一、两位旅行者
你和小周各自从外地带回一件一模一样的古董,托运时被航空公司弄丢了。航空公司想赔钱,可是不知道这件东西到底值多少。经理想了个办法:把你们两人分开,各自悄悄写下一个 2 到 100 之间的整数(单位:元),当作对这件古董的报价。规则是:
- 如果你们写的数相同,航空公司就相信这是真实价值,各赔这个数。
- 如果写的数不同,航空公司就认定较小的那个数才是真实价值。写得小的人,除了拿到这个数,还多得 2 元奖励;写得大的人,被扣 2 元。
举个例子:你写 46,小周写 100,较小的数是 46。你得 46 + 2 = 48 元,小周得 46 − 2 = 44 元。
先别往下读。请你写下你的数。
这一讲要学的是一个很机械、很有力的工具:一轮一轮地删掉不该选的策略。学会之后,我们回来看你的数。你可能会发现,这个工具给出的答案,和你写下的数、和大多数人写下的数,都差得很远。
二、先学会这个工具
2.1 被占优的策略,理性的人不会选
如果无论对方怎么选,策略 B 都比策略 A 带来严格更高的收益,就说 A 被 B 严格占优,A 是一个被占优的策略。道理很简单:只要你在乎的是自己的收益,就没有理由选 A,因为不管对方怎么出,换成 B 你都更好。
2.2 一个 3 × 3 的例子
下面是一个纯粹用来练习的博弈。你选行(上、中、下),小周选列(左、中、右),格子里是(你的收益,小周的收益):
| 小周:左 | 小周:中 | 小周:右 | |
|---|---|---|---|
| 你:上 | (4,3) | (5,1) | (6,2) |
| 你:中 | (2,1) | (8,4) | (3,6) |
| 你:下 | (3,0) | (9,6) | (2,8) |
先找有没有被占优的策略。看你自己的三行:上、中、下之间,没有任何一行在每一列都比另一行更高(比如"上"和"中"相比,在"左"列里 4 > 2,在"中"列里 5 < 8)。你没有可以删的。
再看小周的三列。比较"中"和"右",只看小周自己的收益(每个格子的第二个数字):你选上时,“中"得 1、“右"得 2;你选中时,“中"得 4、“右"得 6;你选下时,“中"得 6、“右"得 8。不管你怎么选,“右"都比"中"更好。 所以小周的"中"被"右"严格占优,一个理性的小周不会选它。
我们把小周的"中"这一列删掉。博弈变小了:
| 小周:左 | 小周:右 | |
|---|---|---|
| 你:上 | (4,3) | (6,2) |
| 你:中 | (2,1) | (3,6) |
| 你:下 | (3,0) | (2,8) |
现在回头看你的三行。比较"上"和"中”:小周选左时 4 > 2,选右时 6 > 3,“上"在每一列都更好,所以"中"被"上"占优。比较"上"和"下”:左时 4 > 3,右时 6 > 2,“下"也被"上"占优。删掉"中"和"下”:
| 小周:左 | 小周:右 | |
|---|---|---|
| 你:上 | (4,3) | (6,2) |
最后只剩你选"上”。小周比较自己的"左"和"右”:3 > 2,选"左”。结果是(上,左),收益(4,3)。
这个过程叫迭代剔除(严格被占优的策略):删掉被占优的,博弈变小;在更小的博弈里,原来不占优的策略可能变成被占优的,再删;一直删到删不动为止。
对严格占优来说,删的顺序不影响最后剩下什么。你可以先删哪个、再删哪个,最后留下的是同一批策略。
三、每一轮背后,都多想了一层
现在问一个关键的问题:每一轮的"删”,需要对方是什么样的人?
