一、比例会往哪边走
一个很大的公司,每个人都有自己的一种习惯做法。每个月,大家两两随机地碰面一次,碰面后各得一份收益。到了月底,收益高的做法,被更多人学去;收益低的做法,被更多人放弃。
没有人在"算最优选择",只有一件事在发生:谁做得比平均好,谁的占比就上升。
这一讲就是把这件事写成一条规则,然后用它回答一个问题:一个群体里各种做法的比例,会一步步走向哪里?
先别往下读。请你想一想:如果一个群体里 90% 的人合作(互相帮忙),10% 的人背叛(只占便宜),一个月一个月地过去,比例会怎么变?
二、一条朴素的规则
设群体里有几种做法。用 x 表示某种做法的占比(占比相加等于 1)。
- 这种做法在当前群体里的平均收益,叫 f。
- 整个群体的平均收益(所有做法按占比加权),叫 f̄。
规则是:每一步,这种做法的占比,按"它比平均好多少"调整一小步:
新占比 = 旧占比 × [1 + 0.1 × (f − f̄)]。
这里的 0.1 是"步子的大小"。f 比平均 f̄ 高,括号里大于 1,占比上升;f 比平均低,占比下降。
一个小检查:所有做法的占比加起来,会不会还是 1?会。因为按占比加权后,“比平均好多少"的总和恰好是 0:好的多出来的,正好等于差的少掉的。
这样的做法在学界叫复制子(replicator:能被复制的东西),这条规则叫复制子动态。它的连续时间版本(步子无限小),最早由 Taylor 和 Jonker 在 1978 年提出:一种做法的增长率,就是它比平均好多少。
有一点很方便:规则里只出现"差”(f − f̄),所以给所有收益都加上同一个常数,什么都不会变。 收益是正是负,都无所谓。
三、第一个例子:囚徒困境
两种做法:合作(互相帮忙)和背叛(只拿不给)。收益是(行的收益):
| 对方合作 | 对方背叛 | |
|---|---|---|
| 合作 | 3 | 0 |
| 背叛 | 5 | 1 |
设合作者占比 x = 0.9,背叛者 0.1。
- 一个合作者的平均收益:0.9 × 3 + 0.1 × 0 = 2.7。
- 一个背叛者的平均收益:0.9 × 5 + 0.1 × 1 = 4.6。
- 群体平均:0.9 × 2.7 + 0.1 × 4.6 = 2.89。
合作者比平均差 2.7 − 2.89 = −0.19。新的合作者占比:0.9 × [1 + 0.1 × (−0.19)] = 0.9 × 0.981 = 0.883。
合作者少了一点点。一步一步算下去(这些后面的步数,我用程序算的):
- 走 20 步,合作者占比 0.27;
- 走 40 步,0.035;
- 走 60 步,约 0.004。
背叛者接管了群体。 原因很简单:不管群体里合作者有多少,背叛者的收益永远比合作者高 1 + x(x 是合作者占比)。一旦背叛的收益永远更高,它的占比就一路涨。
⚠️ 这里第一次读会觉得别扭。 你会想:群体全是合作者时,每个人得 3;全是背叛者,每个人只得 1。群体为什么会走向更差的结局?
