一、两辆自行车

你骑着自行车拐进一条只够两辆车并排的小路,对面也骑来一辆。你们谁也没有减速,都得在最后一刻决定靠左还是靠右。

  • 如果你们靠同一侧,两辆车错开了,擦肩而过,各得 2 分。
  • 如果你们靠不同侧,两辆车会在小路中间迎面撞上,或者互相堵死,各得 −4 分。
对面:靠左 对面:靠右
你:靠左 (2,2) (−4,−4)
你:靠右 (−4,−4) (2,2)

先别往下读。请你写下你的选择,再写下你为什么这么选。

写好了吗?如果你写的理由是"我猜对面会靠右(或者靠左)",那你已经做对了一半:你在猜对方。可是你会发现,这个问题有点怪:靠左不比靠右更好,靠右也不比靠左更好。没有任何一个选择在每一种情况下都更好。 换句话说,这里没有占优策略(不管对方怎么选都最好的策略),也没有任何一个策略可以被删掉(“被占优"的策略才能删)。这两个常用的工具,在这里都用不上了。

我们需要一个更宽的想法,一个能回答”什么样的局面是稳定的“的想法。这就是纳什均衡。

二、“稳定"是什么意思

2.1 最佳反应

先学一个小概念。假设你已经知道对方选了什么,那么你的最好选择是什么?

给定对方的选择,让你自己的收益最高的那个选择,叫作你对它的最佳反应。

这是一个很具体的东西:它是针对对方某一个具体选择的最好回答。在自行车的例子里:

  • 对面靠左,你的最佳反应是靠左(得 2,靠右只得 −4)。
  • 对面靠右,你的最佳反应是靠右。

最佳反应可能不止一个:如果有两个选择并列最高,它们都是最佳反应。

2.2 纳什均衡

现在可以给出定义了。看一个局面,也就是每个人都选好了一个策略的组合。

如果在这个局面里,每个人的策略,都是对其他人策略的最佳反应,这个局面就叫纳什均衡。

换一种说法:没有任何一个人,能靠单独改变自己的选择,让自己变得更好。

在自行车的例子里,(靠左,靠左)是纳什均衡:你靠左,是对"对面靠左"的最佳反应;对面靠左,也是对"你靠左"的最佳反应。谁都没有理由单独改成靠右。(靠右,靠右)同理。而(靠左,靠右)不是均衡:你只要单独改成靠右,就从 −4 变成 2。

画出来,箭头表示"这个人单独改选之后会更好”:

谁想动?

两个粉色的格子,每个格子里的两个人都想动,箭头都指向绿色的格子。两个绿色格子没有箭头离开:它们就是纳什均衡。

2.3 一个机械的找法:划线法

当博弈变大,一个格子一个格子地试很慢。有一个很机械的办法,叫划线法:

  1. 一列一列地看: 在每一列里,找到你的较大数字(你对那一列的最佳反应),给它加线。
  2. 一行一行地看: 在每一行里,找到小周的较大数字(小周对那一行的最佳反应),给它加线。
  3. 两个数字都加了线的格子,就是纳什均衡。

用一个 3 × 3 的博弈练一遍。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):

划线法

怎么得到这张图的?

  • 第一列(小周选左):你选上得 5、中得 3、下得 4,最大是 5,给"上"那一格里你的 5 加线。
  • 第二列(小周选中):你选上得 3、中得 4、下得 0,最大是 4,给"中"那一格里你的 4 加线。
  • 第三列(小周选右):你选上得 4、中得 1、下得 8,最大是 8,给"下"那一格里你的 8 加线。
  • 第一行(你选上):小周选左得 3、中得 7、右得 2,最大是 7,给"中"那一格里小周的 7 加线。
  • 第二行(你选中):小周选左得 4、中得 2、右得 7,最大是 7,给"右"那一格里小周的 7 加线。
  • 第三行(你选下):小周选左得 3、中得 0、右得 5,最大是 5,给"右"那一格里小周的 5 加线。

两个数字都加了线的格子只有一个:(下,右),收益(8,5)。它就是这个博弈唯一的纳什均衡。

顺便说一句:这个博弈里没有任何一个策略被占优(你可以自己检查),所以"反复删掉被占优的策略"这个办法一步也迈不动。可是划线法找到了一个稳定的局面。

2.4 一条链:为什么这个局面"停得下来”

