从2017年5月7日开始，我开始阅读一本从罗胖子那边买来的书《囚徒困境——冯诺依曼、博弈论和原子弹之谜》如果说，活了25年，让我排一下至今对我影响最大的前几本书
这本书，我可以排到前三位
至于为什么，就是我今晚码字的原因
容我细细道来
关于占了整本书三分之二篇幅的有关冯诺依曼、原子弹和博弈论的历史，我毫无兴趣，就此略过
我会分四个大部分，简要介绍在我眼中，这本书带给我如醍醐灌顶般的启发
“囚徒的困境”的描述
关于这个经典的博弈情景，包括我在内的很多人都听过，大学里的公共课程也都做过类似的介绍或者是实验
我这里与诸君一同回忆一下
这个博弈第一次被在公共场合提出来，是1950年普林斯顿大学的数学家塔克在斯坦福大学为心理学系做的讲座：
“
两个被指共同犯法的人被警察分别关押。两人都被告之：
1、如果一个人招供而另一个人不招供，前者将获得奖励，后者将受到惩罚
2、如果两个人都招供，那两个都要受到惩罚，但程度要比1的程度轻
3、如果两个人都不招供，两个人都会无罪释放
”
作为一个理科生，阅读文字永远都不如图表和量化来的清晰：
虽然量化了，但是似乎奖励越好对应的数字越小，不直观！
所以将以上图表再做优化，从“判刑”模式变成“得分”模式
即：1、甲乙都合作，各得2分；
2、甲乙都背叛，各得1分；
3、甲背叛，乙合作，甲得3分，乙得0分
4、甲合作，乙背叛，甲得0分，乙得3分；
这里把0分称为“傻瓜回报”，1分称为“惩罚回报”，2分称为“奖励回报”，3分称为“引诱性回报”
“囚徒的困境”的“理性”结果
书中有提到过“纳什均衡”这个概念，不过书中并没有将从数学角度去证明，而是用了一个通俗的解释，对于这种形式我很喜欢。
简而言之，数学家约翰纳什对博弈的分析方法是类似于“马后炮”式的事后分析：
“
在博弈之后，对每个参与者进行事后分析
轮流询问每个参与者
在对手玩法确定的前提下
你是否要对自己的抉择进行改动
直到每个人都乐于接受自己的结果
则该结果就是平衡点
”
用此方式对上述囚徒困境进行分析：
1、对甲而言，如果乙选择合作（乙C）：自己选择合作（甲C），得2分；自己选择背叛（甲B），得3分。所以对于甲，在乙选择合作的情况下，甲不后悔的均衡点是“背叛”（B）
2、对甲而言，如果乙选择背叛（乙B）：自己选择合作（甲C），得0分；自己选择背叛（甲B），得1分。所以对于甲，在乙选择背叛的情况下，甲不后悔的均衡点是“背叛”(B)
对于乙来说，结果也是一样。
通过事后的“马后炮”分析，甲、乙双方都不后悔的“均衡点”都是背叛（Betray）
但是回过头来想一想，似乎哪里不对
为什么双方都不后悔的决定，最后的结果是“两败俱伤”？
明明从上帝视角来看，双方都合作才是最好的结果
这里“集体利益”与“个人利益”产生了明显的冲突
“理性”的人会陷入困境——囚徒的困境
那到底是因为什么，才会导致这种囚徒困境呢?
