囚徒困境是博弈论中的一种双人博弈:每位参与者都有动机选择某种行动,但这一选择导致的结果,却使双方的处境都不如另一种本可实现的结果。在标准形式中,每位参与者都在合作与背叛之间作出选择。无论对方如何选择,背叛都能带来更高的收益;然而,与双方都背叛相比,双方都合作能让各自获得更高的收益。因此,这一困境揭示了个体的策略动机与集体利益之间的背离。
这一博弈最早于1950年提出,后来成为经济学、政治学、演化生物学及社会行为研究中的核心模型。它的重要性不在于断言人总是自私行事,而在于精确刻画了这样一种情境:互利合作容易受到单方面利用。重复互动、声誉、制度、群体结构以及对他人利益的偏好,都可能改变这一模型的预测,但各自发挥作用的机制并不相同。
收益结构与定义条件
标准的囚徒困境是一个同时行动的对称博弈,有两名参与者,每人都可以采取两种行动:合作,记为 ;背叛,记为 。“同时行动”是指任何一方在做出选择之前,都无法观察到另一方当前的选择;双方的实际行动不必发生在完全相同的时刻。各种选择的后果用收益矩阵表示,每个单元格中的第一个数值属于行参与者:
| 行参与者的行动 | 列参与者合作 | 列参与者背叛 |
|---|---|---|
| 合作 | ||
| 背叛 |
按照惯例, 表示双方合作的奖励, 表示背叛合作者所带来的诱惑收益, 表示双方背叛的惩罚收益, 表示受到利用的合作者所得的受骗者收益。定义这一博弈的大小关系为:
例如,、、、 就构成一个囚徒困境。对方合作时,选择背叛可获得 5,而非 3;对方背叛时,选择背叛可获得 1,而非 0。然而,双方合作时每人都能获得 3,高于双方背叛时各自获得的 1。因此,这一困境并不仅仅是合作存在风险的情形。无论另一方采取哪种行动,对个体而言,背叛都是更好的选择。
许多论述,尤其是有关重复博弈的论述,还要求满足:
这一附加条件确保双方合作所产生的收益总和,高于一方利用另一方时的收益总和。它还使持续的相互合作在平均收益上优于双方轮流利用对方。基本的占优策略论证并不需要这一条件,不同定义对于是否纳入该条件也有分歧。
收益表示参与者的偏好,并不一定是金钱。较大的数值可以表示利润更高、繁殖更成功,或经过适当换算后表示刑期更短。考虑随机结果时,数值收益通常按期望效用理论来解释。对某一参与者的收益进行正仿射变换,不会改变该参与者的策略激励。
标准的囚徒困境并不是零和博弈:一方的所得不一定等于另一方的所失,而且不同结果可能产生不同的收益总和。对称性也不是这一内在冲突的必要条件。在非对称版本中,只要对每位参与者而言,无论对方采取哪种行动,背叛都严格优于合作,同时双方都认为相互合作优于相互背叛,它就仍然是囚徒困境。
起源与思想发展
现代形式的囚徒困境博弈源于梅里尔·弗勒德和梅尔文·德雷舍于1950年在兰德公司开展的研究。当时正值博弈论发展的早期阶段,研究者正在探索数学上的解概念能否充分描述实际决策。此前,约翰·冯·诺依曼与奥斯卡·摩根斯特恩已在1944年出版的《博弈论与经济行为》中奠定了更广泛的理论基础。这个新例子格外引人注目,因为对个人而言极具吸引力的选择,最终却导致了对双方都较差的结果。
1950年,阿尔伯特·W.·塔克为这一博弈配上了囚徒故事,并赋予其名称。在人们熟悉的叙述中,两名嫌疑人被分开审讯。每个人都可以保持沉默,也可以出卖对方。如果两人都保持沉默,双方受到的惩罚都较轻;如果一人出卖保持沉默的同伴,出卖者便会获得宽大处理,另一人则会被判处重刑;如果两人都出卖对方,双方受到的惩罚则介于上述两种情况之间。不同版本采用的刑期各不相同,但与偏好的排序相比,具体数字并不重要。这里的“合作”指嫌疑人之间的合作,而不是配合调查人员。
这一博弈出现之际,纳什均衡也正在形成;这一概念由小约翰·福布斯·纳什于1950至1951年间提出。它所指的是一种策略组合:任何参与者都无法仅通过单方面改变策略而获益。在囚徒困境中,这一概念给出了格外明确的结果:双方都背叛是唯一的均衡,尽管这一结果对双方而言都不如相互合作。这个例子有助于区分策略上的稳定性与集体利益上的可取性。