因为这条规则里没有人在想"大家一起好"。每个人只被"和群体平均比,我做得好不好"推着走。这和理性博弈里的"占优策略"是同一个道理,换了一种说法:个体收益的比较,决定了谁增长,群体的总收益并不被考虑。
四、第二个例子:协调博弈,两个盆地
两种做法 A 和 B:大家都选 A,每人得 2;都选 B,每人得 1;选得不一样,各得 0。(比如两种通信标准,A 的好处更大,可是要用的人一致才有价值。)
设选 A 的占比为 x。
- 一个选 A 的人的平均收益:x × 2 + (1 − x) × 0 = 2x。
- 一个选 B 的人的平均收益:x × 0 + (1 − x) × 1 = 1 − x。
两者相等时,2x = 1 − x,得 x = 1/3。这是一个"平衡点",选 A 和选 B 的收益一样好,占比不再变。
但这个平衡点是一根刀刃上的平衡。看看稍微偏一点会怎样:
x = 0.4(A 稍多):选 A 的收益 0.8,选 B 的收益 0.6,群体平均 0.4 × 0.8 + 0.6 × 0.6 = 0.68。A 比平均好 0.12,新的 A 占比 0.4 × (1 + 0.1 × 0.12) = 0.4048,A 在增加。越增加,A 越占优势,最终全选 A(走 40 步,A 占比 0.97)。
x = 0.3(A 稍少):选 A 的收益 0.6,选 B 的收益 0.7,群体平均 0.67。A 比平均差 0.07,新的 A 占比 0.3 × (1 − 0.007) = 0.2979,A 在减少,最终全选 B(走 40 步,A 占比 0.097,之后继续降到 0)。
所以这个博弈有两个盆地:起点在 1/3 右边,群体倒向全选 A;在左边,倒向全选 B。最终的结局,取决于起点,而不是哪个结局本身更好。(全选 A 比全选 B 好,可是如果起点在左边,群体会被困在 B。)
五、第三个例子:鹰与鸽,稳在一个比例
一个值钱的车位,两个人争。两种做法:强硬(鹰):不让;退让(鸽):让。车位价值 4,两个鹰碰上,输赢各一半,输的人付 6 的代价,所以各得 (4 − 6) ÷ 2 = −1;鹰碰到鸽,鹰得 4,鸽得 0;两只鸽平分,各得 2。
设鹰的占比为 p。
- 一只鹰的平均收益:p × (−1) + (1 − p) × 4 = 4 − 5p。
- 一只鸽的平均收益:(1 − p) × 2 = 2 − 2p。
相等时,4 − 5p = 2 − 2p,p = 2/3。
从 p = 0.1 出发:鹰的收益 3.5,鸽的收益 1.8,群体平均 1.97,鹰比平均好 1.53,新的鹰占比 0.1 × (1 + 0.1 × 1.53) = 0.1153,鹰增加。
从 p = 0.95 出发:鹰的收益 −0.75,鸽的收益 0.1,群体平均 0.95 × (−0.75) + 0.05 × 0.1 = −0.7075。鹰比平均差 0.0425,新的鹰占比 0.95 × (1 − 0.1 × 0.0425) ≈ 0.946,鹰在减少,只是很慢。
不论从哪边出发,都走向 2/3(走 80 步:从 0.1 出发约 0.664,从 0.95 出发约 0.671)。
这个平衡点像碗底的小球:偏了就滚回来。
六、第四个例子:石头剪刀布,绕圈不停
三种做法:石头、布、剪刀。布压石头,剪刀压布,石头压剪刀;赢得 1,输得 −1,平手 0。
三种占比相等(各 1/3)时,每种做法的平均收益都是 0,是一个平衡点。但从别处出发会怎样?
从 (石头 0.4,布 0.3,剪刀 0.3) 出发:
- 石头:对布输 (−1 × 0.3),对剪刀赢 (+1 × 0.3),平均 0。
- 布:对石头赢 (+1 × 0.4),对剪刀输 (−1 × 0.3),平均 0.1。
- 剪刀:对石头输 (−1 × 0.4),对布赢 (+1 × 0.3),平均 −0.1。
- 群体平均:0.4 × 0 + 0.3 × 0.1 + 0.3 × (−0.1) = 0。
一步以后:石头 0.4 × 1 = 0.4,布 0.3 × (1 + 0.01) = 0.303,剪刀 0.3 × (1 − 0.01) = 0.297。布在上升,剪刀在下降。
布多了之后,剪刀(压布)就占优;剪刀多了,石头(压剪刀)占优;石头多了,布又占优……一圈接一圈。
在理论上(步子无限小),这是一圈圈闭合的循环:三种做法都不会消失,也不会收敛到 1/3。(我用很小的步子、模拟了很长时间,离中心的距离几乎没变。)
⚠️ 这里第一次读会觉得别扭。 你会想:1/3 的平衡点明明存在,为什么群体不走到那里?
