博弈论 101 第 61 讲（英文原声）：Tit-for-Tat

视频封面

视频元信息

标题：Game Theory 101, Lecture 61: Tit-for-Tat（以牙还牙策略）
主讲人：William Spaniel（匹兹堡大学）
时长：约 13 分钟（786 秒）
系列定位：无限重复囚徒困境（Infinitely Repeated Prisoner's Dilemma）策略系列，承接上一讲"冷酷触发策略（Grim Trigger）"
推荐读物：Robert Axelrod《The Evolution of Cooperation》（合作的进化）

内容摘要（TL;DR）

本讲介绍"以牙还牙（Tit-for-Tat）"策略：开局合作，之后完全复制对手上一期的行动。相比"冷酷触发"的极端严厉，它更温和。视频证明在无限重复囚徒困境中，只要贴现因子 δ ≥ 1/2，双方长期合作就是无利可图偏离的均衡路径；但该策略只能构成纳什均衡，无法构成子博弈完美均衡（威胁不可信）。

一、问题引入：冷酷触发策略太严厉 [00:06]

上一讲讨论了无限重复囚徒困境中的冷酷触发策略（Grim Trigger），但它存在一个令人担忧的问题：

冷酷触发极其严厉：对手只要有一次失误（偏离），合作就永久终止。
具体而言：只要你在整局游戏中背叛过一次，从那一期开始，我将永远不再与你合作。
易错点：这种"一次犯错、永久惩罚"的机制在现实中过于苛刻，容易因为一次误解或噪声导致合作彻底崩溃。

思考：如果存在执行误差或信号噪声（比如对方本意合作但操作失误），冷酷触发会让双方永久陷入互相背叛的低效结果，这正是它"不近人情"之处。

由此引出核心问题：

是否存在一种更温和的惩罚策略——不会因单次失误就永久终止合作，但仍能通过惩罚威胁说服对方合作？

答案就是 Tit-for-Tat（以牙还牙）。

二、Tit-for-Tat 策略的定义 [01:19]

游戏设定仍是标准囚徒困境：阶段博弈（stage game）无限重复，所有历史行动公开可见，全程存在贴现（discounting）。

Tit-for-Tat 规则（极简）：

第一期合作（begin by cooperating）。
此后每一期，复制对手上一期的行动：
- 对手上期合作 → 我本期合作；
- 对手上期背叛 → 我本期背叛。

关键点：Tit-for-Tat 只看上一期，不关心更早的历史。这与冷酷触发（记住"是否曾经背叛过"）形成鲜明对比。

理解：这是一种"一报还一报、记忆只有一步"的策略，惩罚是有限期的——对方一旦回到合作，我下一期也立即恢复合作，因此具有"宽恕性"。

三、均衡路径与偏离路径的行为 [02:01]

均衡路径（On the equilibrium path）

若双方都玩 Tit-for-Tat：

双方第一期都合作；
第二期复制对方上期的合作 → 继续合作；
依此类推，永远合作下去。

偏离路径（Off the equilibrium path）

假设某人在第一期偏离（本应合作却选择背叛），会出现"奇怪"的交替现象：

期数	我的行动	对方行动
第1期	背叛（偏离）	合作
第2期	合作	背叛
第3期	背叛	合作
第4期	合作	背叛
…	无限交替	无限交替

因为双方都在复制对方上一期的行动，一旦有人偏离，就会永远在"我合作/你背叛"和"我背叛/你合作"之间来回翻转。
考点：这个"乒乓交替"是 Tit-for-Tat 偏离后的典型结果，也是后续讨论其威胁不可信的关键。

思考：这种无限交替意味着双方永远无法回到"合作-合作"的高效结果，说明单次偏离的代价是长期的低效震荡——这正是惩罚的威慑力来源。

四、均衡验证方法：只看均衡路径 [03:33]

要判断 Tit-for-Tat 是否为均衡，需要检查：

均衡路径上是否存在有利可图的偏离；
偏离路径上是否存在有利可图的偏离。

本讲只检查均衡路径（on the path of play），暂不检查偏离路径，原因会在后文（第六节）揭晓——这涉及纳什均衡与子博弈完美均衡的区别。

五、均衡路径上的偏离分析 [03:55]

5.1 不偏离的收益（合作到底）

若双方永远合作，每期都得到"合作-合作"结果，收益为 3：

$$3 + 3\delta + 3\delta^2 + \cdots = \frac{3}{1-\delta}$$

推导：这是标准几何级数求和公式，$a/(1-\delta)$，其中 $a=3$ 为每期固定收益。

5.2 第一期偏离的收益

若我在第一期背叛（对方仍合作）：

第1期：我背叛、对方合作 → 得 4；
第2期：我合作、对方背叛 → 得 1；
第3期：我背叛、对方合作 → 得 4；
第4期：我合作、对方背叛 → 得 1；
……无限交替。

因此偏离收益为：奇数期得 4，偶数期得 1。

用几何级数公式改写（这些公式来自之前的"几何级数"讲座）：

$$\underbrace{\frac{4}{1-\delta^2}}{\text{奇数期收益}} + \underbrace{\frac{\delta}{1-\delta^2}}$$}