阿纳托尔·拉波波特与阿尔伯特·查马于1965年出版的《囚徒困境》,系统汇集了有关这一博弈的理论与实验研究。在随后的几十年中,囚徒困境成为研究谈判、冲突以及合作如何产生的重要模型。罗伯特·特里弗斯于1971年提出的互惠利他理论,将反复交换与助人行为的进化解释联系起来。这些进展并不意味着合作会自动发生,而是揭示了短期付出在什么条件下能够带来长期回报。
罗伯特·阿克塞尔罗德于1980年发表的计算机锦标赛研究,使这一重复博弈受到更广泛的关注。他在1984年出版的《合作的进化》中,将重复互动作为一种分析框架,用以考察在没有集中执行机制的情况下合作如何实现。1981年,阿克塞尔罗德与威廉·D.·汉密尔顿合著的一篇论文,将锦标赛的结果与进化论推理联系起来。
这段历史包含两个不同的研究问题。一个问题是,在给定假设下,具有策略理性的参与者应当如何行动;另一个问题则是,人类、生物或具有适应能力的程序实际上会如何行动。囚徒困境之所以产生广泛影响,部分原因就在于:同一个简洁的收益结构能够同时支持这两类研究,而又不使二者混为一谈。
占优策略与单次博弈的预测
在单次博弈中,背叛是一种严格占优策略:无论另一位参与者采取什么行动,背叛带来的收益都高于合作。如果对方合作,则 ;如果对方背叛,则 。因此,追求给定收益最大化的参与者,无须预测对手的行动,就会选择背叛。
当参与者认为对手以概率 合作时,同样的论证依然成立。两种行动的期望收益分别为
以及
两者之差为
这一不等式对所有 都成立。因此,在标准的单次博弈中,仅有不确定性并不能使合作成为收益最大化的选择。即使完全确信对方会合作,背叛仍然严格优于合作。
因此,双方背叛,即 ,是唯一的纳什均衡。也不存在涉及混合策略的其他均衡,因为在均衡中,严格劣势行动被采用的概率不可能为正。即使允许调解者向双方私下发送不具约束力的行动建议,也无法在这个未经修改的博弈中将合作维持为相关均衡:只要建议的行动是合作,接到建议的人选择背叛仍能获得更高收益。
然而, 并不具备帕累托效率。双方合作会使两人的处境都严格改善,各自的收益都从 提高到 。所谓这一均衡在集体层面上更差,确切含义就在于此。这并不表明每一种均衡在社会层面上都是不可取的,也不表明总收益最大化始终是恰当的伦理标准。它揭示的是一种特定冲突:单方面的行动激励,与一种双方皆可获益的改进方案相冲突。
不具约束力的沟通本身并不会改变对占优策略的判断。合作承诺如果既不改变收益,也不提供可强制执行的承诺机制,那么背叛的激励就依然存在。不过,在实验中,沟通仍可能发挥作用:它可能改变参与者对所处社会情境的认识,使规范更受关注,或揭示原有物质收益模型未能涵盖的偏好。
这一预测是有条件的,并非关于理性行为的普遍断言。它假定,列出的收益足以描述每位参与者所看重的事物,而且这一选择不会在博弈之外产生具有策略意义的后果。关心另一位参与者的福祉、不愿违背承诺,或选择对未来声誉的影响,都可能改变实际的效用结构。这些变化要求修订模型,而不是对同一个收益矩阵给出不同的解。
重复博弈、逆向归纳法与未来激励
重复囚徒困境允许同一组参与者进行多轮互动,并根据先前的行动决定当前的行为。因此,可用的策略不只是“合作”和“背叛”,而是为每一种可能的历史规定行动的完整规则。例如,一种策略可以是在最初选择合作,此后仅在对方一直合作的情况下继续合作。这种对历史的依赖产生了单次博弈中不存在的激励。
如果博弈轮数有限、双方都知道总轮数,而且通常的理性假设始终成立,那么逆向归纳法预测,双方会在每一轮都选择背叛。最后一轮不存在未来的奖赏或惩罚,因此双方都会背叛。既然最后一轮的结果已经确定,前一轮的行动就不会对其产生影响;沿用同样的论证,便可以一直向前倒推到第一轮。这一结论取决于双方是否充分知晓终止时间及相关的策略假设,并且充分知晓对方也知道这些信息;它并不能描述现实中观察到的所有有限次互动。
无限期重复博弈没有已知的最后一轮。设 为未来收益的贴现因子,且 。它可以反映参与者缺乏耐心的程度、关系继续维持的概率,或两者的结合。考虑冷酷触发策略:在发生背叛之前始终合作,一旦发生背叛,此后便永远背叛。面对采用这一策略的对手,持续合作的收益为
