博弈论 101 第 60 讲：冷酷触发

视频封面

视频元信息

系列：Game Theory 101（博弈论 101）
本讲主题：冷酷触发策略（Grim Trigger Strategy）——无限重复囚徒困境中的合作机制
主讲人：William Spaniel
时长：约 7 分钟
前置知识：重复博弈、子博弈完美均衡、几何级数（贴现求和）

内容摘要（TL;DR）

本讲求解无限重复囚徒困境中的冷酷触发策略：规则是"只要历史上没人背叛，就一直合作；一旦有人背叛，就永远背叛"。证明该策略构成子博弈完美均衡需要检验两个条件——背叛阶段（已触发惩罚后继续背叛是均衡）与合作阶段（无人背叛时没有人愿意率先背叛）。最终结论：当贴现因子 δ ≥ 1/2 时，冷酷触发策略可维持合作。合作的关键在于参与者"足够有耐心"。

一、开场与课程回顾 [00:00]

主讲人 William Spaniel 回归，本讲主题：冷酷触发策略（Grim Trigger Strategy），属于无限重复囚徒困境中的一种特殊策略类型。
此前课程已完成求解无限重复博弈所需的全部基础准备，本讲开始正式求解。
快速回顾所研究的囚徒困境收益矩阵，该矩阵对应无限重复博弈中的阶段博弈（stage game）。

考点：有限重复 vs 无限重复的关键差异 与有限次囚徒困境不同，无限重复囚徒困境中具体收益数值非常重要。有限重复博弈中结果往往只依赖偏好排序，而无限重复博弈的均衡条件直接取决于收益数值与贴现因子的关系。

理解：这一点是重复博弈理论的核心分水岭。有限重复下逆向归纳（backward induction）使合作崩塌，而无限重复下"未来惩罚"的威慑力才使得合作成为可能，而威慑是否足够强，就必须比较具体数值。

二、一个必然存在的均衡：始终背叛 [00:44]

有一个均衡可以立刻确定：即使无限次重复，低效率的结果仍然可能出现。
原因：囚徒困境阶段博弈中，"背叛"是该阶段博弈唯一的纳什均衡。
依据此前重复博弈课程的结论：如果每个阶段都玩阶段博弈的纳什均衡，那么整个重复博弈本身就构成一个子博弈完美均衡——无论博弈是有限次重复还是无限次重复都成立。
因此，在无限重复囚徒困境中，双方自始至终都选择背叛，是该博弈的一个均衡，且它是低效率的。

易错点：这不是唯一均衡 在有限次重复囚徒困境中，相互背叛是唯一的均衡；但在无限次重复博弈中，还可以实现合作。这正是本讲要寻找的目标。

推导：始终背叛之所以是子博弈完美均衡，是因为在任何子博弈（无论历史如何）中，阶段博弈的唯一最优反应都是背叛，因此没有任何一方有动机偏离。

三、冷酷触发策略的定义 [01:38]

冷酷触发策略通过以下方式促成合作，其规则是：

如果在博弈中之前任何时候有人背叛过，你就永远背叛；否则你就选择合作。

具体运行逻辑：

第一阶段：之前没有人背叛过（甚至没人有机会背叛），按策略选择合作。
第二阶段：只要其他所有人在第一阶段都合作了（包括自己），则第二阶段也合作。
第三阶段：如果大家此前都合作，就继续合作，以此类推。

策略的直观含义：

只要你过去一直对我友好、没有耍任何花招，我就一直对你友好；
但只要你第一次犯错、一旦背叛了我，我就会永远背叛你。

重点：为什么从冷酷触发策略入手？ 如果连这种最严厉、最冷酷无情的惩罚策略都不足以促成合作，那就没有任何策略可以做到了。没有任何惩罚策略比冷酷触发更严厉——它说的是对手哪怕只犯一次错，就会导致永远背叛。如果这种威胁都不足以让对方在惩罚威慑下选择合作，其他任何策略都不会更有效。

