一、你和小周每周都要见面
你和同事小周在同一间办公室。每周有一件小事:各自决定要不要把自己整理的资料共享给对方。
- 共享(我们叫它"合作"):你花了力气,对方得到好处。
- 只拿不给(我们叫它"背叛"):自己省了力气,还占了对方的便宜。
每一周的收益是这样的(左边是你的,右边是小周的):
| 小周合作 | 小周背叛 | |
|---|---|---|
| 你合作 | 3,3 | 0,5 |
| 你背叛 | 5,0 | 1,1 |
这就是囚徒困境。我们再确认一下它为什么是"困境":不管小周怎么做,你背叛都更好。小周合作时,你背叛得 5,合作得 3;小周背叛时,你背叛得 1,合作得 0。小周也是同样的道理。所以一次性地玩,两个人都会背叛,各得 1,而本来各得 3 是可以做到的。
现在这件事不是一次,是反复地发生。先别往下读。请你想一想:如果你们要这样做整整 10 周,每周一次,你们会一直合作吗?如果要一直做下去,不知道什么时候结束呢?
这一讲就回答这个问题:同一个游戏反复玩,结局和只玩一次会差在哪里。
二、知道在哪一周结束:倒推到底
先看有限的情形:确定只有 10 周。
我们从最后一周往回想。第 10 周之后再也不会见面,所以第 10 周就是一次性的博弈,你和小周都会背叛。
再看第 9 周。你在想:第 10 周的结果已经定了(两人都背叛),不管我第 9 周做什么,第 10 周都是背叛。第 9 周的选择,对未来没有任何影响。所以第 9 周也只是一次性的博弈,背叛。
第 8 周同样:第 9、10 周的结果已经定了。……一路往回推,每一周都是背叛,直到第 1 周。
10 周下来,每人得 10 分,而一直合作本来可以得 30 分。
⚠️ 这里第一次读会觉得别扭。 你会想:现实里,两个人天天碰面,合作的人多得很,怎么会算出"一周也不合作"?
这个推理的关键,是一个确定的最后一周。只要所有人都知道哪一周是最后一周,所谓"以后还要见面"这个理由,就会被最后一周一点一点地吃掉。哪怕是 100 周、1000 周,结论都一样。问题出在"确定的终点"。
一个例外:有两个可以选的"终点"
有限次重复,并不是一定不能合作。如果一次博弈里有不止一个均衡,就可以用"到最后一周按哪个均衡玩"当作奖惩。
看这个 3×3 的博弈(行是你,列是小周,每格左边是你的收益):
| L | C | R | |
|---|---|---|---|
| T | 1,1 | 5,0 | 0,0 |
| M | 0,5 | 4,4 | 0,0 |
| B | 0,0 | 0,0 | 3,3 |
这里有两个均衡:(T, L) 各得 1,(B, R) 各得 3。(在这两个格子里,谁单独换动作都得不到更多。)最好的格子是 (M, C),各得 4,但它自己不是均衡:行玩家单独换成 T,可以得 5。
只玩两周。约定:第 1 周玩 (M, C);如果两人都照做,第 2 周玩好的均衡 (B, R)(各得 3);如果谁偏离了,第 2 周玩坏的均衡 (T, L)(各得 1)。
你在第 1 周想偏离:换成 T,第 1 周得 5,第 2 周被罚得 1,共 6。照做:第 1 周 4,第 2 周 3,共 7。7 比 6 大,不偏离。小周同理。
所以两周的博弈里,第 1 周也能合作。(这个构造的想法来自 Benoit 和 Krishna 1985 年对有限重复博弈的研究,上面的数字是一个常见的教科书例子,我另外验算过。)但这需要最后一周有多个均衡可选,囚徒困境里没有,唯一的均衡就是背叛。
三、不知道哪一周结束:未来的影子
现在把"确定的最后一周"拿走。你和小周会一直共事下去,没有人知道哪一周是最后一次。(我们可以把它想成:每周结束后,你们有一定的概率还会再合作下一周。)这样的博弈叫无限重复博弈。
这里要引入一个数:δ,表示未来的一份收益,在今天值多少。下一周的 1 分,今天值 δ 分;下下周的 1 分,值 δ² 分,依此类推。δ 可以有两种读法:
- 你有多耐心:δ 越大,越看重以后;
- 下一周还会合作的概率:δ 越大,越可能继续。
我们可以用一个比喻来记它:合作靠的是"未来的影子"。 未来的好处和坏处,像一道拖在今天身后的影子,压在眼前的诱惑上。影子越长,你越不敢为了眼前多赚一点而冒险;影子短到几乎没有,眼前的诱惑就说了算。δ 就是影子的长度。
触发策略
小周想了一个办法,叫触发策略:
只要对方从来没有背叛过,我就合作;一旦对方背叛过一次,我就永远背叛。
你们两人都用这个策略。你会不会想偏离?