而背叛一次、随后双方永久背叛的收益为
当满足以下条件时,合作更为有利:
当 、、 时,临界值为 。在惩罚阶段,这一威胁是可信的,因为面对背叛,背叛仍然是最优回应。
在这些条件下,冷酷触发策略可以支撑一个子博弈精炼均衡,也就是说,在任何可能的历史之后,规定的策略仍然构成均衡策略。然而,重复博弈并不会使合作成为唯一的均衡结果。始终背叛仍然是一个均衡。民间定理描述了一种更广泛的现象:在适当条件下,只要参与者足够有耐心,许多高于相应保障收益水平的可行收益组合,都可以由重复博弈的均衡来实现。
监测至关重要。上述计算假定参与者能够准确观察到彼此的行动。如果一次意外失误被误认为蓄意背叛,永久惩罚就可能毁掉一段原本有价值的关系。如果监测信息是私有的,而非双方共享的,参与者就可能对是否发生了偏离行为产生分歧。因此,重复互动为合作提供了一种可能的基础,但其有效性取决于耐心、信息,以及如何设计针对疑似违规行为的应对方式。
条件策略、锦标赛与噪声
重复博弈中一种著名的策略是以牙还牙:第一轮合作,之后模仿对手上一轮的行动。它以合作回报合作,以背叛回应背叛。与冷酷触发策略不同,只要对手恢复合作,它就能立即重归合作。由于简单易懂,它既是重要的理论范例,也是一种重要的计算机博弈策略。
阿纳托尔·拉波波特将以牙还牙策略提交给了阿克塞尔罗德举办的首届计算机锦标赛,该届比赛共有14个参赛程序。第二届锦标赛吸引了62个参赛程序。以牙还牙在两届比赛中都取得了最高总分。这些锦标赛评估的是策略面对某一特定对手组合时的累积表现,并未证明以牙还牙对任何策略都是最优的。一种策略能否成功,取决于它所面对的群体、互动持续的时间、收益数值,以及是否存在失误。
以牙还牙也说明,表现出色与击败对手并不是一回事。在直接交锋中,它无法通过利用对手的合作来获得比对手更高的累积收益:它从不率先背叛,而且通常在报复之后便恢复双方收益相等的局面。它在锦标赛中的成功,靠的是避免与愿意合作的对手发生不必要的冲突,同时限制其他对手对自己的利用。始终背叛的策略在与合作者的两两较量中可以胜出,但在相互合作能够带来更高回报的群体中,整体表现却可能不佳。
失误暴露了这种策略的一个重要弱点。如果两个采用以牙还牙策略的参与者都打算合作,但其中一方意外背叛,另一方就会在下一轮报复。前者随后又会对这一回应进行报复。如果没有另一次失误,或没有引入宽容机制的改进策略,双方就可能无限期地交替合作与背叛。因此,仅有惩罚能力还不足以维持稳健的合作;策略还必须能够使双方摆脱误解、恢复合作。
各种变体以不同方式解决这一问题。宽容的以牙还牙策略有时会在对手背叛后仍然合作,以此打断报复循环,代价是更容易被对手利用。赢则留,输则变策略又称巴甫洛夫策略,在获得有利收益后重复上一轮行动,在获得不利收益后则改变行动。在常见版本中, 和 被视为有利收益, 和 则被视为不利收益。两个采用这种策略的参与者,在发生一次孤立的执行失误后,可以经过一段包含相互背叛的短暂过程,恢复相互合作。
噪声可能影响行动、观测,也可能同时影响两者。对于各自独立随机化、记忆有限的策略,互动过程通常可以表示为以近期结果为状态的马尔可夫链。随后便可根据其平稳分布计算长期表现。这种方法能够区分合作意图与实际实现的合作,并评估看似微小的失误率如何改变惩罚、宽容和利用对手等行为的成效。
演化动力学与种群结构
在演化博弈论中,策略不一定来自有意识的计算。策略可以是遗传的行为倾向、习得的规则,也可以是因表现良好而被复制的程序。收益会影响繁殖成功率或模仿行为,因此,核心问题变成了合作行为能否在种群中增加或持续存在。
对于一个规模庞大、个体充分混合且进行单次博弈的种群,设 为合作者的比例。两类个体的期望收益为
合作者频率的复制动态方程为
由于 且 ,无论种群构成如何,差值 都为负。因此,从任何内部初始状态出发,合作的频率都会下降。仅仅将单次博弈置于演化背景下,并不会消除其原有的激励结构。
