突破“囚徒困境”：合作是如何可能的

——讀羅伯特·阿克塞爾羅德《合作的進(jìn)化》

胡明光^*

《合作的進(jìn)化》是美國著名的行為分析及博弈論專家羅伯特·阿克塞爾羅德的經(jīng)典著作，作者通過兩輪“重復(fù)囚徒困境”競賽以及后續(xù)的“進(jìn)化實(shí)驗(yàn)”，揭示了合作出現(xiàn)的前提條件以及合作的進(jìn)化過程。毫不夸張地說，《合作的進(jìn)化》的出版帶來了一個新的研究領(lǐng)域的出現(xiàn)，被這本書所激發(fā)出來的研究成果也在不斷地增加。

理查德·道金斯在為這本書寫的序言中講到：這是一本樂觀的書，但這種樂觀是可信的，它不是天上掉餡餅式的、不切實(shí)際的天真愿望（或者革命的狂熱）。在適者生存的達(dá)爾文世界里，充滿著那些使得生存者生存下來的特質(zhì)。按照達(dá)爾文的說法，我們悲觀地假設(shè)生命在自然選擇這一層面是極端自私的，對苦難無情地冷漠，殘忍地?fù)p人利己。然而從這個被扭曲的起點(diǎn)開始，即使不必是刻意的，類似于友善的兄弟姐妹般的伙伴關(guān)系也會出現(xiàn)。這就是羅伯特·阿克塞爾羅德這本不平凡的書要傳遞的令人振奮的信息，讓我們在這個私利的世界里感到無比的欣慰和鼓舞。

一、“重復(fù)囚徒困境實(shí)驗(yàn)”：合作的產(chǎn)生

為了闡釋合作是如何產(chǎn)生的，阿克塞爾羅德組織了一次“重復(fù)囚徒困境”的計(jì)算機(jī)程序競賽，對策論專家被邀請?zhí)崴退麄冋J(rèn)為可以在重復(fù)囚徒困境中得分最高的策略程序，每個策略與其他所有策略逐個對局，以找出總體得分最高的策略。最后的優(yōu)勝者是加拿大學(xué)者羅伯布寫的“一報還一報”（tit for tat)。這個策略首先在第一步合作，然后就模仿對方上一步的選擇。然而，單一競賽的結(jié)果是不能最后說明問題的，為了進(jìn)一步驗(yàn)證實(shí)驗(yàn)的結(jié)果，阿克塞爾羅德組織了第二輪競賽，在第二輪競賽中，所有的參賽者都得到了一份關(guān)于第一輪競賽的詳細(xì)分析報告，包括競賽過程中成功的思想和概念、易犯的策略性錯誤，但結(jié)果依然是“一報還一報”取勝。阿克塞爾羅德還發(fā)現(xiàn)，得分排在前面的程序有四個特性：一、善良性：從不首先背叛；二、報復(fù)性：對于對方的背叛行為一定要報復(fù)，不能總是合作，也就是“可激怒的”；三、寬容性：在反擊對方的報復(fù)后要寬容對方，只要對方合作，你就合作，有助于重新恢復(fù)合作；四、清晰性：行為簡單清晰，使對方能適應(yīng)你的行為模式，從而引出長期合作。

二、進(jìn)化實(shí)驗(yàn)：合作的進(jìn)化

關(guān)于成功策略特性的發(fā)現(xiàn)是令人欣喜的，在競賽中，“一報還一報”是如此成功，那么，在動態(tài)的進(jìn)化群體中，這種合作是否仍然可以產(chǎn)生，并不斷地發(fā)展下去呢？對此，作者進(jìn)行了第三個實(shí)驗(yàn)：進(jìn)化實(shí)驗(yàn)。實(shí)驗(yàn)依據(jù)生態(tài)學(xué)原理：成功的參賽規(guī)則更有可能在下一輪中被采用，而不成功的規(guī)則很少再被采用。更確切的說是，在所有的規(guī)則中，一個規(guī)則的后代的數(shù)量與它的競賽得分成正比。這樣，群體的結(jié)構(gòu)就會在進(jìn)化過程中改變，實(shí)驗(yàn)結(jié)果表明：“一報還一報”和其他名列前茅的規(guī)則隨著一代一代進(jìn)化，逐漸變得多起來。這個過程模擬了適者生存，到了生態(tài)模擬的1000代的時候，那些靠背叛占便宜而取得成功的規(guī)則，由于被占便宜的規(guī)則的消失，而失去了剝削者賴以生存的基礎(chǔ)，剝削者就要遭受同樣滅絕的命運(yùn)，而“一報還一報”確實(shí)是最成功的規(guī)則，比其他任何一個規(guī)則增長都快，這又是一個“一報還一報”帶給我們的令人興奮而難忘的記錄。

