一、街角的两家奶茶店
你开了一家奶茶店,街对面是小周的店。两家的杯子差不多,味道差不多,客人基本只看价格。每天开门前,你们各自悄悄决定:照旧卖 15 元一杯,还是降到 12 元。
你们都知道下面这张表(单位:日利润,千元)。行是你的选择,列是小周的选择,格子里是(你的利润,小周的利润):
| 小周:15 元 | 小周:12 元 | |
|---|---|---|
| 你:15 元 | (10,10) | (2,14) |
| 你:12 元 | (14,2) | (6,6) |
怎么来的?两家都卖 15 元,客人平分,每杯赚得多,各得 10。两家都降到 12 元,客人还是平分,可是每杯赚得少,各得 6。一家降价、一家不降,客人大批涌向便宜的那家:降价的赚 14,没降价的只剩 2。
先别往下读。请在纸上写两样东西:你降价还是不降?你猜小周会怎么选?
写好了吗?这一讲就是要弄清楚,这样的局面,聪明人会怎么选、会走到哪里,以及那个结果为什么让人不舒服。
二、占优策略
2.1 一列一列地比
我们不猜小周在想什么,先做一件很机械的事:假设小周选了某一列,你在这一列里哪个选择更好?
- 假设小周卖 15 元。看左边这一列:你卖 15 得 10,卖 12 得 14。降价更好。
- 假设小周卖 12 元。看右边这一列:你卖 15 得 2,卖 12 得 6。降价更好。
不管小周怎么选,降价都比不降价更好。把每一列里你的较大数字,以及每一行里小周的较大数字加粗:
| 小周:15 元 | 小周:12 元 | |
|---|---|---|
| 你:15 元 | (10,10) | (2,14) |
| 你:12 元 | (14,2) | (6,6) |
你会发现,“你:12 元"那一行里,你的数字在每一列都被加粗了。小周的情况完全对称:不管你怎么选,TA 也是降价更好。
2.2 定义
这种"不管对方怎么选,这个选择都更好"的情形,有个名字:
如果无论对方怎么选,策略 A 带给你的收益都严格高于策略 B,就说 A 严格占优于 B,B 是一个被占优的策略。如果一个策略严格占优于你所有的其他策略,它就是你的占优策略。
在奶茶店的例子里,“降价"是你的占优策略,也是小周的占优策略。
2.3 占优策略的威力:你不用猜别人
占优策略厉害的地方是:你不需要知道对方怎么想。 你不用琢磨"小周昨天降价了没有"“TA 是不是狠角色”,只要比较你自己的两个选项就够了。一个被占优的策略永远不值得选:无论对方怎么出,换成占优的那个,你都更好。
当两个人都有占优策略时,结果几乎是板上钉钉的:都降价,各得 6。
但不是每个游戏都有占优策略。 看一个反例:你和小周约饭,要么吃火锅,要么吃日料。你们更想待在一起,吃什么倒在其次:
| 小周:火锅 | 小周:日料 | |
|---|---|---|
| 你:火锅 | (3,3) | (0,0) |
| 你:日料 | (0,0) | (2,2) |
小周去火锅,你也去火锅更好(3 对 0);小周去日料,你也去日料更好(2 对 0)。你的最佳选择取决于小周怎么选,没有哪一个选择在每一列都占上风。所以这里没有占优策略,你必须去猜对方。
2.4 弱占优:从不更差,有时更好
还有一种略微弱一点的情形。看一个电视节目的玩法:两位选手共同面对一笔 100 万的奖金,各自同时选”分“或”偷"。两人都分,各得 50 万;一人偷、一人分,偷的人拿走全部,分的人一分没有;两人都偷,两人都是 0。
| 对方:分 | 对方:偷 | |
|---|---|---|
| 你:分 | (50,50) | (0,100) |
| 你:偷 | (100,0) | (0,0) |
比较一下:对方选"分"时,偷得 100,分得 50,偷更好;对方选"偷"时,偷得 0,分也得 0,一样。所以"偷”从不比"分"差,有时更好,叫作弱占优。
⚠️ 弱占优没有严格占优那么"硬"。 对方如果偷,你选分也不吃亏,所以选"分"的人未必不理性。同样是"偷更好",严格占优几乎不给你别的选择,弱占优却留了一点余地。后面讲证据时,这个差别会派上用场。
三、困境在哪里
3.1 把四种结果画在一张图上