你一直合作的价值:每周 3 分。3 + 3δ + 3δ² + ……,把这个无穷的和算一下,等于 3 ÷ (1 − δ)。(δ = 0.9 时是 30,δ = 0.5 时是 6。)
你偏离一次:这一周你背叛,得 5。从下一周开始,小周永远背叛,你也只能背叛(否则更糟),每周 1 分:δ + δ² + …… 乘以 1,等于 δ ÷ (1 − δ)。总共 5 + δ ÷ (1 − δ)。
你愿意合作,需要前者不低于后者:
3 ÷ (1 − δ) ≥ 5 + δ ÷ (1 − δ)。
两边乘以 (1 − δ):3 ≥ 5 × (1 − δ) + δ,整理得 3 ≥ 5 − 4δ,也就是
δ ≥ 1/2。
只要未来的权重至少是现在的一半,合作就能维持。
图里,绿线是一直合作的价值,橙线是背叛一次的价值。δ = 1/2 时它们相交(都是 6)。δ 比这小,橙线在上,眼前的 5 太诱人;δ 比这大,绿线在上,合作更划算。δ = 0.9 时,合作是 30,背叛只有 5 + 0.9 ÷ 0.1 = 14。
还有一个直观的检验方法。背叛一次,眼前多赚 2(5 比 3);此后每周少赚 2(1 比 3),一直少赚下去。把"以后每周少赚的 2"折算成今天的价值:2 × δ ÷ (1 − δ)。要让 2 ≤ 2 × δ ÷ (1 − δ),同样得到 δ ≥ 1/2。一般的公式是
δ ≥ (背叛的诱惑) ÷ (背叛的诱惑 + 此后每周少赚的),在这里就是 (5 − 3) ÷ (5 − 1) = 1/2。
威胁是可信的吗
触发策略里的惩罚是"永远背叛"。你会担心:对方背叛之后,你真的狠得下心永远背叛吗?
答案是:你不需要狠心,这样做对你自己就是最好的。 小周永远背叛时,你的最好回应就是背叛(得 1,合作只能得 0)。所以惩罚阶段,两个人都背叛,是一个自己站得住脚的均衡。没有人会因为"心软"而偏离惩罚。这就是说,这个威胁是可信的。
⚠️ 这里第一次读会觉得别扭。 你会问:“无限重复”,难道真的有无限次吗?
没有。关键不是无限,而是没有人知道哪次是最后一次。上面 δ 的第二种读法最贴切:每周之后还有 δ 的概率继续。δ = 1/2 的意思,是你们平均总共只要合作两周(期望的总周数 1 ÷ (1 − δ) = 2),合作就能撑住。在这样的世界里,“倒推"没有起点,也就没有"最后一周"可以让它崩塌。
四、以牙还牙
触发策略是严厉的:一次背叛,永不原谅。还有一个更温和的策略,叫以牙还牙(tit-for-tat):
第一周合作;以后每一周,做对方上一周做的事。
对方背叛一次,你下一周背叛一次;对方回到合作,你也立刻回到合作。
两个人都用以牙还牙,会合作到底。可是它更容易被偏离。你可以试试"背叛一次再回头”:这一周你背叛(得 5),小周下一周报复你(你合作,只得 0),你再背叛……如果你隔周背叛,你的收益是 5,0,5,0,……,价值 5 + 0 + 5δ² + 0 + …… = 5 ÷ (1 − δ²)。
一直合作(每周 3)的价值是 3 ÷ (1 − δ)。要后者不低于前者:
3 ÷ (1 − δ) ≥ 5 ÷ (1 − δ²)。
注意 1 − δ² = (1 − δ)(1 + δ),两边约掉 (1 − δ):3 ≥ 5 ÷ (1 + δ),即 3 + 3δ ≥ 5,
δ ≥ 2/3。
比触发策略的 1/2 更高。原因很直观:以牙还牙惩罚得轻,只罚一周,你背叛时赚的 5 加上被罚时的 0,平均下来仍有 2.5,比合作的 3 低得不多。所以需要更多的耐心才压得住诱惑。(我写的时候用逐种偏离方式逐个验算过:δ = 0.6 时,隔周背叛的价值 7.81 高于合作的 7.5;δ = 0.7 时,合作的 10 高于 9.80。)
五、δ 到底是什么
δ 在现实里,对应的是关系有多长、多频繁:
- 你和小周每周见面,而且预计还要共事好几年:δ 很大,合作很稳。
- 你在景区吃一顿饭,大概率不会再来:δ 接近 0。理论预测,这时更可能出现"一锤子买卖"式的行为。
- 同样是邻居,天天碰面的和半年才见一次的,前者之间的合作更容易维持。
换句话说:让关系变得更长、更频繁、更容易被对方看见,就是在加长"未来的影子"。