换一个角度看这个均衡。想象你们不是一次想清楚,而是一步一步试:

  • 从(上,左)开始。你在"左"这一列里最好的就是"上",你不动。可是小周在"上"这一行里,选"中"(7)比选"左"(3)好,小周换成"中"。
  • 到了(上,中)。现在你在"中"这一列里,选"中"(4)比选"上"(3)好,你换成"中"。
  • 到了(中,中)。小周在"中"这一行里,选"右"(7)比选"中"(2)好,小周换成"右"。
  • 到了(中,右)。你在"右"这一列里,选"下"(8)比选"中"(1)好,你换成"下"。
  • 到了(下,右)。你在"右"这一列里,“下"已经是最好的;小周在"下"这一行里,“右”(5)已经是最好的。没人想动,停下了。

这就是均衡:一个没有人想单独离开的地方。 注意:这只是一个帮助你理解的"想象”,不是说人们真的会这样一步步试。

三、均衡的两面:它像什么,它是什么

3.1 谷底的球

均衡很像一个放在谷底的球。轻轻推它一下(相当于某一个人单独改变选择),它会滚回来。对比一下:放在山顶的球,轻轻一碰就滚走了,那不是均衡。

谷底的球

这个类比有两个地方要小心:第一,山谷可以不止一个。自行车的例子里,“都靠左"和"都靠右"是两个山谷,各自都稳。第二,球在谷底,不意味着这个谷是最深的。有的均衡对大家来说很糟糕。

3.2 自我实现的预期

均衡还有另一副面孔,它更接近博弈论想表达的东西:自我实现的预期。

想象你们有一个共同的预期:“大家都会靠左。“如果你相信对方靠左,你就会靠左;对方也这样想,也会靠左。预期成真了。这个预期没有被事实打破,所以它可以一直持续下去。

对比一个不是均衡的预期:“你靠左,对面靠右。“至少有一个人会发现:我本来可以做得更好。预期一落地就破了,这样的预期站不住脚。

所以,纳什均衡的另一种说法是:一种"如果大家都这样相信,它就会自己成真"的局面。 它不会告诉你大家一定相信什么,可是它告诉你:什么样的预期,不会被事实打脸。

3.3 事后不后悔

还有第三种读法:在均衡里,没有人事后后悔。 看到所有人的选择之后,每个人都会说:“既然别人这样选,我这样选是最好的。“在不是均衡的局面里,至少有一个人看完之后会拍大腿:“早知道我就换了!”

四、不止一个均衡

自行车的例子里有两个均衡。这带来一个重要的问题:到底是哪一个?

⚠️ 这一点很容易想错:纳什均衡并不告诉你"会发生哪一个”。 它只告诉你"哪些局面是稳定的”。(靠左,靠左)和(靠右,靠右)对你们两个人来说同样好,博弈本身没有任何东西能说"该选哪个”。实际发生哪个,取决于预期:你们提前有没有约定,这个国家的人习惯靠哪边,你看到对面是不是外国游客。

这就是为什么各国交通会有"靠左"和"靠右"两种惯例,而且谁也没法说哪个更对。一旦某个惯例建立起来,每个人只要预期别人遵守,就愿意遵守。

我们回到前面的 3 × 3 博弈,它只有一个均衡,没有这个问题。可是现实里很多局面都有多个均衡,这个"选哪个"的问题,往往才是真正的难点。

五、它和占优策略、迭代剔除的关系

纳什均衡和两个更简单的想法有联系:占优策略(不管对方怎么选都最好的策略),以及迭代剔除(反复删掉被占优的策略,直到删不动)。有两条重要的联系:

第一,占优策略组成的局面,一定是纳什均衡。 如果每个人都有一个占优策略(不管对方怎么选都最好),那么每个人选自己的占优策略,当然是对对方选择的最佳反应。比如两家店的价格战:

小周:15 元 小周:12 元
你:15 元 (10,10) (2,14)
你:12 元 (14,2) (6,6)

每个人的占优策略都是降价,(12 元,12 元)就是唯一的纳什均衡。⚠️ 注意:这个均衡不是最好的结果。两家都不降价,各得 10,比 6 好。均衡只是"稳定”,不是"最好”。

