一、一块固定的蛋糕

一个新楼盘刚刚交付,附近一年内只会有两家便利店:你的,和小周的。楼盘里的顾客一共就这么多,你多拿一个百分点,小周就少一个百分点。

你们各自要在三种开店方案里选一种:你选 A、B、C,小周选 X、Y、Z。你们同时决定,谁也看不到对方的选择。下表是你的市场份额(%):

小周:X 小周:Y 小周:Z
你:A 45 40 60
你:B 55 50 65
你:C 30 35 80

小周的份额,就是 100 减去表里的数字。比如你选 A、小周选 X,你占 45%,小周占 55%。

先别往下读。请你选一个方案(A、B 还是 C),再写下为什么。

写好了吗?你可能想:C 的 80 最诱人,可是前提是小周选 Z;而如果小周选 X,C 只有 30,惨得很。你选的每一行,结果都取决于小周选哪一列。 这一讲要教你一种不需要猜小周的办法。

二、零和:你得到的,就是对方失去的

像这样"一方的所得,恰好等于另一方的所失"的博弈,叫作零和博弈。(严格地说,总和固定为 0 的叫零和;固定为某个常数,比如这里的 100,叫常和。它们的分析完全一样,所以统称零和。)

零和博弈有一个方便的地方:只要写一个数字就够了。表里的数字是你的收益,小周的收益就是它的相反数(或者 100 减去它)。你想让这个数大,小周想让它小。 两个人的利益完全对立。

三、“最坏情况"的思路

既然小周的利益和你完全相反,一个自然的想法是:假设小周总会选对你最不利的,在这个前提下,找一个最稳的选择。

3.1 你的保底

对你的每一个方案,先看最坏会怎样,也就是这一行的最小值:

X Y Z 这一行最坏的结果
A 45 40 60 40
B 55 50 65 50
C 30 35 80 30

在每一行的最坏结果里选最大的:50,对应方案 B。这叫最大最小(maximin):选一个"最坏情况下最好"的方案。意思是:你选 B,不管小周怎么选,你至少拿到 50%。

3.2 小周的保底

站到小周的位置:小周想让你的数字小,所以小周对自己的每个方案,看最坏的情形,也就是你拿得最多的那一列的最大值:

X Y Z
这一列里你最多拿到 55 50 80

在这三个数里选最小的:50,对应方案 Y。这叫最小最大(minimax)。意思是:小周选 Y,不管你怎么选,你最多拿到 50%。

3.3 两个"保底"撞到了一起

你的保底是 50,小周的保底也是 50(你最多拿 50)。它们一样。这意味着:

  • 你选 B,至少 50;
  • 小周选 Y,你最多 50;
  • 所以(B,Y)这一格,两边都没有更好的办法。

这样的格子叫鞍点:它是所在这一行里的最小值,同时是所在这一列里的最大值。用均衡的语言说,(B,Y)就是纳什均衡:在这一格,你如果单独换成 A 或 C,只会从 50 变成 40 或 35;小周如果单独换成 X 或 Z,你反而会从 50 变成 55 或 65,小周自己更差。没有人想单独改变。

这个 50 叫作这个博弈的值。它是零和博弈里"公平的结果”:你保底 50,对方保你不超过 50,没有任何一方可以靠更聪明的选择多拿。

3.4 你不需要猜对手

回头看你的选择。你选了 B,是因为你对每一种可能的小周都有了交代:

  • 小周选 X,你得 55;
  • 小周选 Y,你得 50;
  • 小周选 Z,你得 65。

你从来不需要猜小周在想什么。保底 50 是不变的,而如果小周犯错(选了 X 或 Z),你还会拿到更多。这是零和博弈的一个特别之处:只要照"最坏情况"打算,你就既安全,又不需要看透对方。

四、没有鞍点怎么办:手指游戏

不是每个零和博弈都有鞍点。下面是一个小游戏:你和小周各自同时伸出 1 根或 2 根手指。如果两个人伸出的手指总数是偶数,你赢,小周付给你这个总数;如果总数是奇数,小周赢,你付给小周这个总数(这是猜指游戏 Morra 的一个简化版)。