回到奶茶店。两个人都选了占优策略,结果是(6,6)。可是看看另一个格子:(10,10)。如果两家都不降价,每家多赚 4。
把四个格子画成点,横轴是你的利润,纵轴是小周的利润:
绿色那一块,是"对两个人都比(6,6)更好"的所有结果,(10,10)就在里面。可是:
- 在(10,10)这一点,你如果单独降价,会升到 14,你会心动。小周也一样。
- 两个人都心动,都降价,就沿着橙色箭头滑到(6,6)。
- 在(6,6)这一点,你如果单独涨回 15,只剩 2,没人愿意先回去。
这就是困境:每个人都做了对自己最好的选择,两个人一起却掉进了对两个人都更差的结果。
3.2 “更好"的一个说法
有一个术语能把这件事说得更准:
如果有另一个结果,让每个人都不比现在差、至少一个人更好,就说从现在这个结果到那个结果是一次帕累托改进。
从(6,6)到(10,10),两个人都更好,是一次帕累托改进。四个格子里,(6,6)是唯一还存在改进空间的。另外三个格子,不管走到哪个别的格子,都会有人变差,所以没有帕累托改进可做。
3.3 演唱会上的"站起来”
这种结构日常到处可见,最典型的一幕是演唱会。
你坐在后排,前面的人一站起来,你就看不到舞台了。你也站起来,才看得见。每个人都这么想:别人站,我得站;别人坐,我站起来看得更清楚。 站起来是每个人的占优策略。结果呢?所有人都站着,每个人看到的和大家都坐着时一样,只是腿都累了。
所有人都站着(互相背叛),比所有人都坐着(互相合作)更差。站起来,就是这个游戏里"降价"。
3.4 它有个名字:囚徒困境
这种结构最早是 1950 年前后,美国兰德公司(RAND)的 Merrill Flood 和 Melvin Dresher 想出来的。数学家 Albert Tucker 为了向斯坦福的心理学家讲明白,编了一个关于两个囚徒的故事,这个故事和名字通常归功于 Tucker,从此它被叫作囚徒困境。
故事是这样的:你和小周犯了案,被警察分开关在两间审讯室,谁也不知道对方说了什么。警察对你们每人都说:
- 你们都不开口(沉默),证据不足,各判 1 年。
- 你招供、小周沉默:你立功当场释放,小周被重判 10 年。反过来也一样。
- 你们都招供:各判 5 年。
表里写的是坐牢的年数,记成负数:
| 小周:沉默 | 小周:招供 | |
|---|---|---|
| 你:沉默 | (−1,−1) | (−10,0) |
| 你:招供 | (0,−10) | (−5,−5) |
一列一列比:小周沉默,你招供得 0,比沉默的 −1 好;小周招供,你招供得 −5,比沉默的 −10 好。招供是占优策略,对小周也一样。两个人都招供,各坐 5 年,可是都沉默,只要各坐 1 年。
和奶茶店是同一种结构,只是换了一个故事。
四、困境的"家族"
4.1 怎么认出一个囚徒困境
四种结果可以这样排序:
- 占便宜:我背叛、对方合作,我得到最多。
- 互惠:我们都合作。
- 互坑:我们都背叛。
- 吃亏:我合作、对方背叛,我得到最少。
只要占便宜 > 互惠 > 互坑 > 吃亏,对每个人都成立,它就是一个囚徒困境。奶茶店:14 > 10 > 6 > 2。囚徒:0 > −1 > −5 > −10。演唱会也是同样的顺序。
这条顺序里有两个关键:第一,背叛永远更有诱惑(占便宜 > 互惠,互坑 > 吃亏),所以背叛是占优策略;第二,互惠 > 互坑,所以互相背叛的结果比互相合作差。两条缺一不可。
| 场景 | 合作 | 背叛 | 互相背叛的结果 |
|---|---|---|---|
| 两家店 | 不降价 | 降价 | 利润都降了,客人也没多 |
| 军备竞赛 | 不扩军 | 扩军 | 钱都花了,相对实力没变 |
| 考试补课 | 不补课 | 补课 | 每人都累,排名没变 |
| 运动员 | 不用违禁药 | 用 | 都冒着风险,成绩的相对高低没变 |
上表只是示意:每个场景是不是真正的囚徒困境,还得回到具体的数字,去检查那两条。
4.2 多个人也是
现在是四个人。请你先想一想:
你和另外三个人,每人手里有 10 元。每个人可以选择把 10 元投进公共池,或者留着。池里的钱总数乘 1.6,再平均分给 4 个人,不管你投没投。你投不投?