思考：冷酷触发策略的"冷酷"体现在它的永久性——不给任何改过机会，一次背叛即永久惩罚。这既是它威慑力最强的原因，也是它在现实中容易"误伤"（如因误解或失误触发）的弱点。

四、证明策略有效的两个条件 [03:04]

要证明冷酷触发策略有效，需要考察两个不同的条件：

背叛阶段条件：如果之前已经触发了背叛，那么"永远继续背叛"是否是一个均衡？
合作阶段条件：如果之前没有人背叛过，会不会有人想要背叛？

当两个玩家都采用冷酷触发策略时，博弈本质上分为两个阶段：

合作阶段：之前没有人背叛过，所以双方在合作；
背叛阶段：之前有人背叛过了，所以双方永远背叛。

需要在这两个时期中分别检验：在另一个玩家也采用冷酷触发策略的前提下，某个玩家是否会想要偏离冷酷触发策略。

理解：这种"两阶段"划分是一种简化技巧。虽然实际博弈有无限多个时期，但由于冷酷触发策略的"记忆"只区分"是否发生过背叛"这一件事，所以整个博弈历史可以压缩为两种状态。

五、检验背叛阶段：已触发惩罚后是否继续背叛 [03:51]

这是最容易求解的部分，事实上此前已经做过：

一旦进入博弈的背叛阶段（双方永远互相背叛），考虑开始互相背叛后的子博弈——那是一个由无限重复囚徒困境构成的子博弈。
已知结论：在无限重复博弈中，每个阶段都玩阶段博弈的纳什均衡，这本身就是一个均衡。
因此第一个条件直接搞定：如果双方永远互相背叛，那么面对你永远背叛我，我最好的回应就是永远背叛你，反之亦然。

结论：一旦到达背叛阶段，就不可能再出现任何合作。我不会想偏离，你也不会想偏离，没有偏离动机，第一个条件没有问题了。

推导：背叛阶段的子博弈中，阶段博弈的唯一纳什均衡是（背叛，背叛），且该均衡在每个子博弈中重复出现，因此"永远背叛"自动满足子博弈完美性。

六、检验合作阶段：无人背叛时是否有人想率先背叛 [04:43]

现在面临第二个条件——合作阶段：

假设之前没有人背叛过，双方应该继续互相合作。问题是你或我是否有任何动机改变策略、寻找背叛行为（这可能引发更多背叛）。
这个条件通常看起来非常难以检验，因为需要考虑各种各样的偏离——不仅是在某一个特定时点偏离，而是在各个地方偏离均衡策略，无论是在合作阶段还是背叛阶段。

重点：一次偏离原则（One-Shot Deviation Principle） 幸运的是，此前学到的机制告诉我们不需要担心这个问题。要检验某个策略是否是子博弈完美均衡，不需要考虑复杂的偏离，只需要检验在每个"合作机会"玩家是否不会想要偏离。

具体检验步骤：

检验第一期：在另一个玩家采用冷酷触发策略的前提下，你在第一期不会想要背叛（即双方都在合作）；
检验第二期：如果仍处于合作阶段（即第一阶段实现了相互合作），那么你在第二期是否不会想要偏离到背叛；
继续检验第三期、第四期、第五期，以此类推。

理解：虽然博弈有无限多个时期，看似要检验无穷多个条件，但实际证明它最终归结为一个单一的方程。这是因为各期条件在数学结构上完全相同，只是贴现因子次数不同。

七、求解第一期偏离条件 [06:14]

均衡路径收益

如果你采用冷酷触发策略，另一个玩家也采用冷酷触发策略，那么你的均衡收益为：

第一阶段：3
第二阶段：3
第三阶段：3
以此类推，按适当方式进行贴现

这是因为在冷酷触发策略中，你一开始选择合作，只要之前所有人都在合作（而这是会发生的），你就会持续获得合作收益。收益矩阵中该值为 3。

由于博弈是对称的，玩家二的决策与玩家一相同，所以只需分析玩家一是否偏离的决策。

偏离路径收益

玩家一的另一个选择是在第一期中背叛（只看第一期这一次偏离）：

因为玩家二采用冷酷触发策略，一开始选择合作，所以玩家一本质上是在背叛对方的信任，第一期获得收益 4（而非 3），比合作稍微好一点；
但冷酷触发策略有惩罚威胁：由于在第一期背叛，玩家一在所有未来阶段都会获得更低的收益——第二期获得 2、第三期获得 2、第四期获得 2，以此类推，同样按适当方式贴现。