推导说明：

奇数期收益 $\frac{4}{1-\delta^2}$：把"每隔一期"的收益看作以 $\delta^2$ 为贴现因子的几何级数，$4/(1-\delta^2)$。
偶数期收益 $\frac{\delta}{1-\delta^2}$：偶数期收益 1 从第2期开始，隐含一个 $\delta$ 因子，即 $\delta \cdot 1/(1-\delta^2)$。

5.3 均衡条件

若"维持合作"的收益 ≥ "偏离"的收益，则无人愿意偏离：

$$\frac{3}{1-\delta} \geq \frac{4}{1-\delta^2} + \frac{\delta}{1-\delta^2}$$

经过代数求解，得到：

$$\delta \geq \frac{1}{2}$$

核心结论：当贴现因子 δ ≥ 1/2 时，玩家乐于持续合作，不会在第一期偏离到背叛。这表示只要玩家足够有耐心（δ 足够大），Tit-for-Tat 就能维持合作。

理解：δ 越大代表玩家越看重未来收益，越不愿意为一次短期背叛（4）而牺牲长期合作（3 的无限流）。

六、对 Tit-for-Tat 的几点评论 [07:56]

6.1 逻辑可推广到任意期

考点：在第一期证明"无利可图偏离"的逻辑，可以原样推广到任意第 t 期。因此可得出结论：在均衡路径的任何一期，双方都不愿偏离 Tit-for-Tat。

这与冷酷触发讲座中的推理方式完全一致——一期的逻辑适用于所有期。

6.2 临界点 δ ≥ 1/2 与冷酷触发相同——但这是巧合

本讲的临界点 δ ≥ 1/2 恰好与冷酷触发讲座相同。
易错点：这并非普遍规律！Tit-for-Tat 与冷酷触发并不总是产生相同的贴现临界点。
临界点取决于阶段博弈中具体的收益数值。只要稍微改变囚徒困境的收益参数，两者的临界点就会不同。
所以不要误以为"Tit-for-Tat 和冷酷触发临界点永远相等"，本例只是收益参数选得巧。

6.3 Tit-for-Tat 在锦标赛中表现极佳【拓展】

博弈论学者举办过"无限重复囚徒困境策略锦标赛"。
推荐书目：Robert Axelrod《The Evolution of Cooperation》（《合作的进化》），链接见视频简介。
实验设计：请一批聪明人各自编写一个策略程序，让所有策略随机两两对战，进行无限重复囚徒困境并累计收益。
结果：Tit-for-Tat 类策略在锦标赛中表现极其出色。
背景补充：Axelrod 因此书获得大量引用，并获得美国国家科学奖章（National Medal of Science）。这也是主讲人 William Spaniel 投身该领域的启蒙读物之一。

思考：Tit-for-Tat 之所以在锦标赛中胜出，通常被总结为四个特性——善良（不首先背叛）、可报复（会惩罚背叛）、宽恕（对方回头即恢复合作）、清晰（规则简单易被对手理解）。

七、遗留问题：偏离路径的威胁是否可信 [11:27]

本讲尚未处理的关键问题：偏离路径上的行为。

我们已证明：假设玩家会遵循偏离路径（即永远乒乓交替）时，均衡路径上无人愿意偏离。
但我们尚未证明玩家真的愿意执行这个威胁（即真的去乒乓交替）。
这回到之前讲过的纳什均衡 vs 子博弈完美均衡的区别：
- 纳什均衡：不关心威胁是否可信；
- 子博弈完美均衡（Subgame Perfect Equilibrium）：专门研究威胁与承诺在时间上是否可信。

核心结论（承上启下）：

Tit-for-Tat 可以构成纳什均衡；

但不能构成子博弈完美均衡（至少在合理条件下）；

原因：偏离后"无限乒乓交替"的威胁实际上不可信。

下一讲将详细说明为什么该威胁不可信。

思考：当真的进入"我合作/你背叛"的子博弈时，玩家可能会想"我这一期合作还是背叛更划算"，从而不愿继续执行交替惩罚——威胁因此失去可信度。

八、关键概念速查表

概念	含义	备注
Tit-for-Tat（以牙还牙）	首期合作，之后复制对手上期行动	温和、宽恕、只记一步
Grim Trigger（冷酷触发）	首期合作，一旦对方背叛就永久背叛	极端严厉
贴现因子 δ	衡量玩家对未来收益的重视程度	δ 越大越有耐心
均衡路径	双方都遵循策略时的实际路径	此处为永远合作
偏离路径	有人偏离后的路径	此处为无限乒乓交替
纳什均衡	无人愿单方面偏离	不要求威胁可信
子博弈完美均衡	要求所有子博弈中威胁可信	Tit-for-Tat 不满足
几何级数公式	无限收益流的化简工具	$a/(1-\delta)$ 等

九、易错点与注意事项汇总

Tit-for-Tat 只看上一期，不是记住全部历史（区别于冷酷触发）。

临界点 δ ≥ 1/2 与冷酷触发相同纯属巧合，改变收益参数后两者会不同。

本讲只验证了均衡路径，偏离路径的威胁可信性留待下一讲。

Tit-for-Tat 是纳什均衡但非子博弈完美均衡——这是本讲最重要的结论。

偏离后的"乒乓交替"看似奇怪，但正是理解威胁不可信的关键。