S-囚徒困境与社会的基本问题

2. 友谊对基于回报的合作的产生并不是必要的：“在
合适的环境下，合作甚至可以在敌对者之间产生。”
3. 合作的基础不是真正的信任，而是关系的持续性。
从长远来看，双方建立稳定的合作模式的条件是否成 熟比双方是否相互信任来得重要。 4. 在适当的条件下，合作确实能够从没有集权的自私 自利的世界中产生。
（一）重复囚徒困境博弈的支付矩阵
策略i C（合作） D（背叛）
策略j C（合作） R=3，R=3 D（背叛） T=5，S=0 S=0，T=5 P=1，P=1
（二）第一届竞赛
策略j
策略i C（合作） D（背叛） C（合作） R=3，R=3 S=0，T=5 D（背叛） T=5，S=0 P=1，P=1
Oligopolistic Supergame”一文中指出，当发现对 方有不合作行为时，对对方的惩罚足够长、足够 大，并对实施处罚的人来说是最优的，即“严厉 可信惩罚战略”（the strongest credible
punishment）。
（二）合作与惩罚
• 6. 不确定性下的最优惩罚 • 在确定的情况下，惩罚越严厉，越有助于合作。
因为确定情况下，欺骗从来不会发生，所以惩罚
实际上是没有成本的。 • 但在不确定的情况下，即使每个人都选择合作， “坏结果”也会出现。如果坏结果总是触发惩罚， 就会冤枉好人，过重的惩罚反到导致不合作；但 如果总是原谅，合作也不会发生。这就有一个 “最优惩罚”的问题。
系安全带会导致事故概率提高吗？
• 例如：20世纪60年代美国立法强调要求司机系
（二）奥尔森的“集体行动的逻辑”
由具有自利倾向的理性“经济人
”组成的集体中，因“搭便车”
行为而难以实现合作：人人都想
分享集体行动的成果，但不愿分
担集体行动的成本。集体越大，
越难克服“搭便车”行为。
（二）奥尔森的“集体行动的逻辑”
“除非一个集团中人数很少，
或者除非存在强制或其他某些
特殊手段以使个人按照他们的
（三）第二届竞赛
策略j
策略i C（合作） D（背叛） C（合作） R=3，R=3 S=0，T=5 D（背叛） T=5，S=0 P=1，P=1
• 2. 结果
整体而言，“善良”的策略再次普遍表现得比“狡诈”的
策略好。前15名中只有一个不是“善良”的策略，最后15
名中只有一个不是“狡诈”策略。 其中，“一报还一报”策略再次获得第一名，并且获得了 基准分的96%；而“两怨换一报”的策略“死的很惨”。
谢谢聆听！
• 1. 过程
14个策略程序+1个随机程序（随机选择“合作”或“背叛 ”）； 225场比赛，每个比赛200回合； 最大收益：15场×200回合×5分=15000分（（D，C）或 （C，D））； 最小收益：15场×200回合×0分=0分（（D，C）或（C ，D））； 基础收益：每场200回合全部选择（C，C），即双方合作 ，收益为600分；
（四）第三届竞赛
策略j
策略i C（合作） D（背叛） C（合作） R=3，R=3 S=0，T=5 D（背叛） T=5，S=0 P=1，P=1
• 1. 过程
原63个策略程序输入计算机迭代模拟，作为演化 博弈的第一代，在随机PK后根据每种策略产生的 “后代”数量来决定胜负。 经过1000代后，策略比例基本稳定。
囚 坦 白 -5， -5 徒 1 不坦白 -8， 0
囚徒1：坦白 囚徒2：坦白
0， -8 -1， -1
两个罪犯的支付矩阵
（三）囚徒困境的模型的意义
一般意义：
•
囚徒困境博弈既揭示了个体理性与集体理
性之间的矛盾——从个体利益出发的行为不 能实现团体的最大利益，同时也揭示了个体 理性本身的内在矛盾——从个体利益出发的
（二）合作与惩罚
• 4. 但是不是所有的惩罚都有效：①惩罚对方 的同时也惩罚了自己（触发策略）；②实施 惩罚的条件不可信。 • 案例：惩罚不可信博弈
（二）合作与惩罚
• 5. 严厉可信惩罚战略
• 究竟什么样的惩罚最有利于鼓励人们合作？
• Abreu（1986）在“External Equilibria of
行为最终也不一定能真正实现个体的最大利
益，甚至会得到相当差的结果。
二、社会的基本问题
• 人类社会与其他动物群体的一个重要区别是，
人与人之间可以通过运用个人理性而达致某种
形式的合作。合作能产生“合作剩余”。
• 但是问题在于：在每个人都具有自利动机的情 况下，人们怎样才能通过社会博弈而自发产生 合作？换言之，社会合作能否从有着自己利益 最大化推理逻辑的个人的行为互动中自发产生 的？
（二）合作与惩罚
• 3. 重复博弈中惩罚的两种策略： • 针锋相对（tit-for-tat）：每一次的行动都建 立在对手前一次行动的基础上。
（二）合作与惩罚
