博弈论 / 激励 / 纳什

两人都想少坐牢，为什么一起判得更重？

每个囚徒都想缩短自己的刑期。当双方各自私下推理时，仍可能停在对双方都差于一起沉默的格子——除非重复见面或可信惩罚改写博弈。

囚徒困境总览

两个理性选择，也能把两人锁进更差的格子

囚徒困境是一个 2×2 博弈：每人独立选择合作或背叛。这里的支付是坐牢年数——对个人来说数字越小越好。

两人一起沉默（合作）时，各判较短刑期；一人招供（背叛）而另一人沉默时，招供者可能当场释放，沉默者吃最长刑期；两人一起招供时，各判中等刑期——对两人合计来说，比一起沉默更差。

先记住三点

  • 先看支付矩阵

    整条故事线就在四个格子里：CC、CD、DC、DD。

  • 优势策略

    给定对方选择，背叛常常能缩短你自己的刑期。

  • 纳什 ≠ 集体最优

    双方背叛可以很稳定，即使双方合作对两人都更好。

步骤 01

先读支付矩阵，再谈谁坏谁傻

行是你的行动，列是同伴的行动。每个格子写着（你的年数，同伴的年数）。数字把冲突写清楚：背叛对个人有诱惑，合作对两人合计更仁慈。

这一步还没有神秘心理——只是一张激励地图。后面再问：当无法约束对方时，自利选择者会怎么动。

注意这些

  • 越小越好

    这里的支付是坐牢年数，不是「越大越好」的效用分。

  • 诱惑不对称

    对方合作时，单方面背叛对你更划算。

  • 对称陷阱

    对方也背叛时，你背叛仍比继续合作少坐一点。

步骤 02

固定对方行动——再选能缩短你刑期的那一步

把同伴的选择钉住，只比较你的两个选项。对方合作时，背叛把你的刑期从 1 压到 0；对方背叛时，背叛把 3 压到 2。

这就是优势策略：无论对方怎么做，背叛在私人账本上都压过合作。这里的「理性」是「尽量少坐牢」，不是「尽量让两人一起舒服」。

这一步在变什么

  • 条件比较

    优势策略是按对方的每一列（或每一行）逐格核对的。

  • 不必读心

    你甚至不需要知道对方选什么，也会偏向背叛。

  • 仍是单次

    这一步没有下一局，也没有惩罚条款。

步骤 03

双方用同一套推理，就会在更差的格子碰头

若背叛对你是优势策略，对对方也是，则单次博弈的预测落点是双方背叛：各 2 年。谁也不想单独改口——单独改成合作，会把你的刑期从 2 抬到 3。

这就是纳什均衡：策略组合里，没有人能靠单方面偏离变得更好。稳定，不等于两人一起更开心。

这一步在变什么

  • 纳什＝单方面逃不掉

    从 DD 出发，独自改成合作只会让改口者更惨。

  • CC 独自不稳

    从 CC 出发，独自背叛能拿到诱惑——所以 CC 需要信任或约束。

  • 对称推理

    双方都用优势策略逻辑时，陷阱收得更紧。

步骤 04

把年数加总：稳定的格子并不是最仁慈的合计

把两人的刑期加在一起。CC 合计 2 年；DD 合计 4 年。纳什结果浪费了若一起沉默本可保住的两年自由。

这就是系统的 punchline：个体理性的最优反应，可以叠成集体更差的账本。差额不是算术错误——是私人目标与联合目标冲突的结果。

这一步在变什么

  • 福利 ≠ 纳什

    按合计年数，CC 优于 DD，即便 DD 更稳定。

  • 帕累托直觉

    从 DD 挪到 CC，可以让两人都变好、不让任何一方变差。

  • 需要机制

    走到 CC 通常要靠承诺、声誉或惩罚——不是靠愿望。

步骤 05

把博弈重复下去——可信惩罚可以护住合作

单次博弈里，背叛占优。若会再见面，以牙还牙（模仿对方上一步）或冷酷触发（一次背叛后永久惩罚）一类策略，可以让合作变得激励相容。

关键是可信：威胁的惩罚必须是你真的会执行的；未来的影子也要够长，让今天的诱惑不值得明天的惩罚。

这一步在变什么

  • 未来的影子

    后续回合的价值，可以压过单轮诱惑。

  • 以牙还牙直觉

    先示好；镜像上一步；惩罚保持克制。

  • 不是魔法

    已知终点、噪声、弱监督，都可能让陷阱重新打开。

把系统重新装回去

私人最优反应可以叠成共同损失——除非未来（或规则）改写矩阵

囚徒困境不是「选手很蠢」的故事。它是一张支付矩阵：在单次见面里背叛对私人更稳，于是双方背叛成为稳定预测——即便双方合作浪费的年数更少。

机制很重要：重复、声誉、合约与可信惩罚会改写有效博弈。这些变弱时，纳什陷阱仍在。

阅读清单

  1. 说出四个格子，以及谁的年数写在哪里。
  2. 核对优势：对方两种行动下，背叛是否都压过合作？
  3. 把纳什稳定性与合计福利分开看。
  4. 问清互动是单次还是重复。
  5. 若出现合作，指出支撑它的执行装置或「未来的影子」。

陷阱的四步

  • 矩阵数字是什么？

    四个格子定义诱惑、奖励、傻瓜与惩罚。

  • 优势私下谁更稳？

    经典单次囚徒困境里，背叛双向压过合作。

  • 纳什最优反应在哪碰头？

    双方背叛可以稳定，即便集体更差。

  • 重复什么改写激励？

    未来回合与可信惩罚可以护住合作。

困境不在于人们想伤害别人——而在于各自说得通的选择，可以合成共同伤害。

教学说明：支付为示意坐牢年数（CC 1,1；DC 0,3；CD 3,0；DD 2,2）。真实司法、噪声与不完全监督会改细节；私人优势与联合效率的冲突才是重点。