博弈论 101 第 2 讲：囚徒困境与严格占优

视频封面

视频元信息

主讲：William Spaniel（匹兹堡大学）
系列：博弈论 101（Game Theory 101），2012–2020
本集主题：囚徒困境（Prisoner's Dilemma）与严格占优（Strict Dominance）
对应教材：第 1.1 课
时长：约 5 分钟

内容摘要（TL;DR）

本视频用"两名嫌犯被分开审讯"的经典情境引出囚徒困境：无论对方认罪还是沉默，每个嫌犯认罪都严格优于沉默，因此认罪是严格占优策略，沉默被严格占优。最终唯一合理的均衡结果是两人都认罪，尽管双方都沉默对整体更好——因为任何单方面偏离（改认罪）都能让自己变好，故该合作结果不稳定。

一、情境引入：警方如何制造囚徒困境 [00:13]

警方逮捕两名嫌犯，怀疑他们抢劫商店，但手上只有"非法闯入"的证据。

要以更重的罪名（抢劫）起诉，警方需要至少一名嫌犯认罪并指证对方。
警方逼出供词的手段：把两人分开单独关押，各自给出相同的"认罪交易"条件。

关键设计：隔离审讯（separate interrogation） 囚徒困境之所以成立，核心前提是双方无法沟通、无法协调、无法监督对方。一旦能串供或签订有约束力的协议，困境结构就会被打破。这是理解整个模型的关键，也是易错点：很多人误以为"合作结果更好"就意味着理性人会合作，忽略了"无约束力承诺"这一前提。

二、四种结果与刑期设定 [00:37]

警方给出的认罪交易条件如下（刑期越短越好）：

结果	参与人1（蓝，男性）	参与人2（红，女性）	说明
两人都沉默	1 个月	1 个月	只能以非法闯入起诉
参与人1认罪、参与人2沉默	无罪释放	12 个月	告密者被放过，沉默者被重判
参与人1沉默、参与人2认罪	12 个月	无罪释放	相反情况
两人都认罪	8 个月	8 个月	以抢劫罪起诉，但配合减刑

基础假设：两名嫌犯只关心自己（暂时假定自利），目标是最小化自己的刑期。
视频强调：信息量很大，但可以浓缩成右侧一个小的收益矩阵，这就是囚徒困境。

理解：刑期是"负收益"，所以"无罪释放（0）> 1个月 > 8个月 > 12个月"。矩阵中写的是 −1、−12、−8 等负数值，数值越大（越接近 0）越好。

三、收益矩阵与配色约定 [00:83]

两个参与人：参与人1 和 参与人2。
每人两种策略：认罪（Confess） 或 保持沉默（Stay Silent）。
策略组合对应不同结果：都沉默 → 各 −1；一人认罪一人沉默 → 认罪者 0、沉默者 −12；都认罪 → 各 −8。

配色与命名约定（博弈论惯例）：

参与人1 用蓝色表示，参与人2 用红色表示。矩阵中每个格子通常有两个数字，用颜色区分归属。
博弈论惯例：参与人1 设为男性（他 he），参与人2 设为女性（她 she）。
理解：这样做的目的是用"他/她"这样的代词区分两个参与人，避免"参与人1/参与人2"反复出现造成混乱。这是学术写作的便利约定，不代表任何性别立场。

易错点：读矩阵时先看清哪个数字属于谁。 每个格子有两个收益，颜色是唯一区分依据。看错归属会直接导致占优判断出错。建议读矩阵时先固定"蓝色=参与人1，红色=参与人2"。

四、求解方法：逐个分析参与人的最优反应 [02:15]

求解思路：看每个参与人根据对方的行为应该做出怎样的反应。

分析参与人1（已知参与人2的选择）：

假设参与人1知道参与人2会保持沉默：
- 认罪 → 0（无罪释放）
- 沉默 → −1（1 个月）
- 0 > −1，所以认罪更好。
假设参与人1知道参与人2会认罪：
- 认罪 → −8（8 个月）
- 沉默 → −12（12 个月）
- −8 > −12，所以认罪仍然更好。