- 第 1 轮,删小周的"中”。这只需要一件事:小周是理性的,不会选一个被占优的策略。
- 第 2 轮,删你自己的"中"和"下”。你是在"小周不会选中"的前提下才发现它们不如"上"。所以你需要:你知道小周是理性的。
- 第 3 轮,删小周的"右"。小周要确信你一定选"上",也就是确信你删掉了"中"和"下"。而你之所以删,是因为你知道小周理性。所以小周需要:小周知道你知道小周是理性的。
每多一轮,就多一层"我知道你知道……"。想象一排多米诺骨牌:第一块倒,只需要一个推力(“小周理性”);之后每一块倒下,都要靠前一块把它推倒。链条越长,越容易在中间某一块卡住。 要让链条一直倒到底,需要的是每一层的"知道"都成立,这叫共同知识:人人理性,人人知道人人理性,人人知道人人知道人人理性……一路无限下去。
⚠️ 这里最容易想错:被删掉的策略,并不是它们本身有多差。 看你的"下"这一行:如果小周选"中",你选"下"能拿 9,是你三行里最高的。你删掉"下",是押小周不会选"中"。
我们验证一下:假设你认为小周以 30% 的概率选"中"、70% 的概率选"左"(其他都不选),你选各行的期望收益是:
- 上:0.7 × 4 + 0.3 × 5 = 4.3
- 中:0.7 × 2 + 0.3 × 8 = 3.8
- 下:0.7 × 3 + 0.3 × 9 = 4.8
这时"下"是你的最好选择。所以迭代剔除的每一步都带着一个赌注:我赌对方真的会按理性行事。 赌得对,推理一路走到底;赌错了,你可能错过更好的选择。
选读:迭代剔除和"可以说得通的选择"。 在两个人的博弈里,反复删掉严格被占优的策略(严格地说,“占优"还要允许拿随机的混合策略来比较,本讲只用到了最简单的情形),剩下的策略正好就是"能被某种合理的信念说得通"的那些:你可以为每一个留下来的策略,找到一个关于对方的信念,让它成为你对这个信念的最佳回应;而这个信念本身,又只依赖对方也留下来的策略。反过来,被删掉的策略,无论你怎样想对方,都说不通。这类留下来的策略,在文献里叫可理性化的策略。
四、删不动的博弈,和一个陷阱
4.1 不是每个博弈都能删
有些博弈一个都删不掉。你和小周约饭,要么火锅、要么日料,你们更想待在一起:
| 小周:火锅 | 小周:日料 | |
|---|---|---|
| 你:火锅 | (3,3) | (0,0) |
| 你:日料 | (0,0) | (2,2) |
火锅和日料之间,谁也不占优:小周去火锅时你想去火锅,小周去日料时你想去日料。这里没有任何东西可删,迭代剔除一步也迈不出去。
4.2 “弱占优”:删的顺序会影响结果
到现在为止,我们删的都是"严格被占优"的策略。如果放宽到弱占优,也就是"在每一种情形下都不更差,并且至少在一种情形下严格更好”,就会遇到一个陷阱:删的顺序会改变结果。
看下面这个博弈:
| 小周:左 | 小周:右 | |
|---|---|---|
| 你:上 | (1,1) | (0,0) |
| 你:中 | (1,1) | (2,1) |
| 你:下 | (0,0) | (2,1) |
对你来说,“中"弱占优于"上”(左列都是 1,右列 2 > 0),“中"也弱占优于"下”(左列 1 > 0,右列都是 2)。有两种删法:
- 先删"上":剩下"中"和"下"。这时小周比较:左列(你选中时 1、选下时 0),右列(1、1),“右"弱占优于"左”,删"左"。最后剩下"右"一列,你的"中"和"下"都得 2,结果是(2,1)。
- 先删"下":剩下"上"和"中"。小周比较:左(1、1),右(0、1),“左"弱占优于"右”,删"右"。最后剩下"左"一列,你的"上"和"中"都得 1,结果是(1,1)。
同一个博弈,两种删法,一个剩下(2,1),另一个剩下(1,1)。弱占优的迭代剔除,结果取决于顺序。 所以后面讲到"删到最后"的论证,凡是依赖弱占优的,都要小心。
五、回到旅行者
现在回到你写的数。我们先把游戏缩小:只能报 2 到 6,奖惩还是 2 元。这样可以把完整的表写出来(格子里是你的收益,对方的收益):
| 你\对方 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|
| 2 | (2,2) | (4,0) | (4,0) | (4,0) | (4,0) |
| 3 | (0,4) | (3,3) | (5,1) | (5,1) | (5,1) |
| 4 | (0,4) | (1,5) | (4,4) | (6,2) | (6,2) |
| 5 | (0,4) | (1,5) | (2,6) | (5,5) | (7,3) |
| 6 | (0,4) | (1,5) | (2,6) | (3,7) | (6,6) |
