一、一次手滑

你和同事小周在同一间办公室,每周都要决定要不要把自己整理的资料共享给对方。共享叫"合作",只拿不给叫"背叛"。每周的收益是(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

你们都用以牙还牙:第一周合作;以后每一周,做对方上一周做的事。两个人都这样做,就会一直合作,每周各得 3。

现在出了一件小事:某一周你本来想合作,手一滑(比如发错了文件夹),实际做成了背叛。

先别往下读。请你想一想:之后会怎样?你们还能回到各得 3 吗?

我们一周一周地看:

  • 第 1 周:你背叛(手滑),小周合作。你得 5,小周得 0。
  • 第 2 周:你照"对方上周合作"合作;小周照"你上周背叛"背叛。你得 0,小周得 5。
  • 第 3 周:你照"对方上周背叛"背叛;小周照"你上周合作"合作。你得 5,小周得 0。
  • 以后一周接一周地轮流……

两个人再也回不到互相合作了。 每个人的平均是 (5 + 0) ÷ 2 = 2.5,不是 3。

这还只是一次手滑。如果手滑时不时地发生,会怎样?我用计算机把两个人长期的平均收益算出来(每次行动有一点概率"做成相反的动作"):无论手滑的概率多小(0.1%、1%、5%),只要时间足够长,以牙还牙之间的平均收益都是 2.25。 这正好是四种结果(合作合作、被占便宜、占便宜、互相背叛)各占四分之一时的平均:(3 + 0 + 5 + 1) ÷ 4 = 2.25。手滑越少,只是"走到这个均匀状态"要等得越久。

这一讲的问题就是:当合作会出错,什么样的策略能把它修好?

二、宽恕

一个自然的想法:别那么较真。

宽厚以牙还牙(generous tit-for-tat):对方上周合作,我就合作;对方上周背叛,我以 1/3 的概率还是合作,以 2/3 的概率背叛。

这样,一次手滑之后,你们有机会重新回到合作。

为什么是 1/3?我们来算算宽恕的上限。

  • 有人想永远背叛:永远背叛的人,每周有 g 的概率碰到我的宽恕(得 5),其余得 1,平均 5g + (1 − g) = 1 + 4g。要它不比合作的 3 更好,需要 1 + 4g ≤ 3,即 g ≤ 1/2。
  • 有人想背叛一次再回头:这一周 TA 背叛得 5;下一周我以 g 的概率合作,TA 也合作得 3,否则 TA 合作我背叛,TA 得 0。之后回到合作。两周共 5 + 3g;老老实实合作是 6。要不划算,需要 5 + 3g ≤ 6,即 g ≤ 1/3。

所以宽恕概率最多 1/3:再大,“背叛一次再回头"就有赚头了。

还有一个更巧妙的策略,叫赢留输换(win-stay, lose-shift):

上一周我拿到 3 或 5(“赢”),这一周做同样的事;上一周我拿到 0 或 1(“输”),这一周换成另一个动作。

两个人都用它,一次手滑后会怎样?

  • 第 1 周:你手滑背叛,小周合作。你得 5(赢),小周得 0(输)。
  • 第 2 周:你"赢"了,继续背叛;小周"输"了,换成背叛。两人都背叛,各得 1(都输)。
  • 第 3 周:两个人都"输”,都换成合作。回到了互相合作。

两周就自己修好了。 这是以牙还牙做不到的。

我把几种策略放在一起,算它们在 1% 手滑概率下的长期平均收益:

一点点手滑,就能毁掉以牙还牙之间的合作

策略 和自己对战 遇到永远背叛的人,自己得 永远背叛的人得
以牙还牙 2.25 1.02 1.07
宽厚以牙还牙(1/3) 2.97 0.69 2.36
赢留输换 2.95 0.54 2.99
永远合作 2.99 0.04 4.94

宽恕让合作自己修好,两个人对战接近 3。代价是:遇到一个永远背叛的人,宽厚的策略会被多占一些便宜(永远合作最惨,几乎被吃光)。

⚠️ 这里第一次读会觉得别扭。 你会想:宽恕不是在"纵容背叛"吗?为什么反而得到更多?

