“囚徒困境”
囚徒困境（prisoner’s dilemma）：讨论的是两个被捕的囚徒之间的一种博弈，它阐明了为什么“在合作对双方都有利时，保持合作也是困难的”。
囚徒困境的故事讲的是，两个嫌疑犯作案后被警察抓住，分别关在不同的屋子里接受审讯。警察知道两人有罪，但缺乏足够的证据。警察告诉每个人：如果两人都抵赖，各判刑一年；如果两人都坦白，各判八年；如果两人中一个坦白而另一个抵赖，坦白的放出去，抵赖的判十年。于是，每个囚徒都面临两种选择：坦白或抵赖。
B-坦白 B-抵赖
A-坦白 8 , 8 0, 10
A-抵赖 10, 0 1, 1
然而，不管同伙选择什么，每个囚徒的最优选择是坦白：如果同伙抵赖、自己坦白的话放出去，不坦白的话判一年，坦白比不坦白好；如果同伙坦白、自己坦白的话判八年，不坦白的话判十年，坦白还是比不坦白好。最终的结果，两个嫌疑犯都选择坦白，各判刑八年。
在囚徒困境中，如果两人选择合作，即两人都抵赖，各判一年，显然是最好的结果。但由于大家都优先考虑自己的最优选择，导致了最终整体选择并不是最好的。
囚徒困境所反映出的深刻问题是，个人利益的最大化并不能保证集体利益的最大化，自以为聪明的人可能会作茧自缚。
“重复囚徒困境”与“艾克斯罗德博弈论实验”
囚徒困境是一个一次性的博弈实验，如果增加博弈的次数，让每个参与者都有机会去“惩罚”对方前一个回合的行为，此时每个参与者的决策可能会发生变化。其中最有名的实验莫过于艾克斯罗德的博弈实验。
艾克斯罗德组织了一场计算机竞赛：任何想参加这个计算机竞赛的人都扮演“囚徒困境”案例中一个囚犯的角色。他们把自己的策略编入计算机程序，然后随机的与其他人进行囚徒困境博弈，每次博弈完毕后会获得一定的分数，并且每个人在进行博弈前都能够清楚的知道对方的历史博弈情况，每个参赛选手都会进行200次博弈对决。
博弈分数的设计如下：
对方-好意 对方-恶意
自己-好意 2，2 0，3
自己-恶意 3，0 1，1
初看会发现，如果这是一个一次性博弈，不管对方选择好意还是恶意，自己选择恶意都是最优的，都将赢得更高的分数。但如果每个人都这么想，每次博弈大家都只增加1分，每个人分数的增长都会非常的缓慢。实验的最终结果是怎么样的呢？采取什么策略会赢得最高的分数呢？
“艾克斯罗德博弈论实验”的结果
艾克斯罗德博弈论实验，计算机竞赛提交上来的程序包含了各种复杂的策略。让人感到吃惊的是， 竞赛的桂冠属于其中最简单的策略：一报还一报（TIT FOR TAT） 。这是多伦多大学心理学家阿纳托拉帕波特提交上来的策略。
一报还一报的策略是这样的：
1）它总是以合作开局
2）但从此以后就采取以其人之道还治其人之身的策略
这个策略永远不先背叛对方，从这个意义上来说它是“善意的”。它会在下一轮中对对手的前一次合作给予回报（哪怕以前这个对手曾经背叛过它），从这个意义上来说它是“宽容的”。但它会采取背叛的行动来惩罚对手前一次的背叛，从这个意义上来说它又是“强硬的”。而且，它的策略极为简单，对手程序一望便知其用意何在，从这个意义来说它又是“简单的”。
为了证明一报还一报策略的胜利不只是一种侥幸，艾克斯罗德又举行了多场竞赛，并邀请了更多的人，但这个策略一次又一次的夺魁，竞赛的结论无可争议。
重复囚徒困境结论
人的一生中会有非常多次的选择，有时候吃亏，有时候占了便宜。善意的决策可能吃亏，又或者恶意的背叛可能占便宜，但所有的过往，都会成为别人今后和你合作时进行决策的依据。
好人，更确切地说，具备以下特点的人，将会成为最终的赢家 ：
1） 善意的 ：ta不会首先背叛别人
2） 宽容的 ：别人曾经背叛过ta，但前一次合作是善意的，ta会原谅别人
3） 强硬的 ：前一次合作背叛了ta，ta下一次合作会进行惩罚
4） 简单纯粹的 ：简单纯粹的原则让彼此都更加轻松
有个游戏，叫做“ 囚徒困境”
游戏中有两个人，手上分别有两张牌，分别是“合作”牌和“背叛”牌；游戏规则是这样：