比较"报 6"和"报 5",逐列看你的收益:
- 对方报 2、3、4:报 6 和报 5 都是 0、1、2,一样。
- 对方报 5:报 6 得 3,报 5 得 5,报 5 更好。
- 对方报 6:报 6 得 6,报 5 得 7,报 5 更好。
所以"报 5"弱占优于"报 6",理性的人不会报 6。删掉 6。再比较"报 4"和"报 5":对方报 2、3 时一样,报 4 时报 4 得 4、报 5 得 2,报 5 时报 4 得 6、报 5 得 5,报 4 更好。删掉 5。同理,删掉 4,再删掉 3。最后只剩 2。
在原来的 2 到 100 版本里,推理一样:先删 100(被 99 弱占优),再删 99,再删 98,一路到 2。要从 100 一路删到 3,一共是 98 步,每一步都建立在前面所有步都成立的基础上。结论是:两个人都该写 2,各得 2 元。 可是如果你们都写 100,各得 100 元,多了 50 倍。
这又是一个"各自合理、一起吃亏"的结构。你写的数是多少?按迭代剔除,它应该是 2。
5.1 为什么一路走下来这么难
有一个地方值得细看。比较"报 99"和"报 100":
- 对方报 100:你报 99 得 101,报 100 得 100,99 好 1 元。
- 对方报 99:你报 99 得 99,报 100 得 97,99 好 2 元。
- 对方报 98 或更少:两种报法一样。
“99 比 100 好”,只有在对方也报得很高(99 或 100)时才成立。 而到了下一步,“98 比 99 好”,又只有在对方报 98 或 99 时才有好处,可是按这条推理,对方早就该把那些高位删掉了。每一步的好处,都依赖"对方还待在高位",可是推理链本身又在告诉你"对方不会待在高位"。 链条越往下走,每一步的实际好处越像一句空话,可代价却是真的:写 2 的人,不管对方写什么,最多只能拿到 4 元;而两个人都写 100,各得 100 元。
六、证据:人们真的写 2 吗
理论预测什么? 两个理性的人,写 2。
证据怎么说?
- Kaushik Basu 在 1994 年提出了这个游戏。Basu 的观察是:迭代剔除把选择一路压到 2,可是真实的人往往选得靠近 100。
- Capra、Goeree、Gomez 和 Holt(1999)做了实验。据 Basu 后来在《科学美国人》上的介绍,实验里参与者可以报 80 到 200(美分),奖惩从 5 美分变到 80 美分,理论预测始终是 80。结果是:奖惩只有 5 美分时,平均报价是 180;奖惩有 80 美分时,平均报价降到 120。 重复玩几轮,奖惩大的组逐渐往 80 靠拢,奖惩小的组反而往 200 走。
关键在于:迭代剔除的推理,完全不依赖奖惩有多大。 只要奖惩是个正数,理论都说 80。可是现实里,奖惩的大小改变了人们的选择。
局限在哪? 实验是用钱来模拟收益,参与者可能还会在乎别的东西(比如显得"慷慨"、比如对对方的善意)。样本也多是大学生,不代表所有人。
分歧是什么? 一种解释是:人们没有一路删到底,只往下想了一两层,就停下了;另一种解释是:人们会犯随机的错,而且在"错的代价小"的时候更容易犯错(奖惩 5 美分时,报高的风险很小,所以多数人敢报高)。这两种解释都能说明为什么奖惩小时更接近上限,但它们并不互相排斥。没有一个解释被公认为定论。
七、常见的误用
- “迭代剔除的结果,就是人们会做的选择。” 不对。它是"如果每一层的’知道’都成立,会停在哪"。现实里链条往往在第二、三层就断了。
- “被删掉的策略,就是糟糕的策略。” 不对。它们是在"对方不会选某些策略"这个前提下才显得差。前提不成立时,它们可能是你的最优选择(你的"下")。
- “删的顺序无所谓。” 只对严格占优成立。弱占优的迭代,顺序会改变结果。
- “删到最后剩下一个,就是对大家最好的。” 不对。旅行者困境里,删到最后是(2,2),比(100,100)差得多。
- “每个博弈都能这样删。” 不对。约饭的例子,一步也删不动。
八、小结
- 严格被占优的策略,理性的人不会选。迭代剔除:删掉被占优的策略,博弈变小,在小博弈里继续删,直到删不动。
- 对严格占优,删的顺序不影响结果;对弱占优,顺序会改变结果。
- 每一轮删除,背后都多一层"我知道你知道"。 想一路删到底,需要每一层的"知道"都成立,也就是共同知识。就像一排多米诺,链条越长,越容易卡住。
- 删除总带着一个赌注:赌对方会按理性行事。赌错了,被删掉的策略可能正是你的最优选择。
- 旅行者困境:迭代剔除压到 2,现实里多数人写得很高,而且奖惩越小,写得越高。
回到多米诺:下次有人说"按逻辑推下去,结论只能是……",你可以问:这条链一共有几块?每一块是不是都真的会倒?