反复相遇可以改变参与竞争的策略类型。当未来的互动使利用他人的代价足够高时,由条件合作者组成的种群便可能抵御无条件背叛者。这与让无条件合作在原来的单次博弈收益矩阵中保持稳定不同:此时相互竞争的是完整的重复博弈策略。突变、种群规模以及中性入侵的可能性,都会影响这些策略的长期分布。
另一种机制是同类聚集,即合作者与其他合作者互动的比例高于随机混合时的水平。一个有用的特例是捐赠博弈:合作使行动者付出成本 ,并使接受者获得收益 。其收益为
在充分混合的种群中,背叛既能免去成本,又能保留从他人那里获得的收益。然而,在适当的同类聚集条件下,合作带来的收益会更频繁地落到其他合作者身上。亲缘选择模型通过汉密尔顿法则 表达了类似的推理,不过亲缘度 的具体含义取决于所采用的种群模型。
空间模型和网络模型利用图来明确表示互动模式。参与者占据各个顶点,并与相邻顶点上的参与者互动,因此合作群簇能够保护其成员,使其免遭外部个体的反复利用。对于大型正则图上采用死亡—出生更新机制的捐赠博弈,一个受到广泛研究的弱选择结果给出了如下近似条件:
其中, 为邻居的数量。这并非普遍适用的法则:改变更新过程、图结构、选择强度,或竞争与互动之间的关系,都可能改变结果。
演化意义上的“成功”,是指在特定种群动态下取得成功。它并不意味着具有远见、在道德上更优越,或实现群体福利的最大化。这一框架的价值在于,它揭示了重复互动和同类聚集等机制如何改变不同行为的相对回报。
实验证据与社会偏好
实验利用囚徒困境,将策略分析的预测与实际观察到的选择进行比较。典型的实验设计会为参与者设定金钱收益,明确互动对象是否保持不变,并控制参与者对互动持续时间的了解。这些细节十分重要,因为表面上相似的选择,可能发生在一次性互动、重复互动关系中,也可能发生在会产生声誉影响的更大环境中。
实验反复发现,即使在匿名的一次性博弈中,也有一些参与者选择合作。合作率会随收益大小、实验说明、参与者群体以及对另一方的判断而变化。因此,不能用某一个百分比来代表普遍的行为常数。这种差异也使囚徒困境成为考察哪些制度和信息条件会改变行为的有用工具。
一种解释是,参与者的偏好并不只取决于金钱收入。一个人可能在意另一方的收益,不喜欢不平等的结果,或认为合作是一种义务。举例来说,假设一名参与者的效用等于其自身的金钱收益,加上另一方收益乘以权重 。在捐赠博弈中,从背叛转向合作所带来的效用变化为
如果 ,那么在这一效用函数下,合作对个人而言是更优的选择。金钱收益矩阵仍具有囚徒困境的形式,但支配选择的效用矩阵却不再如此。区分这两者,就能避免仅因合作行为牺牲了金钱收益而将其判定为非理性。
参与者的信念、理解程度以及对互动的社会性解读也很重要。他们可能误解占优关系,预期之后还会有未被告知的互动,或将匿名互动视为一种社会关系。与使用中性标签相比,将某个行动表述为“合作”,可能会唤起正式收益表中并不存在的规范。因此,严谨的实验设计会将物质激励与措辞、实验说明以及有关其他参与者的信息区分开来。
在重复博弈实验中,合作往往取决于参与者预期这段关系会持续多久,以及利用合作方获利有多大的吸引力。当参与者知道互动会在有限轮次后结束时,临近最后几轮的合作可能减少,但实际行为并不总是完全符合逆向归纳法的预测。学习、对对手策略的不确定性,以及合作型与机会主义型参与者并存,都可能使前期的合作得以维持。
解读实验结果还需要采用适当的统计方法。同一参与者作出的多次决策,并不天然构成相互独立的观测值;同一场实验中,各参与者的结果也可能相互依赖。采用固定搭档、随机重新配对或群体层面处理的实验,其变异所对应的单位各不相同。因此,观察到的合作行为提供的是特定实验设计下的行为证据,而不是对某种普遍合作倾向的直接测量。
应用与制度应对
囚徒困境适用于具有相应激励排序的情境,而不只是各方存在分歧的情境。要恰当地运用这一模型,就必须明确参与者是谁、各自有哪些可行行动、各自看重什么,以及为什么无论对方采取何种行动,背叛都对自己更有利。此外,还必须证明,相互合作优于相互背叛。缺少这些要素,这一类比就可能掩盖实际存在的协调问题、议价问题,或具有其他策略结构的冲突。