算一算:
- 假设大家都投:池里有 40 元,乘 1.6 是 64,每人分 16。每人得 16。
- 假设你一个人不投,另外三人投:池里有 30 元,乘 1.6 是 48,每人分 12。你自己留着 10 元,再分到 12,得 22。另外三个人各得 12。
- 假设大家都不投:每人手里还是 10 元。
你投的那 10 元,会涨成 16,但要被分成 4 份,你自己只拿回 4 元。你每投 1 元,自己只拿回 0.4 元,所以"不投"永远比"投"多 6 元。下图画出了这一点:横轴是另外三个人里有几个人投,两条线,一条是你投,一条是你不投。
两条线永远平行,不投永远在上面。不管别人投几个,你都是不投更好,是占优策略。可是大家都不投,每人只有 10;大家都投,每人有 16。这和演唱会里的"站起来"同样的味道:每个人都做了对自己最好的事,大家一起却变穷了。
4.3 不是每个"竞争"都是困境
怎么判断一个局面是不是囚徒困境?要同时检查上面那两条。看两个不是的例子:
- 约饭(第二节的火锅和日料):没有占优策略,不是困境。
- 把奶茶店的"互坑"从 6 改成 11:(10,10)、(2,14)、(14,2)、(11,11)。降价仍然是占优策略,但互相降价的结果(11,11)比互相不降价的(10,10)还好。占优策略有,困境没有。 这时两家都降价,是一件好事。
所以"困境"不是"有占优策略",而是"占优策略"加上"互相选占优策略的结果比互相合作的结果差"。
五、怎样才能走出困境
看了这么多,你会问:现实里为什么还有那么多合作?答案是:很多时候,合作的人面对的已经不是一个囚徒困境了。 他们的收益被改变过。
5.1 改变收益:一个例子
回到两个囚徒。假设你们属于同一个帮派,帮派有规矩:招供的人出狱后会被报复,代价折合 6 年的刑期。 招供的人在原来的数字上再减 6:
| 小周:沉默 | 小周:招供 | |
|---|---|---|
| 你:沉默 | (−1,−1) | (−10,−6) |
| 你:招供 | (−6,−10) | (−11,−11) |
重新一列一列比:小周沉默,你沉默得 −1,招供得 −6,沉默更好;小周招供,你沉默得 −10,招供得 −11,沉默还是更好。现在沉默是占优策略。 两人都沉默,各坐 1 年。
同样的两个人,换了一套收益,结局从(−5,−5)变成了(−1,−1)。
这里还有个有意思的问题:报复要多重才有用?一般地设报复代价为 c。小周沉默时,你沉默 −1,招供 0 − c,需要 c > 1;小周招供时,你沉默 −10,招供 −5 − c,需要 c > 5。两个条件要同时满足,所以 c 要大于 5。 如果 c 刚好是 5,在小周招供时,沉默和招供一样(都是 −10),沉默只是弱占优。
5.2 走出困境的几条路
改变收益只是其中一条。常见的办法有这样几类:
- 改变收益:合同和违约金、法律处罚、行业规矩、事后的奖励。让"背叛"不再是占优策略。
- 反复打交道:今天背叛,明天对方也不合作。多次相遇会改变"背叛"的真实代价。
- 在乎对方:如果你在乎小周的得失,你的"收益"里本来就有 TA 的一份,这个游戏对你来说已经不是囚徒困境了。
- 沟通和承诺:说好了,还要有办法让承诺可信。
⚠️ 顺便说一句:奶茶店例子里,两家私下约定"都不降价",在很多国家属于违法的价格同盟。这里只是借它把结构看清楚,不是建议你怎么做。真实世界里,人们往往希望用规则阻止这种合谋,因为它受损的是消费者。
六、证据:人们真的会背叛吗
理论预测什么? 如果收益真的是囚徒困境,占优策略告诉我们:两个人都会背叛。
证据怎么说?