  • 都伸 1 根:总数 2,偶数,你赢 2。
  • 都伸 2 根:总数 4,偶数,你赢 4。
  • 一个 1 根、一个 2 根:总数 3,奇数,你输 3。
小周:1 根 小周:2 根
你:1 根 2 −3
你:2 根 −3 4

4.1 用保底的思路试一试

你的保底:伸 1 根,最坏 −3(小周伸 2 根);伸 2 根,最坏 −3(小周伸 1 根)。你最好的保底也只有 −3。小周的保底:小周伸 1 根,你最多拿 2;小周伸 2 根,你最多拿 4。小周最好的保底是让你最多拿 2。

你的保底 −3,小周的保底 2,两个数不相等,没有鞍点。对任何一个"纯"的选择,对方都有办法针对你。

4.2 随机之后

这个时候,要用混合策略:按一定概率随机选。设你以 p 的概率伸 1 根。小周如果伸 1 根,你的期望收益是 2p − 3(1 − p) = 5p − 3;小周如果伸 2 根,你的期望收益是 −3p + 4(1 − p) = 4 − 7p。小周会选对你更不利的那个。

随机让你的保底提高

红线是"小周选对自己最有利的出法之后,你的期望收益"。它在 p = 7/12 的地方最高:让两条线相等,5p − 3 = 4 − 7p,解得 p = 7/12,期望收益是 −1/12。

也就是说:随机把你的保底,从 −3 提高到了 −1/12。 这个游戏对你略微不利(每局平均输 1/12),可是比"固定选法"好得多。小周同样以 7/12 的概率伸 1 根,你们两个都在均衡里。

4.3 极小极大定理

这里有一个重要的事实,是 von Neumann 在 1928 年证明的:

只要允许随机,任何有限的二人零和博弈,你的"最大最小"一定等于对方的"最小最大"。 这个共同的数,就是博弈的值。

换句话说:加上随机之后,零和博弈永远有一个"保底相撞"的均衡。 没有鞍点的时候,这个均衡是混合的;有鞍点的时候,是纯的。

4.4 二乘二的公式

对 2 × 2 的零和博弈,如果没有鞍点,有一个现成的公式。设表是:

列 1 列 2
行 1 a b
行 2 c d

让对手无差别(和上面的算法一样)可以得到:

  • 行玩家出行 1 的概率:p = (d − c) ÷ (a + d − b − c)
  • 列玩家出列 1 的概率:q = (d − b) ÷ (a + d − b − c)
  • 值:v = (ad − bc) ÷ (a + d − b − c)

手指游戏里 a = 2,b = −3,c = −3,d = 4,a + d − b − c = 12,p = 7/12,q = 7/12,v = −1/12,和上面一致。

五、零和博弈的三个特别之处

第一,不需要猜对手。 你选自己的最大最小策略,就保证至少拿到博弈的值,不管对手怎么玩。

第二,不需要协调。 如果你有好几个最优策略,随便选哪个都行,它们保证的值一样。(和"选哪个均衡"的难题不同:在零和博弈里,不同的均衡给你们的值都一样。)

第三,对手犯错,你才多得。 回到手指游戏。假设小周其实有点偏爱 1 根,以 3/4 的概率伸 1 根。你该怎么办?

  • 如果你固定伸 1 根,你的期望是 3/4 × 2 + 1/4 × (−3) = 3/4;
  • 如果你伸 2 根,期望是 3/4 × (−3) + 1/4 × 4 = −5/4。

所以你该一直伸 1 根,每局期望赚 3/4,比 −1/12 好得多。可是有两点要小心:

  • 如果你坚持均衡的比例 7/12,期望是 7/12 × 3/4 + 5/12 × (−5/4) = −1/12。你不赔也不赚,不吃亏,也不占便宜。
  • 如果你改成一直伸 1 根,小周一旦发现,就会改伸 2 根,这时你拿 −3。占便宜的前提是对手不会调整。

这就是"保底"和"进攻"的区别:保底不依赖对手犯错;进攻要靠对手犯错,而且自己也有被反过来利用的风险。

六、不是零和的时候,保底就不灵了

⚠️ 这里最容易想错: “按最坏情况打算”,在零和博弈里是对的,因为对手想让你最糟。可是在一般的博弈里,对手并不是想让你最糟,只是在追求自己的收益。这时"假设最坏"会过度悲观。