关键在于:对手也会手滑。 一个对手一次背叛,可能只是失误。如果你把每一次背叛都当成恶意,永远报复,你们就陷在报复的循环里。宽恕是在赌:对面的人大多数时候是想合作的。赌对了,合作自己修好;赌错了(遇到真正的背叛者),你付出代价。所以宽恕多少,取决于你对手有多大可能是真想合作的,以及失误有多常见。

三、零行列式策略:把双方的收益锁在一条线上

现在看一类很奇特的策略。

前面的策略,都是"看上一周的结果,然后以某个概率合作"。这类策略叫记忆一步的策略:它由四个概率决定,分别是上一周结果为(我合作、对方合作)、(我合作、对方背叛)、(我背叛、对方合作)、(我背叛、对方背叛)时,这一周合作的概率。比如以牙还牙是 (1, 0, 1, 0)。

2012 年,Press 和 Dyson 发现:有一些记忆一步的策略,能让你单方面地把双方的长期平均收益,锁在一条直线上,不管对方用什么策略。 这类策略叫零行列式策略(因为推导里要让一个 4×4 的行列式等于零,这一点我据二手转述)。

勒索型

我们取其中最出名的一种,勒索型,要求:

你的平均收益 − 1 = 3 × (对方的平均收益 − 1)。

(1 是互相背叛的收益。这个式子说:你比"互相背叛"多赚的部分,永远是对方多赚的部分的 3 倍。)

怎么构造?按 Press 和 Dyson 的公式,把四种结果下你的收益 (3, 0, 5, 1) 和对方的收益 (3, 5, 0, 1) 各减去 1,得到 (2, −1, 4, 0) 和 (2, 4, −1, 0)。取前者减 3 倍的后者:(2 − 6, −1 − 12, 4 + 3, 0) = (−4, −13, 7, 0)。乘上一个小的正数 φ,把前两个数加上 1,就得到合作概率:

(1 − 4φ, 1 − 13φ, 7φ, 0)。

φ 要让所有概率都在 0 到 1 之间。取 φ = 1/26,就是

(11/13, 1/2, 7/26, 0)。

(这组概率是我按上面的公式算出来的,我另外验算过。)

我们来验证它真的把收益锁在直线上。

对方永远合作:你的状态只有"上周合作"和"上周背叛"。从合作出发,你以 11/13 继续合作,2/13 背叛;从背叛出发,你以 7/26 合作。长期来看,两个状态的比例满足 π_合作 × 2/13 = π_背叛 × 7/26,所以 π_背叛 ÷ π_合作 = 4/7,也就是合作占 7/11,背叛占 4/11。

  • 你的平均:3 × 7/11 + 5 × 4/11 = 41/11 ≈ 3.73。
  • 对方的平均:3 × 7/11 + 0 = 21/11 ≈ 1.91。

检验:你 − 1 = 30/11,对方 − 1 = 10/11,30/11 正好是 10/11 的 3 倍。✓

对方永远背叛:从"上周合作"你以 1/2 合作,从"上周背叛"你以 0 合作(永不)。慢慢地你就只剩背叛。两人都是 1。检验:1 − 1 = 0 = 3 × (1 − 1)。✓

我还对以牙还牙、赢留输换、和两个随机策略都验算过,关系一直成立。

零行列式策略:不管对方怎么做,两人的平均收益都落在一条直线上

这意味着什么

假设对方想让自己的收益尽量高。在这条直线上,对方的收益越高,你的也越高(对方多赚 1,你多赚 3)。对方能得到的最高是 21/11 ≈ 1.91,这是对方永远合作时拿到的,比互相背叛的 1 好,但远低于互相合作的 3;你却拿到 3.73。

所以这个策略叫勒索:它给对方一个"选择",要么接受一个又小又不公平的份额,要么和你一起掉到 (1, 1)。

⚠️ 这里第一次读会觉得别扭。 你会想:你怎么能"强迫"对方的收益?

