博弈论 101 第 56 讲：有限次重复囚徒困境

视频封面

视频元信息

课程来源：匹兹堡大学博弈论101（Game Theory 101），讲师 William Spaniel
课程规模：YouTube 累计 873 万+ 播放，2012–2020 系列
本集主题：有限次重复囚徒困境（Finitely Repeated Prisoner's Dilemma）
时长：约 7 分钟
本集定位：重复博弈单元的开篇，p57

内容摘要（TL;DR）

重复博弈单元开篇。核心结论：在有限次重复囚徒困境中，无论重复多少次（2 次、3 次、100 次），每个阶段双方都选择背叛是唯一的子博弈完美均衡，合作无法实现。原因是逆向归纳法——最后一个阶段必须玩纳什均衡（双方背叛），这个逻辑像多米诺骨牌一样向前推倒所有阶段。合作只有在无限重复博弈中才可能。视频预告后续将引入无限收益、一次性偏离原则和无名氏定理。

一、进入重复博弈单元 [00:00]

欢迎回到博弈论 101，讲师 William Spaniel。
本集主题：有限次重复的囚徒困境。
这是重复博弈单元的开篇，作者强调这个单元非常重要。

很多互动并不是只发生一次，而是会跟同样的人一次又一次地反复出现。

理解：现实中的合作与竞争（如商业往来、国际关系、邻里相处）大多是"重复博弈"，而非"一锤子买卖"。这正是重复博弈单元的意义所在——研究策略在长期互动中如何演变。

选择囚徒困境作为重复博弈的切入点，因为它是最经典的例子。

二、回顾已知：一次性囚徒困境与重复博弈的基础结论 [00:26]

2.1 一次性囚徒困境的结论

在一次性囚徒困境中，唯一的结果是双方都背叛。
对每个参与者来说，背叛严格优于合作（背叛是严格占优策略）。
因此这个博弈唯一的纳什均衡就是双方都选择背叛。

2.2 从扩展式博弈单元继承的结论

在扩展式博弈单元中已经学过：在重复博弈（多阶段博弈）中，如果每个阶段都玩纳什均衡，那它就是一个子博弈完美均衡。
由此推得：如果把囚徒困境一遍又一遍地玩下去，双方在每个时期都背叛，是一种均衡。

2.3 引出的核心问题

我们也知道，对某些扩展式博弈来说，合作是有可能实现的。
但合作在阶段博弈（一次性囚徒困境）中根本不可能。
综合起来，就产生了两个待解决的问题：

问题一：在重复囚徒困境里，有没有可能采用以合作为条件的策略？即："我现在先跟你合作，如果你对我好，我之后也跟你合作回报你；但如果你对我做坏事，我就背叛你。"

问题二：如果问题一的答案是肯定的，那么需要多少个阶段才能实现合作？三个、五个还是一百个？

理解：问题一的现实意义在于——如果我们能通过"以牙还牙"式的策略摆脱"双方都背叛"的糟糕局面，就能在重复互动中化解低效率，进入一个有效率的世界。

三、模型设定：有限次重复囚徒困境 [02:29]

两个参与者，在每一个阶段都玩一次同时行动的囚徒困境。
在每个阶段之后，之前各阶段行动的所有信息都会被公开（完全信息）。
因此：第一阶段的行动选择后，进入第二阶段之前，双方已经知道对方之前做了什么。

理解：这个"行动信息公开"的设定非常关键——它是"以合作为条件策略"能够存在的前提。如果行动不可观测，就无法根据对方行为进行奖惩。

求解方法：要解出有限长度的重复囚徒困境，并不需要设定具体的收益值（本集不涉及具体数值，无限博弈单元才会处理）。

四、两阶段重复囚徒困境的求解 [03:12]