双方都打出“合作”牌，则双方都收入300块；
双方都打出“背叛”牌，则双方都罚款10块；
当一方打出“合作”牌，另一方打出“背叛”牌时，“合作”牌的人将罚款100元，“背叛”牌的人将收入500元；
为什么叫“囚徒困境”呢？理论上，只要双方都合作，都可以获得300元，双人的利益是最大化，可是问题是，双方其实是独立个体，也无法沟通，而且即使能沟通，你怎么知道对方会不会骗你。
所以如果对方打出“合作”牌，我为了自己最好的收益应该打出“背叛”牌；如果对方打出“背叛”牌，我减少自己损失也是打出“背叛”牌；也就是说，在这样的博弈之中，最后可能双方会打出“背叛”而面对双输的局面，这就是“囚徒困境”。
有没办法可以跳出这个“囚徒困境”？
在面对一局定胜负的局面，我们可能很难做到。但是我们人生在面对困境不会只有一局的。当你和你发小的博弈，当你和你同学的博弈，当你和伴侣的博弈，我们总会遇到很多次这种应该选择“合作”还是“背叛”的时候，甚至最早我们的祖先就早已面对“合作”还是“背叛”的选择题了。
在面对多局重复的情况，我们则会面对不同的策略；罗伯特·阿克塞尔罗德在《合作的进化》就进行了这个探讨，他利用计算机程序，输入了不同的策略算法：有的策略是每一局都选合作，有的策略是每一局都选背叛；
但有的策略是复杂点，比如我第一次选合作，但是只要遇到对方选一次背叛，我之后会“强烈报复”对他都选背叛；比如我第一次选合作，但是我下局我的选择是“以牙还牙”的和对方上局的出牌一致；还有就是，只要是我背叛而对方是合作的一局，那我下一局就会“内疚”而打出合作；
阿克塞尔罗德进行了两次比赛，把不同的共六十多个策略两两碰对，利用计算机筛选出哪个策略最高分，结果两次都是叫“以牙坏牙”的策略是最高分，也就是我们前面所说的，如果你上局合作，那我下局也会合作，而如果你上局背叛，我下局将会背叛。
这不就和我们现实生活中流行着“ 有恩必报，有仇报仇 ”的现象很一致吗？
有人把“合作为主”看为“ 善 ”，把“背叛为主”看做“ 恶 ”
如果这些善恶的策略进入生存的机制又会怎样呢？于是阿克塞尔罗德把这些策略进行了第三次比赛，而这次比赛不是得分比赛而是“生存”的比赛，而获胜的奖品是自我的复制品。在经历了1000代之后，这些策略的种类和数量慢慢稳定下来，一些“骗子”，“傻瓜”的策略慢慢的的灭绝，活下来的策略，都是“善”的策略为主。
由此我们可以看到：
世界还是会向“善”
善有善报恶有恶报，是人世间的“理”，也是我们人类文化博弈流传下来的“优秀”策略
纯“善”（也就是只会选合作）并不是优秀的策略
不过以上的竞争是基于策略种类丰富而且均衡，各自初始条件平均的基础条件下进行的，而事实上，世界是复杂的。
比如上诉每次都获胜的“以牙还牙”策略，如果遇到周围都是“纯恶”策略（每次背叛）为主的环境，那么“以牙还牙”策略很难获得优势，他第一局就输惨了（以牙还牙的第一局都是选合作），只是后面可以势均力敌。
而被称为“傻子”的“纯善”策略（只会选合作），在“恶”环境为主当然是必死无疑，但是如果在搭上“以牙还牙”这种生存率极高的策略的顺风车，在那1000代之后以“善”为主的策略，这种傻子纯善是能活得很好，这也是“阿甘”我这个时代能被歌颂的原因，但是如果早期的人类社会，可能就没那么好过了。
所以 “环境基础 ”对一个策略的生存也是极为重要，家长为孩子挑选一个良好的环境也是很重要。
当然，人类不会单纯到只有非“善”即“恶”的策略，人性是复杂的，也许会因为环境不同而激发出不同的策略，也许“善”为主的人类只是把“恶”放在隐秘的角落。
但不管怎样，人类至少是总体“ 向善 ”，这是人类长久以来，也许在“智人”时代就已经开始博弈而流传下来的优秀文化，所以我们宣扬“ 爱 ”，宣扬“ 善 ”，惩罚“ 恶 ”，依然需要坚持。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）