• 3. 重复博弈中惩罚的两种策略：
• 触发策略（trigger strategy）或冷酷策略：合作 中如果有任何一方采取一次背叛或不合作行为 ，其他博弈方就永远不与其合作。 • 以上两种都是对不合作行为的惩罚，根据博弈 论专家的社会实验，第一种方法有效性更高。
will），在公意存在的情况下，通过某种“社会契
约”，就可以达致并维持某种人类社会之间的某 种合作。
（一）西方古典社会契约理论
• 3. 西方古典社会契约理论的一个基本假设
一个具有共同利益的群体会在某种外在强制力量 和社会安排下为实现共同利益而采取集体行动， 并且这要么导致君主专制，要么达致共和独裁。 亦即，只有通过外部的强制力量才能确保自利的 个人实现社会合作。
没有利维坦（“作为国家政府的集权体制机构”
）的存在，人类合作将使不可能产生的，因此一
个强权的政府机构是必要的。
（一）西方古典社会契约理论
• 2. 卢梭的“社会契约论”
自由人之间的“公意”＋“社会契约”→“公意
”的代表、社会契约的维护者（个人或组织）→
社会合作
自由人之间相互交往会产生“公意”（general
• “囚徒困境”模型是是博弈论中最经典、最著 名的模型，由普林斯顿大学数学系主任塔克（ Tucker）1950年提出的； • 该博弈本身讲的是一个法律刑侦或犯罪学方面 的问题，但可以扩展到许多经济问题，以及各 种社会问题，可以揭示人类社会合作失败的重 要原因。
（二）囚徒困境的基本模型
囚徒 2 坦 白 不坦白
五、合作与激励和惩罚
（一）合作与激励
合作问题的实质
–个体理性与集体理性的矛盾
–个人行为与社会利益的冲突
如何把个人行为与社会利益统一起来，即实现合作？
• 激励(incentive)
• 物质手段（实施条件：掌握财富、信息、能力、公 正的第三方）
• 非物质的手段
（二）合作与惩罚
• 1. 在长期的重复博弈关系中人们之所以可能会实 现合作，是因为重视未来收益，不会为了短期利 益而做出有损未来收益的当前行为。换言之，对 未来的态度决定了当前的行为； • 2. 正因为此，如果在长期的重复博弈关系中有背 叛或不合作行为的出现，惩罚可能会成为实现合 作的有效手段；
（三）第二届竞赛
策略j
策略i C（合作） D（背叛） C（合作） R=3，R=3 S=0，T=5 D（背叛） T=5，S=0 P=1，P=1
• 1. 过程
62个策略程序+1个随机程序（随机选择“合作”或“背叛
”）
其中包括“一报还一报”策略，以及著名的生物学家、演 化博弈论的奠基人约翰•梅纳德•史密斯（John Maynard Smith）的“超级宽恕”程序——“两怨换一报”策略。
安全带的争议
（二）合作与惩罚
• 6. 不确定性下的最优惩罚
• 在现实社会中，当出现对方不合作行为时，人们会尽
量获得一些相关的信息，判断这种行为多大程度上是
故意的，多大程度上是客观环境造成的，然后再决定
是否惩罚以及多大的惩罚。 • 刑法上讲量刑必须适度，社会治理上讲“宽严结合”， 管理上讲“恩威并施”，其本质都是“最优惩罚”的 问题。
进一步阅读的材料
① 亚当〃斯密. 国民财富的性质和原因的研究（上下册）， 商务印书馆，1974. ② 理查德〃道金斯. 自私的基因，中信出版集团股份有限公 司，2012. ③ 曼瑟尔〃奥尔森. 集体行动的逻辑，格致出版社，2011. ④ 霍布斯. 利维坦，商务印书馆，1985. ⑤ 卢梭. 社会契约论，商务印书馆，2011. ⑥ 阿克塞尔罗德. 合作的复杂性，上海人民出版社，2008. ⑦ 阿克塞尔罗德. 合作的进化，上海人民出版社，2007. ⑧ 谢识予. 经济博弈论，复旦大学出版社，2008. ⑨ 赫伯特〃金迪斯等. 走向统一的社会科学，上海世纪出版 集团，2005 ⑩ 赫伯特〃金迪斯. 理性的边界，格致出版社，2011
三、关于这一问题的重要思想
（一）西方古典社会契约理论
霍布斯（Thomas Hobbes）的“利维坦”理论
卢梭（Jean-Jacques Rousseau）的“社会契约论
”。
（一）西方古典社会契约理论
• 1. 霍布斯的“利维坦”理论
人类的自利与欲望→避免“自然状态”下的“所
有人对所有人的战争”→“利维坦”→社会合作
（四）第三届竞赛
策略j
策略i C（合作） D（背叛） C（合作） R=3，R=3 S=0，T=5 D（背叛） T=5，S=0 P=1，P=1
• 2. 结果
所有“狡诈型”策略都在200代左右完全消失。 “一报还一报”策略和另外5种“善良但不怯弱”
的策略获得了成功。
（五）三届竞赛的结论
1. 善良的策略总不首先背叛。
共同利益行事，有理性的，寻
求自我利益的个人不会采取行