经济学中的一个经典应用涉及试图维持高价的企业。如果双方都限制产量,各自的利润可能高于激烈竞争时的水平,但任何一方都可能通过暗中降价、抢占对方生意而获利。于是,相互压价可能成为均衡。然而,企业之间的合作可能损害消费者利益。博弈中的“合作”一词描述的是模型中这两个参与者之间的行为,并不意味着这种行为有利于所有受影响者。竞争法说明了为什么不能忽视模型之外其他各方的利益。
环境问题也可能呈现类似的激励结构。减排可能使本地承担成本,却让收益广泛惠及各地,从而促使每个辖区都依赖其他地区的减排。气候变化模型常将这一思路扩展到涉及多个参与者、成本不均、损害不确定以及反复谈判的情境。两人囚徒困境单独提炼出了一种可能的激励冲突,却无法涵盖国际环境协定的完整结构。
制度可以改变博弈本身,而不只是要求参与者在既有博弈中改变行为。假设一项可执行的规则规定,只要参与者背叛,就会受到预期处罚 。背叛的收益便成为 和 。如果
那么,无论对方采取哪种行动,合作都严格优于背叛。实际执行还涉及发现违规的概率、行政成本,以及负责实施处罚者所面临的激励。如果宣布的制裁缺乏可信度,原有的激励结构可能基本不变。
合同、保证金、监督系统和声誉机制通过相互关联但各不相同的途径发挥作用。合同可以使未来的款项支付取决于经核实的行为。保证金可以事先设定违约成本。公开记录可以使当下的背叛减少未来获得合作伙伴的机会。因此,即使同样的两个人不再相遇,声誉仍能将当前行为与日后的机会联系起来。
如果每个人都希望由他人承担执行成本,那么执行本身也可能成为一个集体行动问题。因此,制度不仅需要解释参与者为什么合作,还需要解释监督和惩罚为什么能够持续。这就超出了最初的两人收益矩阵,进入了关于治理、重复参与以及多种角色之间激励关系的模型。
相关博弈、进阶扩展与局限
囚徒困境属于更广泛的社会困境家族,但与它相近的博弈会得出显著不同的预测。在猎鹿博弈中,双方合作和双方背叛都可能构成均衡;当对方合作时,合作很有吸引力,但当对方背叛时,合作就有风险。其核心问题是能否确信对方会合作。在胆小鬼博弈(又称鹰鸽博弈)中,对方升级冲突时,每个参与者都更愿意退让;对方退让时,则更愿意升级冲突。双方都升级冲突的代价尤其高昂。这两种博弈中的背叛行为,都不像囚徒困境中的背叛那样是严格占优的行动。
多人公共品博弈将私人成本与共同收益之间的冲突推广到了多人情形。如果每次贡献给贡献者带来的成本,都高于其本人从这次贡献所产生的收益中分得的份额,那么不作贡献就可能是个人的占优选择,即便所有人都作贡献会提高每个人的收益。具有门槛效应的技术、收益分配不均以及非线性回报,都可能形成截然不同的策略结构。因此,不应将资源争端或搭便车问题自动归类为 人囚徒困境。
重复博弈的进阶分析包括威廉·H. 普雷斯与弗里曼·J. 戴森于2012年提出的零行列式策略。在标准的单步记忆模型中,参与者的合作概率取决于上一轮的结果:、、 或 。对这些概率作出特定选择,可以使双方的长期期望收益满足某种线性关系:
其中一些策略可以强制形成敲诈式的收益关系,使双方超出某个基准的收益按不对等的比例关联。这些结果讨论的是特定重复博弈条件下的期望收益。它们并不能证明采取敲诈策略的参与者一定能获得较高的绝对收益,也不能证明对手会合作,或敲诈策略在任何种群中都具有演化稳定性。
作为一种经验解释,这一博弈也有局限。观察到双方背叛,并不能证明参与者面对的是囚徒困境,因为许多其他博弈也会产生同样的可见结果。反过来,观察到合作本身也不足以推翻单次博弈的预测:相关互动可能是重复进行的,参与者的偏好可能包含对他人的关切,或者某些承诺已经改变了参与者面临的激励。要推断背后的博弈结构,需要了解反事实情形下的收益和选择,而不能只看记录下来的结果。
最后,这一博弈区分了策略分析与道德评价。“合作”和“背叛”是相对于特定收益结构而言的行动标签,并非判断对错的普遍标准。最初的嫌疑人故事、企业之间的竞争以及环境合作,涉及不同的法律和伦理考量。严谨的应用既要保留其中的数学洞见,也要明确指出:哪些人的利益、哪些后果以及哪些制度约束处于模型之外。