这是因为博弈从合作阶段切换到了背叛阶段，玩家一获得的收益变成 2，而不是本可从合作中获得的 3。

偏离条件的不等式

要检验玩家一是否能在第一期有利可图地偏离，本质上需要比较均衡收益与第一期背叛时的偏离收益：

均衡收益流：3 + 3δ + 3δ² + 3δ³ + … 偏离收益流：4 + 2δ + 2δ² + 2δ³ + …

如果"均衡收益 ≥ 偏离收益"这个条件成立，玩家一就会愿意继续合作（正如冷酷触发策略所建议的那样）。

易错点：两边都是无限收益流 这个不等式看起来非常难求解，因为两边都有省略号、都是无限的收益流。必须借助几何级数求和的方法来化简。

八、几何级数化简 [08:22]

利用此前"几何级数"讲座中学到的便捷方法重写该式：

不等式左边：变成一个简单的几何级数——不断重复的基础收益 3，除以 (1 − δ)：

3 / (1 − δ)
不等式右边：
- 4 是唯一出现的 4，单独列出；
- 之后是 2δ 的收益、2δ² 的收益，以此类推；
- 使用几何级数公式（关于"除第一阶段外，博弈每个阶段都获得相同收益"的收益形式）：基础收益 2，乘以贴现因子 δ，再除以 (1 − δ)：
  
  4 + 2δ / (1 − δ)

推导：这里用到的是无穷等比级数求和公式。对于从第一期开始每期收益恒为 c 的收益流，其贴现和为 c/(1−δ)；对于从第二期才开始、每期收益为 c 的收益流，其贴现和为 cδ/(1−δ)。这正是右边 2δ/(1−δ) 的来源。

提醒：如果对这一步不熟悉，应回去复习几何级数那一讲，否则这个化简看起来像是凭空变出来的。事实上之所以能这样重写，背后有真正的数学依据。

九、代数求解 δ 的临界值 [09:30]

现在得到一个简单的不等式，是否愿意继续合作取决于 δ 值。做代数运算，把 δ 单独放到一边：

先把所有项乘以 (1 − δ)；
展开各项；
把数字归到一边，δ 归到另一边；
得到：2δ ≥ 1；
两边除以 2，最终得到：δ ≥ 1/2。

结论：

只要 δ ≥ 1/2，你就会愿意（至少是乐意）继续合作，维持均衡的冷酷触发策略；
如果 δ < 1/2，事实上你会有一种严格的偏好想要偏离合作；
所以如果 δ < 1/2，冷酷触发策略就无法维持下去；但只要 δ ≥ 1/2，冷酷触发策略就可以成立——至少在第一阶段是这样。

重点：δ ≥ 1/2 是本讲的核心结论 这个临界值来自本讲特定的收益矩阵（合作收益 3、背叛诱惑 4、被背叛收益 2）。若收益数值改变，临界值也会改变，但"δ 足够大即可维持合作"这一结构性结论不变。

十、推广到合作阶段的所有其他时期 [10:40]

接下来是"数学魔法"环节：刚才用来证明第一期不会想偏离合作的计算，同样的论证也适用于囚徒困境合作阶段中的所有其他时期。

一般时期的比较

假设之前已经玩了几轮，只要还处在合作阶段：

继续合作的收益：
- 之前已经得到的收益（沉没收益，因为无法改变）；
- 加上当前阶段合作的收益 3，乘以 δⁿ（n 表示到这一期为止的贴现）；
- 下一阶段又是 3，以此类推，适当贴现。
偏离背叛的收益：
- 之前得到的沉没收益完全一样（因为它们已经发生，无法被当前策略改变）；
- 在当前这一期背叛，获得收益 4，乘以 δⁿ；
- 从那时起永远相互背叛，每次都是 2，乘以不断递增的贴现因子。