结论：无论参与人2沉默还是认罪，参与人1认罪总是更好。

五、严格占优的定义 [03:08]

定义（严格占优 / Strict Dominance）：如果不管其他人怎么做，策略 X 都能带来比策略 Y 更高的收益，我们就说 X 严格占优 Y。

本例中：认罪严格占优沉默；反过来，沉默是被严格占优的策略。
理性参与人绝不会采用被严格占优的策略。

推导：判断占优只需逐一比较"在对方每一种策略下，我方两个策略的收益"。只要 X 在对方所有策略下都优于 Y，X 就严格占优 Y。这里对方只有两种策略（沉默、认罪），两种情况都验证过，故成立。

核心逻辑：既然认罪能让你过得更好，你为什么还要保持沉默？ 视频用一句大白话概括：既然能选 X，你为什么还要选 Y？这构成了后续所有"剔除被占优策略"求解法的基础。注意区分"严格占优"与"弱占优"：严格占优要求处处严格更好；若只是"不差且至少一处更好"，则是弱占优，本视频只讨论严格占优。

六、完成求解：参与人2的对称分析 [03:47]

参与人2的处境与参与人1一模一样：
- 若参与人1沉默 → 参与人2认罪更好（0 > −1）。
- 若参与人1认罪 → 参与人2认罪更好（−8 > −12）。
因此参与人2也会选择认罪。

结论：四种可能结果中，唯一合理的结果是两个参与人都认罪（各 −8）。

七、为什么"都沉默"不是合理结果？ [04:17]

初学者常问：都沉默（各 −1）对双方都更好，为什么不是结果？

都沉默在个人和整体层面都优于都认罪（−1 优于 −8）。
但它不稳定：任何一方只要单方面改成认罪，就能让自己从 −1 变成 0（无罪释放），变得更好。
所以不存在稳定结果，参与人总能通过改变策略（选认罪）改善自身处境。

关于"事先约定"的关键点：

即使两人在被捕前约定好都沉默，这个约定也经不起时间考验。
一旦真正进入审讯室、要决定认罪还是沉默时，认罪而不是沉默才符合各自的利益。
理解：这就是"无约束力承诺（non-binding agreement）"问题。口头约定没有强制执行力，且双方被隔离无法监督，因此在自利与理性假设下必然被违背。

易错点：把"对整体更好"当成"会发生"。 博弈论预测的是在给定激励结构下理性自利者的行为，而非"最优社会结果"。都沉默是帕累托更优，但不是均衡，因为它不满足"无人愿意单方面偏离"的稳定性要求。

八、本节小结与下集预告 [05:06]

本视频介绍了囚徒困境与严格占优两个核心概念。
求解逻辑：找出每个参与人的严格占优策略 → 剔除被占优策略 → 得到唯一合理结果（都认罪）。
下集预告：将用严格占优这一思路去求解更复杂的博弈。

【拓展】相关背景与延伸概念

囚徒困境的起源：由 Merrill Flood 与 Melvin Dresher 于 1950 年在兰德公司（RAND）提出，后由 Albert Tucker 命名为"囚徒困境"，并设计了如今广为流传的"嫌犯审讯"故事版本。
纳什均衡视角：都认罪正是本博弈的纳什均衡——给定对方认罪，自己认罪是最优反应。囚徒困境是"唯一的纳什均衡却非帕累托最优"的经典例子。
严格占优与纳什均衡的关系：若某策略严格占优，则采用该策略的组合理所当然是纳什均衡；但纳什均衡不一定由严格占优策略构成（后续更复杂博弈会体现）。
现实映射：军备竞赛、价格战、公共资源过度使用（公地悲剧）、团队中"搭便车"等，都是囚徒困境结构。
破解之道：重复博弈（repeated game）中，声誉与惩罚机制可促成合作；无限期重复博弈中"以牙还牙（tit-for-tat）"是著名策略。这属于本系列的后续内容。
常见踩坑点：
1. 忽略"隔离/无法沟通"前提，误以为合作必然发生；
2. 混淆"对整体最优"与"均衡结果"；
3. 读收益矩阵时看错颜色归属；
4. 把"严格占优"与"弱占优"混为一谈。