法了。
效用也是一样。我们拿上面的泡面、电影、火锅来试:
| 泡面 | 电影票 | 火锅 | “一半火锅一半泡面” | 谁更好 | |
|---|---|---|---|---|---|
| 原来的效用 | 0 | 70 | 100 | 50 | 电影票 |
| 乘 2 | 0 | 140 | 200 | 100 | 电影票 |
| 乘 0.5 再加 10 | 10 | 45 | 60 | 35 | 电影票 |
| 每个数平方 | 0 | 4900 | 10000 | 5000 | 抽奖 |
前三行是"乘一个正数、加一个常数”,结论没变。最后一行把每个数平方,结论就翻了:抽奖(5000)反而超过了电影票(4900)。平方改变的不只是刻度,它改变了这个人对风险的态度。
所以,博弈论里的收益数字,允许你乘一个正数、加一个常数,不允许你随便拉伸。
七、回到客厅
现在我们可以回到最开始的矩阵,看看收益数字在博弈里到底起什么作用。
⚠️ 第一,收益不是钱。 那组 6、4、2、0 里,已经包含了你在乎的一切:对干净客厅的喜欢、对出力的反感,也可以包含"不想让室友觉得自己懒"这样的面子。你完全可以说"我面子比较重,扫了的话额外加 1 分”。收益是你对这个结果打的总分。
第二,当对方会"随机"时,要用期望。 假设小周自己也拿不准,决定抛一枚硬币:正面扫,反面不扫。你该怎么选?
- 你扫:一半几率得 4(小周也扫),一半几率得 2(小周不扫),期望是 0.5 × 4 + 0.5 × 2 = 3。
- 你不扫:一半几率得 6,一半几率得 0,期望是 0.5 × 6 + 0.5 × 0 = 3。
两个都是 3,你无所谓。把小周扫的概率改成 p,你可以算出:
| 小周扫的概率 p | 你扫的期望 | 你不扫的期望 | 你更想 |
|---|---|---|---|
| 0 | 2 | 0 | 扫 |
| 1/4 | 2.5 | 1.5 | 扫 |
| 1/2 | 3 | 3 | 无所谓 |
| 3/4 | 3.5 | 4.5 | 不扫 |
| 1 | 4 | 6 | 不扫 |
这和直觉吻合:小周越可能出手,你就越想偷懒;小周越不可能出手,你就越得自己扫。
第三,当有随机出现时,收益的刻度就重要了。 如果把所有收益数字都平方(6 变 36,4 变 16,2 变 4,0 还是 0),重新算 p = 1/2 的情形:
- 你扫:0.5 × 16 + 0.5 × 4 = 10。
- 你不扫:0.5 × 36 + 0.5 × 0 = 18。
原来的"无所谓"变成了"明显该不扫”。这正是上一节温度平方的教训:数字的刻度会悄悄改变你的结论。
不过,如果大家都只选确定的动作,没有任何随机,那么收益只起到排序的作用:比如,在"小周扫"的那一列里,你只需要知道 6 比 4 大,不需要知道大多少。只要不改变大小顺序,怎么拉伸数字都不会改变这种比较。需要数字的"大小差距"的时候,是有抽奖、有随机的时候。
八、小结
- 矩阵(标准式):列出玩家、每个玩家的策略、每种组合的收益。适合"大家一次性选完"的场景,一眼看到所有结果。
- 博弈树(扩展式):展示顺序和信息。看树要从叶子往根"倒着想"。
- 策略不是行动。 策略是一封完整的指令信:无论发生什么,我分别做什么。有人要在不同位置选择时,两者就分开了。
- 信息集:同一个玩家分不清自己在哪个位置的几个节点,用虚线连起来。决定"是不是同时"的,不是钟表,而是后选的人看到了什么。
- 收益是效用,不是钱。它包含了你在乎的一切。有随机时,要对效用取期望;效用的数字,只允许乘正数、加常数。
- 同样的钱,同样的力气,顺序不同,结果就不同。
最后回到那封指令信。下次你看到别人说"我的策略是……",请问一句:每种情况都写到了吗?一个只写了"最后会发生的那一种"的策略,不是完整的策略。
思考题
- 把客厅的收益改成:干净了对每人值 10 分,一个人扫花 4 分,两人各花 2 分。写出新的矩阵,找出"两个数字都加粗"的格子。结局的个数变了吗?
- 在第三节的树里,如果收益改成"一个人单独扫时,你要花 4 分力气,小周只要花 1 分(小周更擅长打扫)",两个人一起扫时仍各花 2 分,其他不变,倒着想一遍:结局会变吗?
- 把"小周先选、你后选"画成一棵树,写出你的所有策略(你有几个?)。把它改写成矩阵。
- 一个人的效用是 √钱。TA 面对"稳拿 400 元"和"一半几率得 900 元、一半几率得 0",会选哪个?一半几率得多少元时,两者对 TA 恰好一样好?
- 用第六节的抽奖办法,量出你自己对三样东西的效用:一杯奶茶、一顿火锅、一张电影票。把泡面换成你"最不想要"的东西。你的数字和别人的一样吗?这说明什么?
- 你觉得"同时行动"和"小周后选但看不到你的选择"为什么是一回事?请举一个生活里的例子。
思考题提示
- 新收益:都扫(10 − 2,10 − 2)= (8,8);你扫小周不扫:你 10 − 4 = 6,小周 10;你不扫小周扫:(10,6);都不扫:(0,0)。矩阵是:(8,8)(6,10)/(10,6)(0,0)。看"小周扫"那一列:你扫 8、不扫 10,不扫更好;“小周不扫"那一列:你扫 6、不扫 0,扫更好。对小周同理。所以"两个数字都加粗"的格子仍然是 (6,10)和(10,6)两个,结局的个数没变,仍然是"一个人扫、一个人不扫”。
- 小周扫的收益变了:小周只扫(你不扫)时得 6 − 1 = 5;你扫、小周不扫,(2,6)不变;你不扫、小周扫,(6,5);都扫,你 4,小周 6 − 2 = 4,仍是(4,4),因为"两人一起扫各花 2"没变;都不扫(0,0)。倒着想:你扫 → 小周比较扫得 4、不扫得 6,选不扫,结果(2,6);你不扫 → 小周比较扫得 5、不扫得 0,选扫,结果(6,5)。你不扫得 6,更好。结局不变:你不扫,小周扫。但小周得到的比之前多(5 对 2),因为扫得更轻松了。
- 小周先选,有 2 个策略(扫、不扫);你在两个位置上选,有 4 个策略(都扫、跟着小周、反着小周、都不扫)。矩阵是 4 行 2 列,结构和第四节的表相同,只是两个人的位置对调了。
- 稳拿 400:效用 √400 = 20。抛币:0.5 × √900 + 0.5 × 0 = 15。所以选稳拿 400。要让抛币也是 20,需要 0.5 × √x = 20,即 √x = 40,x = 1600。一半几率得 1600,和稳拿 400 一样好。
- 开放题。重点是:你和别人的数字很可能不一样,因为每个人对风险的态度和喜好不同。这正说明"效用"是一个人自己的刻度,博弈里每个玩家的收益都是自己的。
- 要点:做选择时,后选的人看不到先选的人选了什么,信息一样,所以策略也一样。例子:两个人各自把出价写在信封里,封好交给拍卖师,先后交的顺序不影响任何人看到的东西,和同时出价没有区别。