化简技巧

去掉沉没收益：从不等式两边都减去沉没收益，因为它们之前就已发生、在两边完全相同，且当前策略无法影响它们；
提取 δⁿ：不等式中每一项都含有 δⁿ，把所有项都除以 δⁿ；
得到一个看起来与第一期完全相同的不等式。

理解：这个结果的直观含义是——如果到达博弈合作阶段的任意一个时期，就好比是"第一次玩这个博弈"，只不过之前已经累积了一些收益。把当前收益标准化（用贴现因子把所有项都除以 δⁿ）后，得到的收益本质上和第一阶段看到的一样。

重点：平稳性（Stationarity） 这正是冷酷触发策略"无记忆性"（只区分有无背叛）带来的便利——合作阶段的每个时期在结构上等价于第一期，因此只需解一次不等式即可覆盖所有时期。

结论：只要 δ ≥ 1/2，这个不等式就成立。因此可以得出结论：在这个特定的博弈、这个特定的囚徒困境、这个特定收益矩阵下，只要 δ ≥ 1/2，冷酷触发策略就是有效的。

十一、结论解读：耐心与未来 [12:40]

贴现因子的含义

只有参与者足够有耐心时，合作在这里才能奏效——具体来说就是 δ ≥ 1/2。
δ 代表的是相对于今天，我们对未来有多在意：
- δ 越大 → 越在意未来；
- δ 越小 → 越不在意未来。

冷酷触发策略的权衡逻辑

冷酷触发策略是用贯穿历史中的合作来换取良好的行为，利用"永远背叛"这个筹码来威胁、说服你今天不要背叛。

你的权衡是：

通过背叛，获得今天的一次性收益（在那一期现在就能拿到对你来说非常好的收益，即 4）；
然后在剩下的所有时间里承受痛苦（收益 2）。

重点：为什么耐心是关键？ 如果你在剩下的所有时间里都要承受痛苦，而你又不怎么在意未来，那么今天合作看起来就没那么有吸引力了——因为你可以背叛，现在就拿到额外收益，牺牲掉那个你其实并不怎么在意的未来。这就是为什么只有参与者足够有耐心、相信囚徒困境会长期反复进行下去时，冷酷触发策略才能奏效。

无限重复 vs 有限重复

其次，有点奇怪但也很酷的一点是：

只要贴现因子足够高，合作在无限博弈中就能奏效，但在任意长的有限博弈中却不行。

即使有一个由一万期组成的有限博弈，也仍然无法让合作发生。你需要切换到无限期的博弈，合作才能成功。

理解：这是有限重复博弈中"逆向归纳"的必然结果——从最后一期开始，最后一期必然背叛，倒数第二期预见到这一点也会背叛，如此回溯到第一期，合作彻底瓦解。博弈期数再多，只要有限，就无法逃脱这个逻辑。

十二、下讲预告 [14:00]

冷酷触发策略并不是重复囚徒困境中用来促成合作的唯一策略。
事实上，也许比冷酷触发策略更有名的一种策略叫做针锋相对（Tit-for-Tat）。
那将是下一讲的主题。

关键概念速查

概念	含义
冷酷触发策略	只要历史无背叛就一直合作；一旦有人背叛就永远背叛
阶段博弈	重复博弈中每一期所进行的单次博弈（此处为囚徒困境）
子博弈完美均衡	在博弈的每个子博弈中都是纳什均衡的策略组合
一次偏离原则	检验子博弈完美性时只需检验单次偏离，无需考虑复杂偏离
贴现因子 δ	衡量对未来的重视程度，δ 越大越有耐心
沉没收益	已经发生、无法被当前决策改变的收益，比较时可两边消去
几何级数求和	将无限收益流化简为闭式表达式（如 c/(1−δ)）