博弈论 101 第 56 讲（英文原声）：Finite Repeated Prisoner’s Dilemma

视频封面

视频元信息

讲师：William Spaniel（匹兹堡大学）
主题：有限次重复囚徒困境（Finite Repeated Prisoner's Dilemma）
时长：约 11 分钟
系列定位：重复博弈单元的开篇

内容摘要（TL;DR）

本节课讨论有限次重复的囚徒困境。通过逆向归纳法证明：无论重复多少轮（2 轮、3 轮、N 轮），只要轮数是有限的，唯一的子博弈完美均衡就是每一轮双方都背叛，"最后一轮必须背叛"会像毒药一样向前传染，导致合作完全不可能。视频最后预告：无限次重复博弈中合作将成为可能，但会引出"大众定理"这一博弈论中最消极的结论。

一、课程引入与背景 [00:00]

要点： 本课开启"重复博弈"新单元，以重复囚徒困境作为切入点。

讲师 William Spaniel 开场，宣布今日主题为"有限次重复囚徒困境"。
很多现实互动不是一次性发生的，而是与相同的人反复发生。
- 理解：这正是引入"重复博弈"框架的现实动机——现实中的合作、信任、报复、声誉等行为，都只有在"关系会持续"的前提下才有意义。
本单元的核心问题是：在反复互动的环境下，策略如何演化？
选择囚徒困境作为起点，是因为它是最经典、最广为人知的博弈模型。

注意区分： 本课只讲"有限次"重复（finite），"无限次"重复（infinite）留到本单元后续视频。两者的结论截然相反，切勿混淆。

二、回顾已知知识：一次性囚徒困境与阶段博弈定理 [00:34]

要点： 先梳理两个已学结论，为后续推导打基础。

1. 一次性囚徒困境的结论

在单次（one-shot）囚徒困境中，唯一能得到的结局是相互背叛（mutual defection）。
背叛（defection）严格占优（strictly dominates）合作（cooperation），对每个参与者都成立。
因此，该博弈唯一的纳什均衡就是双方都背叛。

易错点： 转录文本中反复出现的"mutual affection"是语音识别错误，正确术语应为 mutual defection（相互背叛）。同理，"defection"在文本中多处被识别为"affection"，阅读时请自行纠正。

2. 扩展式博弈单元的定理

在"有阶段（stages）的重复博弈"中，每个阶段都打纳什均衡，本身就是一个子博弈完美均衡。
推论：把囚徒困境反复玩下去，"每期双方都背叛"确实是一个均衡。

3. 由此引出的关键疑问

但我们又知道：在某些扩展式博弈中，即使阶段博弈里合作不可行，合作仍可能实现。
于是产生两个悬而未决的问题：

问题	内容
问题一	在每一个重复囚徒困境中，能否采用"以合作为条件"的策略？
问题二	如果可以，需要多少轮才能实现合作？2 轮？3 轮？100 轮？

所谓"以合作为条件的策略"（cooperation-contingent strategy），形式大致是："我现在先合作，请你对我好；你若对我好，我以后也合作作为回报；但如果你对我使坏，我就背叛你。"
- 思考：这其实就是"以牙还牙（Tit-for-Tat）"策略的雏形，是本单元后续的核心角色。

4. 为什么这个问题重要

许多现实互动都长得像囚徒困境。
背叛是无效率的（inefficient）——如果双方都背叛，大家都吃亏。
如果能通过"随时间重复的合作策略"摆脱这种无效率状态，就能把世界推向更有效率的境地。
- 理解：这是重复博弈理论在经济学、政治学、生物学中被广泛应用的现实意义所在。

三、模型设定 [02:50]

要点： 明确博弈的规则与信息结构。

两名参与者在每一个阶段进行同时行动的囚徒困境。
每个阶段结束后，关于之前所有阶段行动的全部信息都会被揭示。
- 即：第一阶段选择合作或背叛后，在进入第二阶段行动之前，双方都能看到对方之前做了什么。
求解策略：从简单情形入手，先分析总共只有 2 个阶段的博弈，再逐步推广。
关键说明： 求解有限次重复囚徒困境，并不需要具体的收益数值。
- 理解：这是很漂亮的一点——结论只依赖于囚徒困境的"结构"（背叛严格占优、相互背叛帕累托劣于相互合作），而与具体数字无关。但讲师提醒：后续处理无限次博弈时，会重新用到具体收益矩阵。

四、求解两阶段重复囚徒困境 [03:44]

要点： 用逆向归纳法，从第二阶段倒推第一阶段，结论是两阶段都背叛。

步骤一：先看第二阶段（最后一阶段）

回顾定理：在有阶段的博弈的最后一个子博弈中，所有子博弈完美均衡里，参与者必须打纳什均衡。
为什么？推导：
- 到了最后一阶段，之前发生的一切都已锁定，之前各阶段的收益已经累积完毕，无法更改。
- 我们唯一能做的就是最大化最后一期的收益。
- 在策略相互依赖的环境中，最大化最后一期收益的方式就是打纳什均衡——即"给定你的策略我做到最好，给定我的策略你做到最好"。
- 所以纳什均衡是唯一能最大化最后一期收益的策略组合。
应用到囚徒困境：阶段博弈中唯一的纳什均衡是相互背叛。
- 因此，第二阶段双方必然都背叛。 这个结论完全来自上述定理。