看猎鹿:你和小周去猎鹿或抓兔,(鹿,鹿)各得 4,(鹿,兔)你 0、小周 3,(兔,鹿)你 3、小周 0,(兔,兔)各得 3:

小周:猎鹿 小周:抓兔
你:猎鹿 (4,4) (0,3)
你:抓兔 (3,0) (3,3)

你的保底:猎鹿最坏是 0;抓兔最坏是 3。保底选择是抓兔。 可是这个博弈里,(猎鹿,猎鹿)也是均衡,而且对两个人都更好。小周并不想让你空手,小周也想猎鹿。保底选择躲掉了最坏,也躲掉了更好的结果。

所以在一般的博弈里,保底选择和均衡策略不一定是一回事:猎鹿里,保底选择只是某个均衡的一部分,而且不是最好的那个。只有在零和博弈里,这两件事才一定一致。

七、极小极大还在别处:棋盘上的"倒着想"

极小极大的思路,最有名的应用之一是计算机下棋。电脑下棋要回答:“我这一步,该走哪里?” 它的办法是:

  • 我走一步(想让局面对我最好);
  • 对手回应一步(会让局面对我最糟);
  • 我再走一步……

假设你有三步可选,每一步之后,对手各有两种回应,数字是你的局面得分(越大越好):

  • 走 a:对手回应后,你的得分是 3 或 8;
  • 走 b:5 或 6;
  • 走 c:2 或 9。

对手会选让你得分最低的回应:走 a 的结果是 3,走 b 是 5,走 c 是 2。你要在这些"最坏结果"里选最大的:走 b。你不选 c,虽然它有一个 9,因为对手不会让你得到 9。这就是极小极大搜索:每一步里,轮到你,选最大;轮到对手,假设选最小。早期的下棋程序(Shannon 在 1950 年的论文里系统地写过这个想法)用的就是它。

八、证据:人们真的这样玩吗

理论预测什么? 在零和博弈里,理性的玩家用最大最小(或者其混合)策略,实际结果应该接近博弈的值,而且选择应该符合均衡的比例。

证据怎么说?

  • 理论本身:von Neumann 在 1928 年的论文里证明了极小极大定理。
  • O’Neill(1987)用一个人们容易理解的纸牌游戏做了实验。研究发现:参与者选择各个动作的频率,以及赢的比例,都接近极小极大的预测,只是个体之间差别很大。研究者还指出,人们离开极小极大的玩法,不见得会吃亏,因为对手的信息处理能力和记录能力也有限。
  • Brown 和 Rosenthal(1990)重新分析了 O’Neill 的数据,结论更谨慎:对极小极大的支持,比 O’Neill 报告的要弱;他们发现玩家的选择有序列上的相关性(上一步影响下一步,有些人还会依赖对手之前的出法),也没有看到玩家随着经验增长越来越接近极小极大。

局限在哪? 这些都是在实验室里,用一个特定的游戏做的,奖金也不大。更重要的是:现实里严格的零和并不多见,大多数局面里,双方既有冲突,也有共同利益。

分歧是什么? O’Neill 倾向于认为极小极大大体说得通,Brown 和 Rosenthal 更怀疑。分歧的焦点是:“接近"到底算多近,以及应该怎样检验。

九、常见的误用

  • “一切竞争都是零和。” 不对。要检查收益是不是真的总和固定。两国贸易,双方都可能得利,总和不固定;一个公司里做大蛋糕,多数人都能受益。“零和"是一个可以检验的结构,不是一种态度。反过来,体育比赛的胜负、固定名额的排名、固定份额的市场争夺,确实接近零和(或常和)。要检查,不要凭感觉。
  • “极小极大就是最保守的选择,所以总是最好。” 只在零和博弈里对。一般博弈里,保底选择可能躲掉了更好的结果(猎鹿)。
  • “只有有鞍点才有保底的值。” 不对。没有鞍点时,允许随机,仍然有一个值。
  • “对手犯错了,我就应该马上针对。” 要小心。你一针对,对手也可能调整,反过来利用你。
  • “零和就是一方一定输。” 不对。值可以是 0(公平)。你的保底可以是 0,也可以是正数。