因为平衡点只说"站在那里就不动",没说"偏一点会不会回来"。石头剪刀布里,偏一点不但回不来,还会绕着它转圈。平衡点存在,不等于它稳定。
还要提醒一件事:如果把步子取成 0.1,我模拟了几千步,算出来的圈会越转越大,最后只剩一种做法占绝大多数。这是步子太大带来的误差,不是博弈本身的性质。步子越小,越接近真正的闭合循环。
七、把四个例子放在一起
四种结局:
- 囚徒困境:背叛者接管(占优的做法总会增加)。
- 协调博弈:起点决定倒向哪边(两个稳定的端点,中间是刀刃)。
- 鹰与鸽:稳在一个混合比例 2/3(偏了会回来)。
- 石头剪刀布:绕圈(平衡点存在,但不稳)。
八、这条规则和"均衡"有什么关系
平衡点就是"每种还存在的做法,收益都等于平均"。 这意味着,群体里每种存在的做法都一样好,没有人想换。所以每一个"平衡点"都是纳什均衡(每个人对别人的做法,都已经是最好的回应)。
反过来,稳定的平衡点(偏一点会回来)更挑剔:协调博弈里 1/3 是平衡点,也是纳什均衡,但不稳定;石头剪刀布的 1/3 也是。
在这一类大群体里,演化稳定策略(几乎所有人都用它时,任何少数闯入者都不比它好),在连续时间的复制子动态下,是稳定的平衡点(Taylor 和 Jonker 的结论,需要一个"非退化"的条件;他们也指出,离散时间的版本里,步子太大会冲过头,这个性质不一定成立)。上面的鹰与鸽,就是一个例子。
九、为什么是这条规则
你可能会问:现实里的人,真是这样"复制"的吗?
有两种理由:
- 生物的繁殖:收益(适应度)高的做法,后代多。这是最原始的理由。
- 人的学习:Börgers 和 Sarin 1997 年证明,一种"强化学习"(做法带来好结果,就更倾向再用)在步子很小的极限下,行为的平均趋势服从复制子动态。Schlag 1998 年研究了"模仿":在有限的记忆下,最好的模仿规则是模仿一个比自己更好的人,概率和差距成正比,整个群体的行为近似服从复制子动态。(这两篇我只核对到摘要。)
所以复制子动态不只是生物学的,也可以理解为一种很朴素的社会学习:看到别人做得比我好,我就更可能学 TA 的做法。
十、证据:真有这样的动态吗
理论预测。 占优的做法接管;协调博弈里倒向两端之一,取决于起点;鹰与鸽稳在混合;石头剪刀布绕圈。
证据。
- 理论的出处。 Taylor 和 Jonker 1978 年在《数学生物科学》(Mathematical Biosciences,40 卷,145–156 页)提出,并证明在连续时间里,演化稳定策略是稳定的。(这一点我据摘要和二手转述。)
- 自然界的三态循环。 Sinervo 和 Lively 1996 年在《自然》(Nature,380 卷,240–243 页)研究了侧斑蜥蜴的三种雄性类型,用演化稳定策略的模型来解释它们的"石头剪刀布"式关系。Kerr、Riley、Feldman 和 Bohannan 2002 年在《自然》(418 卷,171–174 页)用三种大肠杆菌做了一个真实的"石头剪刀布":据摘要,当相互作用发生在大范围里,多样性会丢失;当相互作用只发生在局部,三种菌可以共存。(我只核对到摘要和二手介绍。)
- 人类实验。 Cason、Friedman 和 Hopkins 2014 年在《经济研究评论》(Review of Economic Studies,81 卷,112–136 页)让参加者在连续时间里玩石头剪刀布式的群体博弈。据摘要和二手转述,调整得较慢的实验里出现了明显的循环;而另有一篇后续文章认为,原来对"离散时间里没有循环"的判断有计算上的错误,所以这一结论有争议。
局限。 复制子动态是一个非常粗的模型:假设群体很大、随机配对、所有人用同一条规则、做法只能是几种固定的。现实里的人,会变化、会预测、会有群体结构。真实动物或细菌的"循环",除了博弈,还可能有别的原因。
分歧。 复制子动态在多大程度上能刻画人的行为,是事实争论:实验结果因设计而异。至于"占优的做法一定会接管"是不是令人满意的结局(比如囚徒困境里的背叛),是价值问题:它说明了社会里的一类"陷阱",是否需要制度去修,取决于你怎么看。
十一、常见的误用
- “收益高的做法,一定会成为全部。” 不对。鹰与鸽里,两种做法共存;石头剪刀布里,永远绕圈。
- “平衡点就是最终结局。” 不对。平衡点要稳定,才会是结局。协调博弈的 1/3 是平衡点,也是刀刃。
- “群体会走向对大家最好的结局。” 不对。囚徒困境里,群体走向更差的结局。
- “复制子动态里人在算。” 不对。规则里没有任何计算和预测,只有"谁比平均好"。
- “循环说明有人在操纵。” 不对。石头剪刀布里的循环,是三种做法互相压制自然产生的。
十二、小结
- 规则:每一步,一种做法的占比,按"它比平均好多少"调整;给收益加常数不改变结果。
- 囚徒困境:背叛的收益永远更高,背叛者接管。
- 协调博弈:平衡点 1/3 是刀刃,起点决定倒向全选 A 还是全选 B。
- 鹰与鸽:稳在 2/3,偏了会回来。
- 石头剪刀布:平衡点 1/3 存在但不稳,三种做法轮流升降,绕圈。步子太大,算出来的圈会虚假地越转越大。
- 平衡点是纳什均衡;稳定的平衡点更挑剔;在连续时间里,演化稳定策略是稳定的平衡点。
- 证据:蜥蜴、细菌和实验里都有类似"循环"的迹象,不过各有争议。
回到公司里那个"谁比平均好,谁就被多学"的群体。下次你看到一种做法在人群里扩散或消失,请想一想:它的收益比平均好还是差?它的好坏,取决于别人怎么做吗?这个群体,是在走向一个稳定的比例、倒向某一端,还是在绕圈?