第二,纳什均衡不会被迭代剔除删掉。 理由很短:如果一个策略出现在某个均衡里,它就是对均衡里对方策略的最佳反应。那么在"对方选那个策略"这一列里,它不比任何别的策略差,所以不可能在每一列都被别的策略严格压过,也就不会被删。

可是反过来不成立:迭代剔除之后剩下的策略,不一定有人是均衡。下一节就是一个例子。

六、一个没有均衡的博弈

有些博弈,用划线法一个格子也划不出来。猜硬币:你们各出一枚硬币的正面或反面。两枚相同,你赢 1;两枚不同,小周赢 1(输的人付给赢的人)。

小周:正 小周:反
你:正 (1,−1) (−1,1)
你:反 (−1,1) (1,−1)

划线:小周选正,你的最佳反应是正(1);小周选反,你的最佳反应是反。你选正,小周的最佳反应是反(1);你选反,小周的最佳反应是正。你会发现,没有任何一个格子,两个数字都加了线。你想追上小周,小周想躲开你,永远有人想动。

这样的博弈没有"纯策略"的均衡,也就是没有"每个人都选一个确定动作"的均衡。可是纳什证明了一件重要的事:只要玩家和策略都是有限个,允许大家"随机地"选择,均衡就一定存在。 在猜硬币里,这个均衡就是"每人各以一半的概率出正和反”。

七、证据:人们真的会玩出纳什均衡吗

理论预测什么? 如果一个博弈只有一个均衡,而且大家都想到了,结果就应该是那个均衡。

证据怎么说?

  • Goeree 和 Holt(2001)设计了十个只玩一次的两人博弈。每个博弈有两个版本:在其中一个版本里,实验结果和纳什均衡(或它的某个更严格的改进)吻合得很好;在另一个版本里,只改一个收益参数,均衡的预测一点都没变,可是人们的选择大幅偏移了。他们用"直觉"和"带噪声的、一层一层的推想"来解释这些偏移。
  • 在交通惯例上,有一个很有名的历史事件:瑞典在 1967 年 9 月 3 日凌晨 5 点前后,全国从靠左行驶改成靠右行驶。据公开资料,政府在 1963 年作出决定,而此前的公投里,多数人是反对的。为了让所有人同时换边,当天凌晨交通被要求先停下,再整体换到右侧。

局限在哪? 实验是一次性的、金额不大,参与者多是学生,博弈也比较简单,不能直接推到复杂的现实。瑞典的事件只是一个历史例子,它展示"多个均衡里换一个,需要大家一起换”,并不是对纳什均衡的检验。

分歧是什么? 学者们对纳什均衡的用法并不一致:有人把它当作预测(人们会玩出这个结果),有人把它当作稳定性检验(如果大家的预期是它,会不会自我推翻),也有人把它看作长期学习和调整的终点。三种用法对证据的要求不一样,所以同一批实验结果,有人说"支持",有人说"不支持"。

八、常见的误用

  • “均衡就是最好的结果。” 不对。价格战的均衡(6,6)比(10,10)差。均衡只说"没人想单独离开"。
  • “均衡只有一个。” 不对。自行车例子有两个。多个均衡时,博弈本身没有告诉你选哪个。
  • “人们一定会玩出均衡。” 不对。均衡是预测的候选,不是保证。上面的实验显示,改一个不影响均衡的参数,行为就能变很多。
  • “均衡里每个人都做了最好的选择,所以大家合在一起也最好。” 不对。均衡只检查单独改变一个人的选择。如果两家一起涨价,大家都会更好,可是这不违反纳什均衡的定义,因为那是两个人同时改,不是一个人单独改。
  • “最佳反应是笼统的’最好’。” 不对。最佳反应是针对对方某一个具体选择的。换一个对方选择,最佳反应就可能变。

九、小结

  • 最佳反应:给定对方的选择,让你自己收益最高的选择。
  • 纳什均衡:每个人的策略都是对其他人策略的最佳反应,也就是没有人能靠单独改变选择来改善自己。
  • 划线法:每列标出你的最好数字,每行标出对方的最好数字,两个数字都标了的格子就是纳什均衡。
  • 均衡像谷底的球,稳定,但山谷可以不止一个,也不一定最深。它的另一副面孔是自我实现的预期:一种"大家都这样相信,它就会自己成真"的局面。
  • 占优策略组成的局面一定是均衡;均衡一定不会被迭代剔除;但有的博弈(如猜硬币)没有纯策略均衡,需要允许随机选择。
  • 均衡不等于最好,不等于唯一,也不等于人们一定会玩出来。

回到谷底的球:下次你看到一个局面"很稳定",请问两件事:这是哪个山谷?还有没有别的山谷?