思考题
-
下面是一个 3 × 3 的博弈。做一遍迭代剔除,写出每一轮删了什么,最后剩下什么。
小周:左 小周:中 小周:右 你:上 (1,5) (6,1) (1,5) 你:中 (3,4) (3,2) (3,1) 你:下 (2,2) (0,5) (2,0) -
在只能报 2 到 6 的旅行者困境里,如果你确信对方会报 6,你的最佳回答是几?如果确信对方报 5 呢?4 呢?把这条"最佳回答的阶梯"写出来。它和"一轮一轮删"有什么关系?
-
把奖惩从 2 元改成 1 元(仍是 2 到 6)。找出所有"没人想单独改变"的结果。和奖惩 2 元的版本相比,有什么不同?为什么?
-
在第二节的 3 × 3 例子里,假设你认为小周以 20% 的概率选"中"、80% 的概率选"左"。你的各行期望收益是多少?此时"上"和"下"有什么关系?
-
找一个生活里"一层一层推下去"的推理(比如抢红包、谈判、考试的复习策略),写出这条链一共有几环,哪一环最可能断掉。
-
在旅行者困境中,写 2 最多拿 4 元,写 100 最多拿 100 元。请用这个事实,解释为什么很多人不愿意走完迭代剔除的最后一步。
思考题提示
- 第 1 轮:你的"下"被"中"占优(中得 3、3、3,下得 2、0、2),删"下"。第 2 轮:小周在剩下的两行里,“中"被"左"占优(“左"得 5、4,“中"得 1、2),删"中”。第 3 轮:你的"上"被"中"占优(剩下"左"和"右"两列,“中"得 3、3,“上"得 1、1),删"上”。第 4 轮:只剩你选"中”,小周的"右"得 1、“左"得 4,删"右”。最后(中,左)= (3,4)。
- 对方报 6,最佳回答是 5(得 7);对方报 5,最佳回答是 4(得 6);对方报 4,最佳回答是 3(得 5);对方报 3,最佳回答是 2(得 4);对方报 2,最佳回答是 2(得 2)。这是一条"每次比对方少 1"的阶梯,和一轮一轮删是一回事:每往下一步,都是对"对方在上一步"的回应。
- 奖惩为 1 时,(2,2)、(3,3)、(4,4)、(5,5)、(6,6)这五个结果都是"没人想单独改变"的:两个人都写 c 时,你单独改成 c − 1,会得到 (c − 1) + 1 = c 元,和原来一样,没有更好;改成别的数,则更差。而奖惩是 2 元时,改成 c − 1 会得到 (c − 1) + 2 = c + 1 元,严格更好,所以除了(2,2),别的结果都站不住。这说明:奖惩太小,“少报一点"的好处刚好被抵消,推理链上的"更好"就变成了"一样好”。
- “上”:0.8 × 4 + 0.2 × 5 = 4.2;“中”:0.8 × 2 + 0.2 × 8 = 3.2;“下”:0.8 × 3 + 0.2 × 9 = 4.2。“上"和"下"一样好,“中"最差。如果小周选"中"的概率再高一点,“下"就会胜过"上”(见正文的 30%)。这说明,你删掉"下”,依赖的是"小周几乎不会选中”。
- 开放题。检查时,不要只写"链条很长”,要写出每一环在假设对方知道什么、做什么。
- 写 2,无论对方怎么写,你最多拿 4 元;写 100,如果对方也写得高,你能拿到很多。迭代剔除每一步多出来的那一点点好处,都只在"对方也待在高位"时存在,却要用"可能只得 2、4 元"的风险去换。当风险这么实在、好处又这么抽象时,很多人宁愿停在中间。