不能强迫。零行列式策略只保证一条线性关系,不保证对方选什么。对方完全可以拒绝:永远背叛,那么你们都只拿 1。勒索只对会适应、想提高自己收益的对手有效:对手一步步学着调高自己的收益,最后被带到那个"1.91"的点。对手如果坚决不吃这一套,勒索者自己也一无所获。

宽厚型

同样的方法,也能造出"反方向"的版本,宽厚型:

你的平均收益 − 3 = 2 × (对方的平均收益 − 3)。

(3 是互相合作的收益。这时对方比 3 少多少,你少的是对方的 2 倍,你总是更吃亏。)

按同样的方式算(以 3 为基准,取 φ = 1/8),合作概率是 (1, 1/8, 1, 1/4):互相合作时一直合作;自己背叛了对方合作时,一定回到合作(相当于道歉);被背叛后,只以 1/8 的概率回应合作。

我验算了:对方永远合作或以牙还牙,两人都得 3;对方永远背叛,你得 7/9 ≈ 0.78,对方得 17/9 ≈ 1.89,满足 0.78 − 3 = 2 × (1.89 − 3)。✓

四、勒索是最后的赢家吗

Press 和 Dyson 的论文提出:勒索型能在对抗"会适应的对手"时占上风。但后来的研究给了一个很不同的答案。

  • Hilbe、Nowak 和 Sigmund 2013 年(PNAS):在够大的群体里,勒索者可以起到类似以牙还牙的催化作用(让合作更容易出现),但不是自然选择的稳定结局;在很小的群体里,勒索者才站得住。
  • Adami 和 Hintze 2013 年(Nature Communications):零行列式策略至多是"弱占优",不是进化稳定的,会演变成不那么强势的策略。
  • Stewart 和 Plotkin 2013 年(PNAS):勒索型一对一对战时表现很好,但在大的、会进化的群体里表现很差;真正成功的是宽厚型。

一个直观的原因:勒索者在和别的勒索者对战时,两个人都拒绝让步,只拿到互相背叛的 1;而宽厚型和宽厚型、和合作者碰面时,都能拿到接近 3。

五、证据:人真的会宽恕吗

理论预测。 有噪声时,严格的报复会让合作走样;宽恕和"赢留输换"能把合作修好;零行列式策略能把双方收益锁成线性关系,但勒索型不是进化稳定的。

证据。

  • 噪声下的实验。 Fudenberg、Rand 和 Dreber 2012 年在《美国经济评论》(American Economic Review,102 卷 2 期,720–749 页)做了有噪声的重复囚徒困境实验:参加者的动作有一定概率被执行成相反的。据摘要,合作在"合作可以成为均衡"的条件下明显更多;成功的策略往往对第一次背叛很宽容,惩罚之后也愿意原谅,也就是标题说的"慢发火、快原谅"。
  • 赢留输换。 Nowak 和 Sigmund 1993 年在《自然》(Nature,364 卷,56–58 页)提出赢留输换。据我看到的摘要和二手评论,它有两个优势:能纠正偶尔的失误,也能占永远合作者的便宜。Nowak 和 Sigmund 1992 年在《自然》(355 卷,250–252 页)讨论了在异质群体里,少量以牙还牙者为更宽厚的策略铺路。(这两篇我只核对到摘要层。)
  • 零行列式策略。 Press 和 Dyson 2012 年在《美国国家科学院院刊》(PNAS,109 卷)提出。后续三篇如上节(Hilbe、Nowak 和 Sigmund,PNAS 110 卷 17 期,6913–6918 页;Adami 和 Hintze,Nature Communications 4 卷 2193 号;Stewart 和 Plotkin,PNAS 110 卷 38 期,15348–15353 页),都是据摘要或二手转述。

局限。 这些结论大多来自囚徒困境和记忆一步的策略,收益也是固定的;现实里的失误,往往不是"随机地做成相反的动作",而是误会、信息不全。实验里的参加者通常也不会精确地执行一个概率策略。

分歧。 在有噪声的环境里,宽恕比严惩更好,这在理论和实验里都有支持,事实层面争议较小。至于该宽恕多少,取决于你有多信任对方、失误有多常见。另一方面,勒索式的安排(我拿大头,你要是不同意我们都吃亏)是否可以接受,是价值判断:它在博弈里是均衡,但是否公平,要看你怎么想。

六、常见的误用

  • “宽恕就是软弱。” 不对。宽恕是在有噪声的世界里,让合作能自己修好的办法;它有上限,太宽会被占便宜。
  • “以牙还牙是最好的策略。” 不对。无噪声时它很不错,有噪声时,它会陷入互相报复的循环。
  • “零行列式策略能强迫对手。” 不对。它只保证一条线性关系,对方可以拒绝,代价是双方都吃亏。
  • “勒索型一定赢。” 不对。一对一时占优,但在会进化的大群体里不稳定。
  • “赢留输换总比宽恕好。” 不一定。它遇到永远背叛的人时,吃亏更多(上表)。