4.1 求解方法：逆向归纳法

寻找子博弈完美均衡时，最好的办法是逆向推导（backward induction）。
从第二阶段开始，再往前推到第一阶段。

4.2 第二阶段分析

关键定理：在一个有多个阶段的博弈的最后一个子博弈里，参与者在所有子博弈完美均衡中，都必须玩纳什均衡。

推导：为什么？因为处在博弈的最后一个阶段时，之前发生的一切都已经定下来了，之前各阶段的收益已经累积完毕。我们唯一能做的就是让最后一个阶段的收益最大化。而在策略相互依存的环境里，做到这一点的方法就是玩纳什均衡——在你所做的基础上我尽力做到最好，在我所做的基础上你也尽力做到最好。所以纳什均衡是唯一能让最后一个时期收益最大化的策略组合。

在囚徒困境里，阶段博弈存在唯一的一个纳什均衡，就是双方都背叛。
所以在第二阶段，双方都选择背叛是必然的。

4.3 第一阶段分析

坏消息：第一阶段的行动无法影响未来的博弈。
无论第一阶段我是跟你合作还是背叛你，都无法改变第二阶段要做的事。
即使我今天跟你合作，你明天还是会背叛我；我没有任何动机去试图影响你在第二阶段的行为。
因此，我能为自己做的最好的事，就是让第一阶段的收益最大化——也就是背叛。
对方的角度同理，也是背叛。

4.4 两阶段结论

两阶段囚徒困境的结果就是：双方在每个阶段都背叛。合作无法实现。

五、三阶段重复囚徒困境的求解 [05:53]

求解方法同样是逆向推导。
第三阶段：作为最后一个阶段，必然双方都背叛（同前逻辑）。
第二阶段：这里的行动无法影响未来的博弈（第三阶段无论发生什么都不会被第二阶段改变）。既然无法影响第三阶段，那么在第二阶段就要根据对手策略让这一个特定阶段的收益最大化——唯一方法就是双方都背叛。
第一阶段：同理，第一阶段的行动无法影响未来。第二阶段双方都背叛（因为在第三阶段双方都背叛），所以参与者必须让第一阶段的收益最大化——唯一方法就是双方都背叛。

三阶段囚徒困境的结论：合作依然无法实现。

思考：这看起来很糟糕——累计的阶段越多，得到的低效率就越多。但也许只是因为阶段数还不够多？

六、推广到 N 阶段：逆向归纳的"多米诺骨牌" [07:04]

假设有一个非常长的博弈，比如 N 个时期。
那么第 N 阶段（最后一个阶段）就是博弈的最后一个阶段，双方在它前一个阶段都背叛。
我们无法改变未来会发生的事，所以在第 N-1 阶段也必须背叛。
因为在所有未来的阶段里双方都会背叛，这一点无法改变，我们必须让那个阶段的收益最大化。
这个逻辑像多米诺骨牌一样向前推倒所有阶段。

核心结论：对于所有有限次重复的囚徒困境来说，每个时期双方都背叛是唯一的子博弈完美均衡，不存在其他的均衡。

理解：逆向归纳的力量在于——最后一个阶段被锁定在"双方背叛"，这个锁定会像倒推的多米诺骨牌一样，把之前所有阶段的合作可能性全部"脚红"（抹掉）。这正是有限重复博弈无法实现合作的根源。

七、转折与预告：无限重复博弈 [07:20]

作者指出：这个关于重复博弈的单元并不会就这样结束。
稍后会带来好消息来盖过这一部分的"盛予"（沉重）内容——当我们面对无限重复博弈时会发生什么。

7.1 有限 vs 无限重复的对比

之前只考察了存在结束阶段（互动有某种固定终点）的情况。
设定一个随意的截止点其实挺奇怪的——现实中很多互动并没有明确的终点。
当博弈无限重复下去时，合作其实是可能的，这与有限长度博弈形成鲜明对比。