思考题

  1. 用划线法,找出下面三个博弈的所有纯策略纳什均衡(格子里是(你,对方)):

    (a)猎鹿:(鹿,鹿)= (4,4);(鹿,兔)= (0,3);(兔,鹿)= (3,0);(兔,兔)= (2,2)。

    (b)胆小鬼:(让,让)= (3,3);(让,冲)= (1,4);(冲,让)= (4,1);(冲,冲)= (0,0)。

    (c)下面这个 3 × 3 博弈:

    小周:左 小周:中 小周:右
    你:上 (8,5) (7,3) (6,2)
    你:中 (3,2) (3,4) (7,7)
    你:下 (3,5) (2,3) (9,4)
  2. 在第一题(c)里,如果你们从(中,右)出发,一步步"谁想动谁动",会走到哪里?

  3. 举例说明:迭代剔除之后剩下来的策略组合,不一定是纳什均衡。(提示:想想猜硬币。)

  4. 自行车博弈里,如果"靠不同侧"的惩罚从 −4 改成 0(只是互相让一下),纳什均衡会变吗?这和"人们为什么还是要遵守约定"有什么关系?

  5. 两个人通话中途断线。如果两个人同时回拨,都占线,各得 0;如果只有一人回拨,接通了,各得 1;如果两人都等着,没接通,各得 0。写出矩阵,找出纳什均衡。生活里人们是怎么解决"谁来回拨"的?

  6. 两家店的价格战里,(10,10)为什么不是纳什均衡?如果两家店可以签一份有约束力的合同,会发生什么?(注意:现实里这样的合同在很多国家是违法的。)

思考题提示

  1. (a)猎鹿:(鹿,鹿)和(兔,兔)两个。(鹿,鹿)= (4,4):你在"对方鹿"那一列里,鹿 4 > 兔 3;对方同理。(兔,兔)= (2,2):你在"对方兔"那一列里,兔 2 > 鹿 0。(b)胆小鬼:(让,冲)= (1,4)和(冲,让)= (4,1)两个,没有(让,让)也没有(冲,冲)。(c)只有(上,左)= (8,5):你在"左"列里最大是 8(上),小周在"上"行里最大是 5(左);其他格子都有人想动。
  2. 从(中,右)= (7,7)出发:你在"右"列里,“下"得 9 > “中"得 7,你换成"下”,到(下,右)= (9,4)。小周在"下"行里,“左"得 5 > “右"得 4,小周换成"左”,到(下,左)= (3,5)。你在"左"列里,“上"得 8 > “下"得 3,你换成"上”,到(上,左)= (8,5)。再也没人想动。链条停在均衡(上,左)。
  3. 猜硬币里,所有策略都不被占优(谁也没有"每一列都更好"的策略),所以迭代剔除一个都删不掉,剩下的四个格子都没有纯策略均衡。
  4. 均衡不变:靠同侧(2,2)两个,靠不同侧(0,0)不是均衡(你单独改一下,就从 0 变成 2)。可是"选错"的代价变小了。这提醒我们:均衡的定义只看"有没有人想单独改变”,不看"改错了会亏多少”。所以均衡的个数,和"选错有多糟"是两件事;现实里人们对惯例有多在意,往往和选错的代价大小有关,但那是另一个问题。
  5. 矩阵(回拨,回拨)= (0,0);(回拨,等)= (1,1);(等,回拨)= (1,1);(等,等)= (0,0)。纳什均衡有两个:(回拨,等)和(等,回拨)。博弈本身不告诉你谁回拨,现实里人们靠惯例解决:比如"打电话的那个人回拨”。
  6. (10,10)不是均衡:每家都想单独降价,从 10 升到 14。如果有有约束力的合同,两家都不降价,各得 10。但价格同盟在很多国家违法,因为受损的是消费者。这里只是用来说明"改变规则会改变均衡"。