六、合作是可能,不是必然
要小心一个常见的误解:重复博弈并没有保证大家会合作。
上面的计算只说明:在 δ ≥ 1/2 时,“合作到底"可以是一个均衡。 但"永远背叛”,在任何 δ 下也同样是均衡:对方永远背叛,你背叛是最好的回应;反之亦然。
所以重复博弈带来的是多个均衡:有好的(合作),也有坏的(互相背叛)。到底落在哪一个,理论本身不替你选,要看你们怎么默契地协调。
七、证据:人们真这样做吗
理论预测。 确定终点的有限次重复,倒推后与一次性相同(唯一均衡时);无限重复里,δ 越大合作越容易维持。
证据。
- 有限次重复。 Selten 和 Stoecker 1986 年在《经济行为与组织杂志》(Journal of Economic Behavior and Organization,7 卷,47–70 页)研究了 35 名参加者,每人玩 25 个 10 轮的囚徒困境,每一局的对手都是匿名且换人。据摘要,有经验的参加者通常合作到接近最后几轮,再转为不合作;一旦有人背叛,另一方也回敬,合作就不再恢复。作者认为,标准的博弈论推理解释不了这样的"终局行为"。
- 以牙还牙的比赛。 Axelrod 在 1980 年代组织了重复囚徒困境的计算机比赛。据其著作《合作的进化》(1984)的转述,第一轮有 14 个参赛程序(外加一个随机策略),最简单的以牙还牙拿了第一;第二轮有 62 个参赛者,以牙还牙再次夺冠。第二轮的比赛长度是参赛者不知道的,以去掉"确定终点"的影响。这些细节我只看到二手转述,没有核对原文。
- 未来的影子。 Dal Bó 2005 年在《美国经济评论》(American Economic Review,95 卷 5 期,1591–1604 页)用"每轮后以一定概率继续"的实验来模拟无限重复。据摘要,继续的概率越高,合作越多;而且和期望长度相同的有限次重复相比,无限重复里的合作显著更多。
- 经验的作用。 Dal Bó 和 Fréchette 2011 年在《美国经济评论》(101 卷 1 期,411–429 页)发现:当合作不能作为均衡维持时,随着经验增加,合作会下降;反过来,合作能维持时,经验并不一定让合作上升。但据摘要,当合作的好处和未来的权重足够高时,参加者确实学会了合作。
局限。 实验是在受控的环境里,收益是小额金钱,对手是匿名的陌生人。现实里的合作往往还牵涉感情、规范、第三方的监督。
分歧。 实验里常看到,在理论上不该合作的情形,也有不少人合作。这是因为人们真的在算"未来的影子",还是因为有的人天生愿意合作,还是因为两者兼有?研究者各有看法,没有统一的结论。什么样的关系值得为它"放弃眼前的 5",则是你自己的判断。
八、常见的误用
- “重复了很多次,所以一定合作。” 不对。有限次的囚徒困境,不管重复多少次,倒推后仍然是全程背叛(唯一均衡时)。
- “无限重复就是真的一直玩下去。” 不对。重要的是没有人知道哪次是最后一次。
- “重复博弈保证合作。” 不对。合作只是一种均衡,互相背叛也是。
- “惩罚越狠越好。” 不一定。合作要能被维持,惩罚必须可信,也就是执行起来对惩罚者自己也是最好的回应。
- “δ 只是耐心。” 不止。δ 也是"关系继续的概率",是外部环境决定的。
九、小结
- 一次性的囚徒困境:背叛是占优选择,结果是 (1, 1),比 (3, 3) 差。
- 有限次重复,终点确定:倒推到底,每一周都背叛。除非一次博弈里有多个均衡可以当奖惩。
- 无限重复(不知道哪次是最后一次):合作可以成为均衡,靠"未来的影子"(δ)。
- 触发策略:合作,直到有人背叛,然后永远背叛。δ ≥ (5 − 3) ÷ (5 − 1) = 1/2 就能维持。
- 以牙还牙:惩罚更轻,需要 δ ≥ 2/3。
- 惩罚可信:永远背叛是自己站得住脚的均衡。
- 合作是可能,不是必然:互相背叛永远也是一个均衡。
- 证据:实验里,人们合作到接近终点;继续的概率越高,合作越多。
回到你和小周的办公室。下次你面对一个"这是不是最后一次"的局面,请想一想:我们还会见多久?这个关系有多频繁?有没有办法让"未来的影子"变长一点?