進(jìn)化實(shí)驗(yàn)告訴我們：如果成功是來自與其他成功的規(guī)則相互作用的話，這個成功將孕育更多的成功，而如果成功是靠占失敗者的便宜而得到的，這樣的成功者必將隨著失敗者的淘汰而失去賴以生存的基礎(chǔ)，走上一條自我毀滅的道路。

三、突破“囚徒困境”的研究困境

實(shí)驗(yàn)的結(jié)果帶來了作者三方面的考慮：第一、潛在的合作策略如何才能在不合作占優(yōu)勢的環(huán)境中取得最初的立足之地？第二、何種策略能在由其他各種簡單和復(fù)雜的策略組成的多樣化環(huán)境中脫穎而出？第三、在何種條件下，這樣的策略一旦在群體中完全立足，就能抵御不合作策略的侵入？與之對應(yīng)的就是作者關(guān)于合作的初始成活性、魯棒性和穩(wěn)定性的發(fā)現(xiàn)。由此發(fā)現(xiàn)：即使是在一個總是背叛的小人世界，只要有哪怕是很小的一個合作性群體，合作仍然可以產(chǎn)生，合作一旦在群體中建立，就能保護(hù)自己不受非合作策略的侵入，并不斷的發(fā)展壯大，群體以不可逆轉(zhuǎn)的方式向合作的方向進(jìn)化。

這樣的合作理論是鼓舞人心的，阿克塞爾羅德正是以這樣的結(jié)論突破了“囚徒困境”的研究困境。在沒有集權(quán)的利己主義者之間，合作依然可以產(chǎn)生并不斷繁榮，那么，應(yīng)該如何促進(jìn)合作呢？

對于參與者和改革者來說，作者提了幾點(diǎn)建議：（1）不要首先背叛，首先背叛只會給自己帶來很多的麻煩和道德的壓力；（2）對方無論是合作還是背叛，都要給以回應(yīng)；（3）不要耍小聰明，以試圖獲得更大的收益；（4）不要嫉妒，嫉妒是自我毀滅，要求自己比對方做得好不是一個很好的標(biāo)準(zhǔn)，“一報還一報”在任何一場對決中都不會得到比對方更高的分?jǐn)?shù)，然而它卻表現(xiàn)得如此精彩；（5）為促進(jìn)合作，可以改變對策者的可能結(jié)果的收益值；（6）使得未來相對于現(xiàn)在更重要，也就是對策雙方有足夠高的概率再次相遇；（7）教給對策者促進(jìn)合作的準(zhǔn)則、事實(shí)和技能，讓有預(yù)見能力的參與者了解合作理論的真諦，如：教育人們相互關(guān)心、學(xué)會回報等等，以加快合作的進(jìn)化。

四、研究的局限性

借助計(jì)算機(jī)和數(shù)學(xué)的研究方法，阿克塞爾羅德通過嚴(yán)謹(jǐn)?shù)倪壿嬐茖?dǎo)，研究如何突破囚徒困境，達(dá)成合作，這個證明的過程是無可置疑，也是令人信服的。為了盡可能地接近現(xiàn)實(shí)世界，避免許多可能限制分析者的約束性框架，作者設(shè)定了盡量仿真的博弈環(huán)境：（1）對策者是多種多樣的，聰明或狡詐，隨機(jī)或復(fù)雜，一切動機(jī)和想法都是可能的；（2）對策者不必是理性的，甚至不必總是追求利益最大化的，他們的策略可能只是簡單的依靠直覺、經(jīng)驗(yàn)或是模仿他人；（3）對策者行為不必都是有意識的選擇，并不都是經(jīng)過深思熟慮的；（4）博弈手段是可以不斷變化的，每一個對策者都可以使用所有可能的策略，甚至是不擇手段的；（5）博弈回合是相當(dāng)多的，并且是全體參與者的循環(huán)賽。這樣的博弈環(huán)境更接近現(xiàn)實(shí)的“人性人”社會，而不是經(jīng)濟(jì)學(xué)家所偏好的“理性人”游戲，但不能忽視的是，作者的一些假設(shè)依然是天真的，與現(xiàn)實(shí)脫節(jié)的：

（1）阿克塞爾羅德在“重復(fù)囚徒困境”競賽中假定：博弈各方能力是相當(dāng)?shù)?，沒有差異的。這在現(xiàn)實(shí)中并不總是存在的，當(dāng)對策雙方能力不等時，若同時選擇背叛，結(jié)果可能不是雙方同時得到“對雙方背叛的懲罰”1分，而是強(qiáng)勢的一方得到5分，弱勢的一方得到0分，無異于是強(qiáng)者選擇背叛，得到“對背叛的誘惑”5分，弱者選擇合作，得到“給笨蛋的報酬”0分。但是作者在第八章談到了地位、等級、信譽(yù)、威懾等博弈能力的差異性所帶來的，對策雙方在寬容性、對背叛的偏好以及報復(fù)的有效性等問題上的不同，這是對之前“重復(fù)博弈困境”實(shí)驗(yàn)的一個現(xiàn)實(shí)修正和補(bǔ)充。