十、小结

  • 零和博弈:一方所得就是另一方所失。只用写一个数字。
  • 最大最小:对每个方案看最坏结果,选最坏结果里最大的。最小最大:对手一方的同样做法。
  • 鞍点:行里最小、列里最大的格子,是纯策略均衡,它的数就是值。
  • 没有鞍点时,用混合策略:极小极大定理保证,允许随机后,双方的保底总能相撞,得到同一个值。
  • 零和博弈的三个特别之处:不用猜对手、不用协调、占便宜要靠对手犯错。
  • 一旦不是零和,保底选择不再等于均衡,对手也并不想伤害你。
  • 证据:实验里的选择大体接近极小极大,但有序列上的偏离,支持的强弱仍有争论。

回到那块固定的蛋糕:下次你听到"这是一场零和游戏”,请先问:这块蛋糕真的是固定的吗?还是只要大家一起做大,每个人都有得分?

思考题

  1. 找出下面这个博弈的鞍点(数字是行玩家的收益),写出你的保底、对手的保底,以及博弈的值:

    列 1 列 2 列 3
    行 1 3 5 4
    行 2 2 1 6
    行 3 3 2 7
  2. 下面是一个 2 × 2 的零和博弈(行玩家的收益):行 1 = (5,1),行 2 = (3,4)。先检查有没有鞍点,没有的话,求双方的比例和博弈的值。

  3. 在手指游戏里,如果小周以 3/4 的概率伸 1 根,而你一直坚持 7/12 的比例,你的期望收益是多少?你改成一直伸 1 根呢?小周发现之后会怎么做?

  4. 你有三步棋 a、b、c,每一步之后对手各有两种回应,你的得分分别是:a:(3,8),b:(5,6),c:(2,9)。你该选哪一步?为什么不选 c?

  5. 判断下面哪些情形接近零和,哪些不是,并说明理由:(a)一场乒乓球比赛;(b)两家公司争夺一个固定的市场份额;(c)两国之间的自由贸易;(d)一个公司把固定数额的年终奖分给员工;(e)所有人都按相同标准评分的考试(及格线制)。

  6. 猎鹿里,你的保底选择是抓兔。它是某个均衡的一部分吗?它是最好的那个均衡吗?

思考题提示

  1. 各行最小值:3、1、2,最大最小是 3(行 1);各列最大值:3、5、7,最小最大是 3(列 1)。两个相等,所以(行 1,列 1)是鞍点,值是 3。你的保底是 3(选行 1),对手保你不超过 3(选列 1)。
  2. 行最小值:1、3,最大最小是 3;列最大值:5、4,最小最大是 4。3 ≠ 4,没有鞍点。公式:a = 5,b = 1,c = 3,d = 4,a + d − b − c = 5。p = (4 − 3) ÷ 5 = 1/5,q = (4 − 1) ÷ 5 = 3/5,v = (5 × 4 − 1 × 3) ÷ 5 = 17/5 = 3.4。注意值 3.4 在你的纯保底 3 和对手的纯保底 4 之间。
  3. 坚持 7/12:期望 7/12 × 3/4 + 5/12 × (−5/4) = −1/12,不受小周怎么出的影响。一直伸 1 根:期望 3/4。小周发现你总伸 1 根,就会改伸 2 根,你得 −3。所以占便宜靠的是对手没发现,保底则不依赖这一点。
  4. 对手回应的最坏结果:a 是 3,b 是 5,c 是 2。选最大的:走 b。不选 c,因为 9 只有对手犯错才会出现,一个会选最不利回应的对手,会让你只得 2。
  5. (a)接近零和:一个人赢,另一个人输。(b)常和:份额总和固定,一方多一方少。(c)一般认为不是:总和不固定,双方都可能得益(至于谁得益多少,是另一个有争议的问题)。(d)常和:总额固定,分多分少只是分配,不过这里还有"做大总额"的激励问题,要看具体设计。(e)不是:每个人的分数相互独立,一个人高不会让另一个人低。(如果改成"固定名额,排名决定”,才接近常和。)
  6. 抓兔属于均衡(兔,兔):在这个格子里,没人想单独改成猎鹿(会从 3 变成 0)。可是它不是最好的均衡:(鹿,鹿)= (4,4)对两个人都更好。所以保底选择属于某个均衡,但不一定是最好的。