思考题
- 囚徒困境里,把"你背叛、对方合作"的收益从 5 改成 7(其他不变)。触发策略要求 δ 至少多大?
- 上面的 3×3 博弈里,验证在第 1 周,行玩家改成 B(而不是 T)也不划算。再说说,为什么囚徒困境里这个办法行不通。
- 两家公司合谋定高价:合谋时各赚 50;其中一家偷偷降价,当期赚 75,此后双方都回到竞争,每期只赚 30。用触发策略,δ 至少多大才能维持合谋?
- 囚徒困境(原数字),δ = 0.8。比较"一直合作"和"背叛一次后被永远惩罚"的价值。如果 δ 表示"每周之后继续的概率",平均总共会玩多少周?
- 以牙还牙里,δ = 0.6,比较"一直合作"和"隔周背叛"的价值,判断它是不是均衡。δ = 0.7 呢?
- 想一个生活里"未来的影子"长短不同的例子(常去的小店 vs. 景区的店,长期同事 vs. 一次性的交易……),说说 δ 是怎样影响人们行为的。
思考题提示
- 背叛的诱惑:7 − 3 = 4;此后每周少赚:3 − 1 = 2。δ ≥ 4 ÷ (7 − 1) = 2/3。(检验:3 ÷ (1 − δ) ≥ 7 + δ ÷ (1 − δ),得 3 ≥ 7 − 6δ,即 δ ≥ 2/3。)诱惑越大,需要的耐心越多。
- 行玩家偏离到 B:第 1 周在 (B, C) 里得 0,第 2 周被罚得 1,共 1,远低于照做的 7。囚徒困境里,一次博弈只有一个均衡 (背叛, 背叛),最后一周没有"好均衡"可以当奖励,也就没有办法区分"照做"和"偏离"。
- 诱惑:75 − 50 = 25;此后每期少赚:50 − 30 = 20。δ ≥ 25 ÷ (75 − 30) = 25 ÷ 45 = 5/9 ≈ 0.56。检验:合谋 50 ÷ (1 − δ) ≥ 75 + 30δ ÷ (1 − δ),两边乘 (1 − δ) 得 50 ≥ 75 − 45δ,δ ≥ 5/9。
- 一直合作:3 ÷ 0.2 = 15;背叛一次:5 + 0.8 ÷ 0.2 = 5 + 4 = 9。所以合作更好。平均总共会玩 1 ÷ (1 − 0.8) = 5 周。
- δ = 0.6:一直合作 3 ÷ 0.4 = 7.5;隔周背叛 5 ÷ (1 − 0.36) = 5 ÷ 0.64 ≈ 7.81。7.81 大于 7.5,不是均衡(需要 δ ≥ 2/3)。δ = 0.7:合作 3 ÷ 0.3 = 10;隔周背叛 5 ÷ (1 − 0.49) = 5 ÷ 0.51 ≈ 9.80。10 大于 9.80,合作更好。
- 开放题。例:街角的小店和景区的小店。前者的客人常来,回头客的口碑是它的命根子,δ 大,不敢宰客;后者大多是一次性的游客,δ 接近 0,宰客的诱惑更大。