步骤二：再看第一阶段

坏消息： 第一阶段的行动无法影响未来的博弈。
- 无论我在第一阶段合作还是背叛，都无法改变第二阶段将要发生的事。
- 最后一阶段必须最大化，而唯一方式就是背叛。
- 所以即使我今天合作，你明天照样会背叛我。我没有任何动机去"感化"你——因为根本做不到。
因此，我只能最大化第一阶段的收益。而做到这一点的方式（对你而言也一样）就是背叛。

结论

两阶段囚徒困境的结果是：每个阶段都相互背叛。
只重复两次，合作依然无法实现。

五、推广到三阶段 [06:39]

要点： 同样的逆向归纳逻辑，三阶段仍然全部背叛。

依旧从最后一阶段（第 3 阶段）开始：
- 第 3 阶段是终局，根据定理，双方都背叛。
回到第 2 阶段：
- 与上一情形中的第 1 阶段类似，这里的行动无法影响未来博弈。
- 第 2 阶段发生什么都影响不了第 3 阶段——第 3 阶段注定是相互背叛。
- 既然无法影响第 3 阶段，我们只能在第 2 阶段（在给定对手策略的前提下）最大化自己的收益。
- 唯一方式当然是相互背叛。于是第 2 阶段也是相互背叛。
同样的逻辑适用于第 1 阶段：
- 第 1 阶段发生什么都无法影响未来。
- 第 2 阶段双方会背叛，因为第 3 阶段双方会背叛。
- 所以参与者只能最大化第 1 阶段的收益，唯一方式还是相互背叛。
结论：三阶段囚徒困境中，合作依然无法实现。

易错点： 注意讲师反复强调的因果链是"从后往前"传导的。很多人直觉上会认为"轮数越多越容易合作"，但有限次重复的结论恰恰相反——轮数越多，累积的无效率越多。

六、推广到 N 阶段（一般情形） [08:03]

要点： 任意有限轮数的重复囚徒困境，结论都一样。

继续逆向归纳，先看第 N 阶段：
- 第 N 阶段是终局，双方都背叛。
看第 N−1 阶段：
- 无法改变未来将要发生的事，所以只能背叛。
看第 N−2 阶段：
- 因为所有未来阶段双方都注定背叛、且无法改变，所以只能最大化当期收益，这要求相互背叛。
如此一路向前推。
讲师形象比喻：这几乎像"无限回归（infinite regress）"，只不过被博弈的有限长度所截断。我们被困在相互背叛中。
核心机制："最后一阶段被锁定为相互背叛"这一事实，像毒药一样污染（poisons the well）了之前的所有阶段。
- 理解：这就是著名的"连锁店悖论（Chain Store Paradox）"背后的逻辑——终局的确定性会向前逐层瓦解任何合作的可能性。

核心结论

对于所有有限次重复的囚徒困境，每一期都相互背叛，是唯一的子博弈完美均衡。 不存在其他均衡，有且仅有这一个。

七、展望：无限次重复博弈与大众定理 [09:12]

要点： 有限次结论很悲观，但本单元不会以悲观收尾——无限次重复将带来转机，同时也会带来新的麻烦。

1. 为什么转向无限次

本课只考察了 N 阶段、存在某个固定终点的互动。
讲师认为"人为设定一个截止点"有点奇怪、不自然。
- 思考：现实中很多关系（如邻里、商业伙伴、国家间关系）并没有明确的"最后一期"，这正是无限次重复模型的现实对应。
在无限次重复的囚徒困境中，合作实际上是可能的——这与有限次博弈的结论形成鲜明对比。

2. 通往无限次博弈前需要掌握的技术工具

在正式进入无限次博弈之前，需要先处理重复博弈的若干"机制（mechanics）"问题：

工具/问题	说明
无限收益的处理	如何计算和比较无限期收益流（涉及贴现）
策略数量的爆炸	如何处理"任意大数量的策略"这一难题
一次性偏离原则	one-shot deviation principle，一个用于检验均衡的强力工具

理解：一次性偏离原则的核心思想是——要检验某个策略组合是否为均衡，只需检查"在任一节点上一次性偏离是否有利可图"，而不必考虑所有可能的复杂偏离路径。这大大简化了无限博弈的均衡检验。

3. 大众定理（Folk Theorem）预告

本单元最终将构建到大众定理。
在无限次囚徒困境中，不仅合作可能发生，几乎"一切"都可能发生。
这对社会科学家是个问题：
- 因为均衡几乎支持参与者所有可能的策略组合。
- 结果是——我们预测了一切，但当你预测一切时，你其实什么也没预测。
- 理解：这就是"预测力丧失"的问题——一个理论如果什么都能解释，就失去了区分和证伪的能力。
讲师评价：这是博弈论（以及经济学）中最消极的结论之一。
该定理将在本单元很靠后的位置详细讨论。

八、总结 [11:04]

要点： 收束本课，预告下一课。

本课完整处理了有限次重复囚徒困境，结论是：有限轮数下，每期相互背叛是唯一子博弈完美均衡，合作不可能。
下一课开始，将着手构建无限次博弈所需的机制工具。

关键概念速查

概念	简要解释
囚徒困境（Prisoner's Dilemma）	双方都有占优策略"背叛"，但相互背叛的结果劣于相互合作
严格占优（Strict Dominance）	无论对手怎么选，某策略的收益都严格更高
子博弈完美均衡（SPE）	要求在每一个子博弈上都构成纳什均衡的精炼概念
逆向归纳（Backward Induction）	从终局倒推求解有限博弈的方法
以合作为条件的策略	根据对方历史行为决定自己是否合作，如以牙还牙
一次性偏离原则	检验均衡时只需考察单点一次性偏离是否有利
大众定理（Folk Theorem）	无限重复博弈中几乎所有可行收益都可被均衡支持