思维模型 Wiki

首页 / 生物

合作的进化 The Evolution of Cooperation

一次性博弈出背叛，重复博弈出合作

罗伯特·阿克塞尔罗德（政治科学家，1980 年在密歇根大学主持两轮计算机策略竞赛，1984 年出版《合作的进化》） · W. D. 汉密尔顿（进化生物学家，亲缘选择提出者，与阿克塞尔罗德合写 1981 年 Science 论文，把结论推广到生物演化） · 阿纳托尔·拉波波特（心理学家，两轮竞赛都提交了「一报还一报」策略，两夺冠军）

场景钩子 · 最短的程序赢下了两届竞赛

1980 年春，密歇根大学政治学家罗伯特·阿克塞尔罗德向全世界的博弈论学者发出邀请，提交囚徒困境策略，放到计算机里两两对垒。14 个程序参赛，有假装合作再突然背叛的老练选手，也有用统计模型预测对手的复杂选手。冠军却是心理学家阿纳托尔·拉波波特提交的最短程序：一报还一报，规则只有几行，第一步合作，之后照抄对方上一步。阿克塞尔罗德不服气，次年办了第二轮，收到 62 个参赛者，不少是专门为打败一报还一报设计的。冠军还是它。他把赢家特质总结成四个词：善良、可激怒、宽容、清晰。随后他把结果交给进化生物学家汉密尔顿，两人 1981 年在 Science 发文，把结论从计算机竞赛推广到了生物演化。

原理图

一报还一报只有一轮记忆，照抄你上一步。四个赢家特质：善良，可激怒，宽容，清晰。

数据证据 · 1980 年第一轮竞赛：平均每局得分 可靠二手

两端是理论值：双方全程合作每局可得 600 分，全程互相背叛只有 200 分。一报还一报实测 504.5 分，逼近合作上限；随机策略 276 分，夹在中间。最短的程序拿走了最高分。
来源：Axelrod《The Evolution of Cooperation》1984 年版附录 A；计分规则为 T=5, R=3, P=1, S=0，每局 200 步

交互演示 · 背叛赢第一回合，合作赢总数

背叛者靠第一回合的诱惑得分领先，但从第三回合起被一报还一报反超，差距越拉越大。把诱惑 T 调高，反超点会推迟，但只要回合数够多，合作总能赢。

怎么用

  1. 先判断有没有下一次一次性交易天然滋生背叛，长期关系才是合作的土壤。投入善意之前，先看未来的影子够不够长。
  2. 主动拉长未来的影子把大生意拆成小批次，缩短结算周期，保持高频接触，让对方相信还会再见很多次。
  3. 先合作，并把规则亮出来不首先背叛，同时把你的报复规则公开、说清楚，让对方知道你善良但不好惹。
  4. 立刻报复，但只报复一次对方背叛就在下一回合还击，不翻旧账，对方回头就恢复合作。宽容能防止互相报复的死循环。
  5. 定期检查自己的策略问自己是否变得太善良总被占便宜，或太记仇陷入互咬，以及环境是否已经悄悄变成一次性博弈。

失效边界

情境模型的说法现实
有噪声的环境，误判和传错话难免发生立即报复能维持合作两个一报还一报程序只要互相误读一次，就会陷入互相报复的死循环。带噪声的仿真里，更宽容的「两报还一报」得分更高。
和陌生人的一次性交易先合作总是对的没有下一次就没有未来的影子。景区宰客、匿名网骗里背叛才是理性选择，需要口碑和平台机制把它变回重复博弈。
对方铁了心永远背叛报复能教会它做人教不会的人只会把你拖进低收益。正确做法是识别后远离，而不是持续花钱上课。
人数巨大且彼此匿名的大群体合作会自己长出来没有识别和记住个体的能力，报复就打不到该打的人。大群体需要制度和记录，合作不会自发涌现。

关联模型

出处