（2）作者設(shè)計(jì)的競賽有一個很重要的假設(shè)就是：不能消滅對方，也不能放棄對局。這樣一來，現(xiàn)實(shí)生活中的生死游戲就被弱化成了實(shí)驗(yàn)中的輸贏游戲。不能消滅對方就意味著輸了永遠(yuǎn)都有機(jī)會報復(fù)，這就在很大程度上限制了不善良策略的威力，從而提高了“一報還一報”這些善良對策存活并不斷發(fā)展壯大的可能性，使其在長期博弈中獲得明顯優(yōu)勢。如果修正一下“不能消滅對方”這一假設(shè)，將其變?yōu)椋寒?dāng)對策者由于選擇合作而遭受背叛達(dá)到一定次數(shù)時，該對策者就失去了參與資格，對局就此結(jié)束，這樣就更接近現(xiàn)實(shí)的世界。

（3）在作者看來，合作的產(chǎn)生最重要的一個條件就是未來足夠重要，也就是折扣系數(shù)w（表示每一步的收益相對于前一步收益的折扣程度）足夠大，這就使得博弈回合可以足夠多。然而，重復(fù)博弈在現(xiàn)實(shí)生活中并不總是存在的，一次性博弈導(dǎo)致了很多不合作行為。在“資源悖論”的情況下，無法將蛋糕做大，此時每個人追求的就是如何分得更多的蛋糕，一次性博弈的大量存在和利益的驅(qū)使，大大提高了人們對背叛的偏好，使得“未來足夠重要”這一假定的約束力被弱化甚至被完全忽視。這就需要有力的制度安排來促使合作的產(chǎn)生，規(guī)范合作的秩序，通過法律和制度手段懲罰不合作行為來控制每個人的行為，而不是簡單的“一報還一報”。

（4）研究的基本假設(shè)和命題是整個研究的靈魂所在，它決定了研究的問題和方向，奠定了整個研究的基調(diào)?！逗献鞯倪M(jìn)化》一書圍繞“合作是如何產(chǎn)生的”這一問題展開，前提是在沒有合作的環(huán)境中，合作是如何產(chǎn)生的。然而，如果換個角度思考，就會有很有意思的發(fā)現(xiàn)。正如《人類的趨社會性及其研究》指出的，“強(qiáng)互惠”和“利他”是人類獨(dú)有的屬性，那么，研究的問題就不再是合作是如何產(chǎn)生的，而是：背叛是如何出現(xiàn)的？合作是如何被破壞的？

五、結(jié) 語

讀完《合作的進(jìn)化》，感覺意猶未盡，作者巧妙的實(shí)驗(yàn)、精湛的分析帶給我們很多有益的啟發(fā)。阿克塞爾羅德通過實(shí)驗(yàn)證明，一個“小人”的世界可以阻止任何使用其他策略的個體的入侵，只要這個新來者每次都是單個的，然而，如果新來者是一個小群體，它們就有機(jī)會建立合作，并不斷壯大。因此不能“孤獨(dú)的與人為善”，即使是“一報還一報”這樣的優(yōu)秀策略，也是需要遇到同樣采取合作策略的伙伴的，它的優(yōu)勢不是在單次博弈中獲得比對方更高的分?jǐn)?shù)（單次博弈中“一報還一報”得分從來不會超過對方），而在于引發(fā)并擴(kuò)大合作，與合作伙伴一起戰(zhàn)勝不合作者，這對于探索如何開啟個人、組織和國家間的合作具有重要的意義。

作者的研究以生物進(jìn)化的生存競爭和適者生存理論為基礎(chǔ)的，優(yōu)勝劣汰的法則使得模仿表現(xiàn)最出色的策略具有很大的誘惑力，這樣一來，“一報還一報”這樣優(yōu)秀的合作策略就會被更多的對策者所選擇，并被普遍接受而形成制度，公正的制度能夠促成、維持合作，但它不是合作出現(xiàn)的條件，而是合作的結(jié)果，這對于制度學(xué)派研究來說是一個重要啟發(fā)。

《合作的進(jìn)化》帶給了我們一些驚人的、甚至是具有顛覆意義的結(jié)論，突破了傳統(tǒng)的“囚徒困境”的研究困境，形成了一個新的研究領(lǐng)域。但是在這個復(fù)雜紛繁的領(lǐng)域中，阿克塞爾羅德的分析卻是清晰直白的，他的合作策略在人類日常生活中廣泛存在，比如：“投桃報李”、“好心有好報”就體現(xiàn)了“一報還一報”的寬容性，而“人不犯我，我不犯人；人若犯我，我必犯人”則對應(yīng)其“善良性”和“可激怒性”；“惡人自有惡人磨”則印證了作者所說的，依靠占別人便宜而取勝的對策在遇到同樣的投機(jī)對策時，就會兩敗俱傷。這些深入淺出的思想是善良的、美好的、欣慰的、令人鼓舞的，可以讓這個世界更美好。