- 1950 年前后,Flood 和 Dresher 找了两位同事,让他们按囚徒困境的收益连续玩了一百次。结果是,这些聪明的受试者并没有一直选背叛。
- 之后几十年,研究者做了大量囚徒困境实验。Sally(1995)整理了 1958 到 1992 年的这类实验,发现只用"人人只顾自己"的模型,通常对不上实验的结果,而且让参与者说上话,会明显提高合作的比例。
- 英国电视节目 Golden Balls 的最后一轮,玩法就是前面的"分或偷"(只是奖金多少不一)。van den Assem、van Dolder 和 Thaler(2012)研究了节目里的选择,奖金平均超过两万美元,从几美元到约十七万五千美元不等。他们发现,即使奖金很大,合作的比例依然相当高,高得让人意外。顺便说一句,这个节目里"偷"只是弱占优:对方偷时,你选分也不吃亏。所以选"分"的选手,不一定是不理性的。
局限在哪? 有一点很关键:实验里发给人的是钱,不是收益。如果一个人还在乎公平、在乎对方、在乎别人怎么看自己,这些都会进到 TA 自己的"收益"里。这时,实验桌上摆着的"囚徒困境",在 TA 的心里已经不是囚徒困境了。另外,电视节目的选手是自己报名的,还有观众在看,声誉的考虑也难以排除。
分歧是什么? 人们合作,是因为在乎公平和互惠,是因为担心声誉,是因为没想清楚局面,还是习惯使然?研究者有不同的解释,没有定论。至于"该不该合作",那是价值判断,不是博弈论能替你回答的。
七、常见的误用
- “囚徒困境说明人不可能合作。” 不对。它说的是:在这个收益结构下,单方面合作站不住脚。现实中的合作,多半靠改变结构(规矩、重复、在乎对方)来实现。
- “占优策略就是对大家最好的策略。” 不对。占优只是对你自己最好;两个人都选占优策略,结果可能对两个人都不是最好的,这就是困境。
- “每个人都背叛,说明人都是自私的。” 不一定。收益可以包含善意。如果你在乎对方,矩阵里的数字已经变了,背叛未必是占优策略。
- “凡是竞争就是囚徒困境。” 不对。要检查两条:背叛是不是占优策略;互相背叛是不是比互相合作差。约饭的例子,两条都不满足。
- “两家店打价格战,一定是囚徒困境。” 要看数字。如果降价的诱惑够大、而互相降价的结果又确实更差,才是。这要检查需求和成本,不能想当然。
八、小结
- 占优策略:不管对方怎么选,都比别的选择更好(严格占优);或者从不更差、有时更好(弱占优)。有占优策略时,你不用猜别人。
- 囚徒困境:占便宜 > 互惠 > 互坑 > 吃亏。背叛是占优策略,可是互相背叛比互相合作更差。
- 演唱会站起来:每个人站起来都是对自己最好的,结果大家都站着,没人看得更清楚。同样的结构有两家店的降价、军备竞赛、公共池。
- 判断是否是困境,要检查两条:有占优策略;互相选占优策略的结果比互相合作差。
- 走出困境,靠的是改变游戏本身:改变收益、重复打交道、在乎对方、可信的承诺。
- 实验里人们并不总是背叛,但要小心:实验里发的是钱,不一定是收益。
回到演唱会:想让大家都坐下,靠的往往不是劝每个人"别站起来",而是改变规则,比如分座位、限制站立、把舞台抬高。困境能不能解,常常取决于规则,而不取决于人的品质。
思考题
- 把奶茶店的收益改成:都 15 元(8,8);你降价、小周不降(13,3);你不降、小周降(3,13);都降(5,5)。降价还是占优策略吗?这仍然是囚徒困境吗?请检查两条。
- 判断下面的游戏里,每个人有没有占优策略(严格或弱): (a)你的选项是上、下,对方是左、右。(上,左)= (3,1),(上,右)= (1,0),(下,左)= (2,2),(下,右)= (1,3)。 (b)(上,左)= (2,2),(上,右)= (0,3),(下,左)= (3,0),(下,右)= (1,1)。
- 四人公共池里,倍数 1.6 改成 r。r 取多大时,“不投"不再是占优策略?r 取多大时,大家都投比大家都不投更好?两个条件同时成立的 r,是什么范围?