思考题
- 囚徒困境里,合作者占 0.5。算出合作者和背叛者的平均收益、群体平均,并走一步(步子 0.1),求合作者的新占比。
- 协调博弈里,选 A 的占比是 0.34(略多于 1/3)。走一步,A 的占比是增加还是减少?这说明 1/3 的平衡点是否稳定?
- 鹰与鸽,车位价值 6,争斗代价 8。写出鹰和鸽的平均收益,求平衡点,再从 p = 0.5 出发走一步。
- 在鹰与鸽的例子(价值 4,代价 6)里,给所有收益都加上 5。从 p = 0.1 走一步,结果有没有变化?为什么?
- 石头剪刀布里,从 (石头 0.2,布 0.4,剪刀 0.4) 出发,求三种做法的平均收益,并判断一步之后谁上升、谁下降。
- 想一个生活里"谁比平均好,谁被多学"的例子(一种新的工作方式、一种流行的做法……),说说它会走向哪一种结局:接管、倒向一端、稳在比例,还是绕圈?
思考题提示
- 合作者的平均收益 0.5 × 3 + 0.5 × 0 = 1.5;背叛者 0.5 × 5 + 0.5 × 1 = 3;群体平均 0.5 × 1.5 + 0.5 × 3 = 2.25。合作者比平均差 1.5 − 2.25 = −0.75。新占比:0.5 × (1 + 0.1 × (−0.75)) = 0.5 × 0.925 = 0.4625。
- 选 A 的收益 2 × 0.34 = 0.68,选 B 的收益 1 − 0.34 = 0.66,群体平均 0.34 × 0.68 + 0.66 × 0.66 = 0.2312 + 0.4356 = 0.6668。A 比平均好 0.0132,新占比 0.34 × (1 + 0.1 × 0.0132) ≈ 0.34045,增加。偏离 1/3 的方向继续变大,所以不稳定。
- 鹰与鸽:两个鹰碰上各得 (6 − 8) ÷ 2 = −1,鹰对鸽得 6,鸽对鹰得 0,两鸽各得 3。鹰:p × (−1) + (1 − p) × 6 = 6 − 7p;鸽:(1 − p) × 3 = 3 − 3p。相等:6 − 7p = 3 − 3p,p = 3/4。从 p = 0.5:鹰 2.5,鸽 1.5,群体平均 0.5 × 2.5 + 0.5 × 1.5 = 2;鹰比平均好 0.5,新占比 0.5 × (1 + 0.1 × 0.5) = 0.525,鹰增加,向 3/4 靠近。
- 没有变化。 加 5 之后,鹰的收益 8.5、鸽的收益 6.8、群体平均 6.97,差(鹰 − 平均)还是 1.53,新占比还是 0.1 × 1.153 = 0.1153。因为规则里只有"和平均的差",常数加到所有收益上,差不变。
- 石头:对布输 (−1 × 0.4),对剪刀赢 (+1 × 0.4),平均 0。布:对石头赢 (+1 × 0.2),对剪刀输 (−1 × 0.4),平均 −0.2。剪刀:对石头输 (−1 × 0.2),对布赢 (+1 × 0.4),平均 +0.2。群体平均 0.2 × 0 + 0.4 × (−0.2) + 0.4 × 0.2 = 0。一步之后:石头不变,布下降(0.4 × (1 − 0.02) = 0.392),剪刀上升(0.4 × 1.02 = 0.408)。
- 开放题。例:新的办公软件。如果用的人越多越有用(像协调博弈),起点决定它会不会被普遍采用;如果它的好处不依赖别人(像占优),就会接管;如果好处随人数增加而减少(像鹰与鸽),可能稳在一个比例。