7.2 进入无限博弈前需要了解的机制

在真正进入无限长度博弈之前，需要先了解一些重复博弈的机制，这是接下来几个视频的重点：

处理无限收益的问题——弄清楚它是怎么运作的；

应对任意大数量策略带来的机制问题——以及该如何处理它；

一次性偏离原则（One-Shot Deviation Principle）——一个很好用的工具，能在这方面帮到我们。

7.3 最终目标：无明氏定理

最终会在单元里逐步构建出所谓的无明氏定理（Folk Theorem）。
将会看到：在无限长度的囚徒困境中，不仅合作可能发生，而且基本上什么都有可能发生。

社会科学家的困境：均衡几乎支持参与者所有可能的策略组合，结果是——我们能预测一切，但如果你能预测一切，那你同时也什么都没预测。这是博弈论中、也是经济学中最"复免"（令人困扰）的结果。作者将在单元很靠后的地方详细讨论。

八、关键概念解释与背景补充

8.1 核心概念速查

概念	含义
囚徒困境	双方都有占优策略"背叛"，但双方合作会得到更好结果，个体理性导致集体非理性
阶段博弈	重复博弈中每个时期所玩的那一次基础博弈
子博弈完美均衡	均衡策略在每一个子博弈上都构成纳什均衡，是扩展式博弈的核心解概念
逆向归纳法	从博弈最后一个阶段开始，逐步向前推导最优策略的方法
纳什均衡	给定对手策略，任何一方都无法通过单方面改变策略而获益的策略组合
严格占优	无论对手怎么做，该策略都比其他策略严格更好

8.2 为什么"最后阶段必须玩纳什均衡"

推导：假设最后一个阶段不玩纳什均衡，那么至少有一方可以通过改变该阶段的策略而获益（因为纳什均衡的定义就是无人能单方面改进）。既然之前阶段的收益已固定，那么改善最后阶段收益就是纯粹的改进，与子博弈完美均衡矛盾。因此最后阶段必然是纳什均衡。

8.3 逆向归纳的"连锁反应"

基础逻辑：最后阶段锁定 → 倒数第二阶段无法影响未来 → 倒数第二阶段也必须背叛 → 以此类推。
易错点：很多人直觉认为"重复次数足够多，合作就能出现"。但逆向归纳证明：只要重复次数是有限的，无论多大，合作都无法实现。这是反直觉的关键结论。

易错点提醒：有限次重复囚徒困境中，合作无法实现，与重复次数无关。100 次和 2 次的结论完全一样。不要被"次数多"误导。

九、拓展与延伸

【拓展】有限重复 vs 无限重复的本质区别

有限重复：存在明确的"最后阶段"，逆向归纳从终点倒推，摧毁所有合作可能。
无限重复：不存在最后阶段，逆向归纳无从下手，因此合作（以及其他多种结果）都可能成为均衡。
思考：现实中很多关系并没有明确的终点（如长期邻里、长期商业伙伴），这或许解释了为什么现实中合作如此普遍。

【拓展】现实案例：为什么"最后一次"最危险

商业合作中，如果双方都知道这是"最后一次交易"，那么双方都有动机在最后阶段背叛/偷工减料。
这正是逆向归纳的现实映射——终点已知，合作瓦解。
反之，如果双方都认为合作会长期持续（无明确终点），合作就更可能维持。

【拓展】一次性偏离原则（预告）

视频提到这是无限博弈单元的重要工具。
理解：它指的是——在无限重复博弈中，要检验一个策略是否构成子博弈完美均衡，只需检验"一次性偏离"（即只在一个阶段偏离，之后回归原策略）是否有益即可，无需考虑复杂的多次偏离。这大大简化了无限博弈的分析。

【拓展】无明氏定理（Folk Theorem，预告）

视频预告：在无限重复囚徒困境中，"基本上什么都有可能发生"。
理解：无明氏定理大致指出——在无限重复博弈中，只要参与者的贴现因子足够接近 1（即足够有耐心），那么任何能给每个参与者带来至少其"保留收益"的可行收益组合，都可以通过某个子博弈完美均衡来实现。这导致均衡预测力极弱，是博弈论中著名的"预测困境"。