- 囚徒的例子里,把报复代价 c 改成 3,沉默还是占优策略吗?此时两人会怎么选?
- 在 分或偷 的例子里,假设你在乎对方,对方每拿到 1 万元,你的满意度加 0.5 万元(你的"收益” = 自己的钱 + 0.5 × 对方的钱)。重新写出你的收益矩阵(对方也是同样在乎你的人),“偷"还是你的占优策略吗?
- 找一个生活里的囚徒困境(不是奶茶店、军备竞赛、补课、运动员),写出"占便宜、互惠、互坑、吃亏"的顺序,检查它是否真的满足 占便宜 > 互惠 > 互坑 > 吃亏。
思考题提示
- 降价仍是占优策略:小周 15 时,你 15 得 8、降价得 13;小周降价时,你 15 得 3、降价得 5。两个人都降价,各得 5,都不降价各得 8,所以互相降价比互相合作差,仍是囚徒困境。检查顺序:13 > 8 > 5 > 3 ✓。
- (a)你:看左列,上 3、下 2,上更好;看右列,上 1、下 1,一样。所以"上"弱占优(从不更差,有时更好)。对方:看上行,左 1、右 0,左更好;看下行,左 2、右 3,右更好。没有占优策略。(b)你:左列上 2、下 3,下更好;右列上 0、下 1,下更好。“下"严格占优。对方:上行左 2、右 3,右更好;下行左 0、右 1,右更好。“右"严格占优。所以(下,右)= (1,1)是结果,而(上,左)= (2,2)对两人都更好,这是一个囚徒困境。
- 每投 1 元,你自己只拿回 r/4。“不投"占优需要 r/4 < 1,即 r < 4。大家都投的人均所得是 10r(总池 40r 除以 4),要比 10 大,需要 r > 1。所以 1 < r < 4 的时候,是一个公共池版的囚徒困境。r 刚好是 4 时,投不投对你一样。r > 4,投反而占优。
- c = 3:小周沉默时,你沉默 −1,招供 0 − 3 = −3,沉默更好;小周招供时,你沉默 −10,招供 −5 − 3 = −8,招供更好。所以没有占优策略。矩阵是:(−1,−1)(−10,−3)/(−3,−10)(−8,−8)。(沉默,沉默)和(招供,招供)都是"没人想单独改"的结果。所以报复不够重时,合作只是一种可能,而不是必然:两个人会选哪一个,要看各自怎么预期对方。
- 你的满意度 = 自己的钱 + 0.5 × 对方的钱。(分,分):50 + 25 = 75;(分,偷):0 + 50 = 50;(偷,分):100 + 0 = 100;(偷,偷):0。看对方"分"那一列:分 75,偷 100,偷更好;看对方"偷"那一列:分 50,偷 0,分更好。所以没有占优策略了。只是因为你在乎对方,原来的弱占优消失了。
- 开放题。检查时一定要写出四个数字或至少四个大小关系,别只凭感觉。