「个人最佳选择并非团体最佳选择。」

定义与起源

囚徒困境是博弈论的非零和博弈中具代表性的例子，反映个人最佳选择并非团体最佳选择。

在一个理想世界里，每个人都能为了集体利益做出理性选择，避免损人不利己的局面。但现实往往是残酷的，无论是企业的价格战、国家的军备竞赛，还是环境污染、网络舆论对立，许多问题的本质，都是“囚徒困境”。

这个理论模型是1950年，由就职于兰德公司的梅里尔·弗拉德（Merrill Flood）和梅尔文·德雷希尔（Melvin Dresher）拟定出相关困境的理论，由顾问阿尔伯特·塔克（Albert Tucker）以囚徒方式阐述，并命名为“囚徒困境”，由此成为博弈论中的经典模型。其描述的场景如下：

两名嫌犯被捕，警方没有确凿证据，只能让他们分别接受审讯，并提供以下选择：

• 如果两人都保持沉默（合作），各判1年；

• 如果一人坦白（背叛）而对方沉默，坦白者无罪释放，沉默者判10年；

• 如果两人都坦白（互相背叛），各判5年。

和博弈论的其他例证一样，囚徒困境的前提假定是每个参与者（即“囚徒”）都是利己的，也就是说都寻求最大自身利益，而不关心另一参与者的利益。

囚徒到底应该选择哪一项策略，才能将自己个人的刑期缩至最短？两名囚徒由于隔绝监禁，并不知道对方选择；而即使他们能交谈，还是未必能够尽信对方不会反口。试设想困境中两名理性囚徒会如何作出选择：

• 若对方沉默、背叛会让我获释，所以会选择背叛。

• 若对方背叛指控我，我也要指控对方才能得到较低的刑期，所以也是会选择背叛。

所以，从个体角度来看，无论对方如何选择，坦白（背叛）都是占优策略，即最优的个人选择。但如果双方都背叛，结果却是最差的（5年）。

因此就形成了一个悖论：理性选择导致非理想结果，集体利益受损。这不仅仅是个理论模型游戏，也是现实世界中社会困境的缩影。

囚徒困境的广泛应用

囚徒困境并不仅仅是理论模型，它广泛存在于人类社会和自然界的各类博弈场景中。无论是社会科学中的经济学、政治学、社会学，还是自然科学中的动物行为学、进化生物学，囚徒困境都能为分析复杂的利益冲突提供框架。这种博弈的普遍性，恰恰说明了其深刻的现实意义。

⚪ 政治学：军备竞赛的悖论

在政治学中，两国之间的军备竞赛是囚徒困境的经典案例。

比如冷战时期，美苏军备竞赛不断升级，各自投入大量资源研发核武器。当时双方各有两种选择：增加军备（背叛）或达成裁军协议（合作）。

由于无法确信对方会遵守协议，两国往往倾向于选择增加军备以确保自身安全。于是这种“理性”行为却导致了“非理性”的结果——军备竞赛加剧了经济负担，甚至可能引发更大的不稳定。

这就是典型的非零和博弈：即便双方都加大投入，整体安全状况并未改善，反而形成了一种“恐怖平衡”。

⚪ 经济学：关税战的恶性循环

在国际贸易中，关税战是囚徒困境的另一个典型体现。两国在关税政策上的选择可以分为：

1. 提高关税以保护本国商品（背叛）；

2. 达成关税协定，降低关税以促进商品流通（合作）。

当一国因短期利益背弃协定独自提高关税时，另一国通常会采取对等措施，最终引发关税战。两国商品失去对方市场，经济受损，陷入共同背叛的恶性循环。但通过后续的重复博弈，双方往往能意识到合作的长期利益更大，最终又重新达成协议。

⚪ 商业：无休止的价格战

2024年，全球新能源汽车市场进入价格战白热化阶段。特斯拉和比亚迪，这两家新能源巨头，正陷入典型的囚徒困境。

■ 背景：

• 比亚迪率先降价，以扩大市场份额；

• 特斯拉不得不跟进，否则可能失去竞争力；

• 结果是整个行业利润大幅缩水，甚至影响供应链稳定。

■ 博弈分析：

• 如果两家企业都保持价格稳定（合作），它们可以维持较高利润，避免市场恶性竞争。

• 如果一方降价（背叛），它能短期内抢占市场份额，而对手若不跟进就会被挤压。

• 但如果双方都降价（互相背叛），利润空间被压缩，行业进入“内卷”模式，形成“双输局面”。

在竞争压力下，双方都选择了短期最优的占优策略（降价），但从长期来看，这种非零和博弈损害了整个行业的健康发展。

⚪ 环境保护VS企业利润

在人类工业发展的过程中，企业的生产不可避免地会对环境产生影响，但治理污染往往意味着更高的成本。如果所有企业都愿意投入环保措施（合作），整个社会都会受益。但在个人利益与集体利益的权衡下，每家企业都有动力偷懒（背叛），让别人承担环保成本，而自己降低支出。