七、小结

  • 一次手滑,就能让两个以牙还牙的人永远轮流占便宜,长期平均 2.25,而不是 3。
  • 宽恕:宽厚以牙还牙,宽恕概率至多 1/3,再大"背叛一次再回头"就有赚头。
  • 赢留输换:赢了继续,输了换;手滑之后两周内自己修好。
  • 代价:遇到永远背叛的人,会被占便宜。
  • 零行列式策略:记忆一步的概率策略,能单方面把双方收益锁在一条直线上。勒索型 (11/13, 1/2, 7/26, 0) 让"你多赚的 = 对方多赚的 3 倍"。
  • 勒索不稳定:一对一时占优,但在会进化的群体里不是稳定结局;宽厚型更成功。
  • 证据:噪声下的实验支持"慢发火、快原谅"。

回到那次手滑。下次你和别人的合作出现了一次背叛,请想一想:这是真背叛,还是失误?如果是失误,你的反应是在修合作,还是在把它推向互相报复?

思考题

  1. 以牙还牙对以牙还牙,从互相合作开始,第 1 周你手滑背叛。写出前 6 周每周的结果和你的收益,再算前 6 周的平均收益。
  2. 赢留输换对赢留输换,同样第 1 周你手滑背叛。写出每周的结果,几周后恢复互相合作?
  3. 宽厚以牙还牙,宽恕概率改成 g = 0.4。“背叛一次再回头"和"永远背叛”,哪一种划算?
  4. 勒索型取 φ = 1/13,合作概率是多少?验证对方永远合作时,两人的平均收益仍是 (41/11, 21/11)。(提示:只需要从"上周合作"出发继续合作的概率,和从"上周背叛"出发合作的概率。)
  5. 宽厚型 (1, 1/8, 1, 1/4),对方永远背叛,求两人长期的平均收益,并验证"你 − 3 = 2 × (对方 − 3)"。
  6. 想一个生活里"宽恕"或"勒索式安排"的例子(朋友间的失误、合作中的谈判……),说说它起了什么作用。

思考题提示

  1. 第 1 周 (你背叛, 小周合作):5,0。第 2 周 (你合作, 小周背叛):0,5。第 3 周 (背叛, 合作):5,0。第 4 周:0,5。第 5 周:5,0。第 6 周:0,5。你前 6 周共 15,平均 2.5。
  2. 第 1 周 (你背叛, 小周合作):你得 5(赢,下周留在背叛),小周得 0(输,下周换成背叛)。第 2 周 (背叛, 背叛):各得 1,都输,都换成合作。第 3 周 (合作, 合作):两周后恢复。
  3. 背叛一次再回头:5 + 3 × 0.4 = 6.2,大于老实合作的 6,划算。永远背叛:1 + 4 × 0.4 = 2.6,小于 3,不划算。所以 g = 0.4 时,第一种试探能占便宜。
  4. φ = 1/13:(1 − 4/13, 1 − 13/13, 7/13, 0) = (9/13, 0, 7/13, 0)。对方永远合作:从合作出发背叛的概率 4/13,从背叛出发合作的概率 7/13。比例 π_背叛 ÷ π_合作 = (4/13) ÷ (7/13) = 4/7,和之前一样(因为两种 φ 下这个比值相同),合作占 7/11。所以平均收益仍是 (41/11, 21/11)。
  5. 对方永远背叛:你从"上周合作"出发合作的概率 1/8,从"上周背叛"出发合作的概率 1/4。平衡:π_合作 × 7/8 = π_背叛 × 1/4,所以 π_背叛 ÷ π_合作 = 7/2,合作占 2/9,背叛占 7/9。你的平均:0 × 2/9 + 1 × 7/9 = 7/9;对方的平均:5 × 2/9 + 1 × 7/9 = 17/9。检验:7/9 − 3 = −20/9;2 × (17/9 − 3) = 2 × (−10/9) = −20/9。✓
  6. 开放题。例:朋友约好的事忘了做。如果你每次都严厉报复,友谊会陷入"你不理我,我也不理你"的循环;偶尔原谅,可以修好。但如果对方总是这样,你该少原谅。勒索式的安排比如:“这个价你不接受,我们就都没生意做”,对不会还价的人有效,对敢拒绝的人,双方都吃亏。