而结果是什么？

• 所有企业都偷懒，污染加剧，社会整体受损。

• 这就是典型的“强负外部性”问题，即个体的行为对社会造成了负面影响。

⚪ 自行车赛的博弈策略

囚徒困境不仅存在于宏观事件中，在我们身边也有很多体现。以自行车赛事为例，选手们在比赛策略中展现了类似的博弈逻辑。

在环法自行车赛中，选手们通常以大队伍（Peloton）形式前进，以节省体力并避免落后。但最前方的选手需要承担更多风阻，因此选择前方位置是最差的策略。

比赛过程中，往往会出现以下动态：

• 初始阶段，所有选手都不愿向前（共同背叛），导致整体速度缓慢；

• 随后，部分选手骑到前方并轮流分担风阻（共同合作），整体速度提升；

• 若某选手试图一直保持前方位置（背叛），其他选手会利用其冲流节省体力，最终超越（共同背叛）。

最终，合作的选手往往因体力消耗过大而被背叛的选手超越，这种动态博弈也是囚徒困境的生动体现。

如何破解囚徒困境

囚徒困境的破解逻辑在于理解个体选择与集体利益之间的微妙平衡。罗伯特·阿克塞尔罗德在其著作《合作的进化》中，通过“重复囚徒困境”（IPD）实验揭示了合作的可能性。

在这个博弈实验中，参与者必须反复地选择他们彼此相关的策略，并且记住他们以前的对抗。阿克塞尔罗德邀请全世界的学术同行来设计计算机策略，并在一个重复囚徒困境竞赛中互相竞争。参赛的程序在这些反面有巨大的差异：算法的复杂性、最初的对抗、宽恕的能力等等。

阿克塞尔罗德发现，当这些对抗被每个选择不同策略的参与者一再重复了很长时间之后，从利己的角度来判断，最终“贪婪”策略趋向于减少，而比较“利他主义”策略更多地被采用，这就是前文提到的，通过自然选择和重复博弈，一种利他行为的机制可能从最初纯粹的自私机制进化而来。

而且通过分析实验中的高分策略，阿克塞尔罗德发现成功策略的共同特质可归纳为以下四个必要条件：

1. 友善

成功的策略从不主动背叛，而是以合作为初始选择。这种“友善”并非出于道德，而是基于理性计算：主动背叛会引发对方的报复，最终损害自身利益。友善为合作提供了可能性，是打破困境的第一步。

2. 报复

友善并不意味着盲目信任。当对手选择背叛时，必须以报复作为回应，否则会被“下流策略”反复利用。报复是一种理性的自我保护机制，它向对手传递明确信号：背叛将付出代价。这种威慑是维系合作的必要条件。

3. 宽恕

报复虽能保护自身，但若陷入“背叛-报复”的循环，合作将永远无法重建。宽恕意味着在对手停止背叛后，策略会重新选择合作。这种动态调整避免了无休止的对抗，为合作创造了新的机会。

4. 不嫉妒

成功的策略从不追求超越对手的收益，而是专注于最大化自身长期利益。这种“不嫉妒”特质避免了不必要的竞争，使双方能够在合作中实现共赢。

这四个条件共同构成了破解囚徒困境的核心框架：友善奠定合作基础，报复防止被剥削，宽恕修复关系，不嫉妒确保合作的可持续性。

阿克塞尔罗德的研究表明，合作并不是乌托邦式的理想，而是基于理性的选择。当个体策略满足这四个条件时，短期的理性选择与长期的集体利益便能够达成和解。

囚徒困境不仅仅是一个数学模型，而是现实社会的真实写照。

短期个人的最优选择，往往导致长期的集体灾难。破解的关键不在于消灭竞争，而在于如何在博弈中找到合作的契机。

困境无法消失，但选择可以改变结局。

---

原文链接：https://mp.weixin.qq.com/s/L728Pxmk_dEcgbX8iKrJoA

编辑 | 人格与社会课题组黄传斌