即，当“傻瓜回报”（0分）<“惩罚回报”（1分）<“奖励回报”(2分）<“引诱回报”(3分) 时就会出现囚徒困境
所以，如果一种博弈或者说一种选择
“互相合作（CC）”的共同利益还比“祈祷对方是个傻子”（BC或CB）时要低
这种情况下就会出现囚徒困境
（生活中，人都希望别人都是傻子，只有自己是聪明人）
这种情况下的唯一的“理性”结果，就是双方都受到惩罚（BB）
两败俱伤！
单次的囚徒困境有解吗？
目前没有，看上去永远也不会有
解决囚徒困境的唯一方法，就是避免囚徒困境
所以一个好的社会、好的公司、好的团体，就是要标榜道德、公司文化和价值观去促进合作（CC）
另一方面去立法、立规去惩罚背叛（BC、CB、BB）
否则，由理性带来的BB会对集体利益造成伤害
关于多次的囚徒困境
第二部分讲的理性结果是基于囚徒困境只进行一次的情况下
书中还提到了多次囚徒困境
即，由多人、多次进行囚徒困境的博弈
如何在个人利益和集体利益之间获得平衡？
当然，从上帝视角来看
“
CC的集体得分是（2+2=4分）
BC和CB的集体得分是（3+0=3分）
BB的集体得分是（1+1=2分）
”
无疑，如果双方一直合作CC下去，集体得分最高，个人得分也相对可以接受
但是第二部分双方均不后悔的“理性”结果告诉我们
只进行一次的囚徒困境博弈，互相背叛BB似乎是唯一解
但在多次博弈的背景下，采用什么策略才更加“理性”？
这里，书中提到了一种实验方法
先建立不同种的策略，每种策略用一段脚本表示
然后让所有的策略两两博弈，经过足够多的博弈后，看每种策略的得分：
这里选取了几个比较有特点的策略：
1、永远合作的好人派（ALL C）
2、永远背叛的理性派（ALL B）
3、神经兮兮的随机派 (Random）
4、一报还一报（TT）
注释：
一报还一报是指，如果对方本回合背叛，则自己则会在下一回合报复；如果对方本回合合作，则自己会在下一回合合作。
TT：书中把一报还一报称为“TIT FOR TAT”，我也不知道啥意思
囚徒困境的分值设置和上面一样：
1、甲乙都合作（CC），各得2分；
2、甲乙都背叛（BB），各得1分；
3、甲背叛，乙合作（BC），甲得3分，乙得0分
4、甲合作，乙背叛（CB），甲得0分，乙得3分；
然后让两两进行博弈测试，类似于下图：
因为书中提到的策略有很多种，有一些是基于上述几个策略的改良：
1、一报还两报：对方背叛一次，下两回合都会背叛，之后才恢复合作
2、两报还一报：对方连续背叛两次，下一回合才背叛，否则一直合作
3、90%一报还一报：对方背叛一次，下一回合90%几率会背叛，之后才恢复合作
.............
据说最长的一个策略，用代码语言表示，写了几百行
有兴趣的人，可以用python或JS把上面的策略都列出来，大家都捉对厮杀，看最后得分
书中直接给出了结论：
“一报还一报”策略在多人多次的囚徒困境中胜出，是最优策略
虽然ALL B的策略符合单次囚徒困境的理性结果，但是在多种策略的竞争下
因为背叛带来的系统性分值降低而在整体得分上输给了“一报还一报”
因为在很多回合的博弈中，ALL B策略一直在逼迫合作者背叛，最后的结果往往是怀揣善意想合作的人被迫背叛而两败俱伤
而ALL C策略则相反，一直在引诱对方背叛，最后往往被ALL B这种凶狠的策略所剥削，得分比ALL B还要惨
而一报还一报TT策略则相对有原则
“一报还一报”从不“剥削”任何策略，也不向任何凶恶的策略低头
这个策略没能打败任何人，但是它最终赢得了比赛
书中还提到了一个很“有趣”的现象——一报还一报策略之间博弈的回声现象
如表展示，如果两个TT策略中某一个进行中途叛变，之后双方仍然坚守自己“一报还一报”的策略，就会陷入一个互相背叛的过程，永不停止。
而互相背叛的平均得分则低于双方共赢时的平均得分。
这个回声现象给我的启示：两个互相信任且要强人，如果一方在合作中途丢了初心（选择背叛），那么双方将陷入无止尽的相互背叛当中，再难以回到双赢的局面
囚徒困境给我的震撼与启示
1、一切都是囚徒困境
第一次听到一个博弈的时候，我觉得就是一帮闲的蛋疼的逻辑怪想了个题来消遣，心里不断repeat一句话
“研究这个有什么用？能改善生活吗？”
后来这本书里的一句话让我醍醐灌顶
“只要有利益冲突的地方，就会有囚徒的困境”
而在利益纠缠的生活中
工作上一起合作做一件事，外卖来了谁去拿一下外卖，吃完饭了谁来买一下单
甚至恋爱阶段男女双方的相处
经常在新闻上看到两国关系的新闻，美国对俄罗斯在AAA方面进行制裁，第二天，俄罗斯对美国在BBB方面进行制裁。那时候觉得好幼稚，好无聊。现在想一想，这不就是“一报还一报”吗？
“一切都是囚徒困境”
而如果基于所谓
理性、不后悔的博弈选择
所有的结果都会是
背叛背叛背叛
也许并不是因为人品很差劲，而是陷入了这种困境
如果将“奖励性回报”提高，同时降低“引诱性回报”，将双方从困境中解救出来
（公司完善绩效考核机制、惩罚不作为的员工、拿外卖的人少付一份钱，不拿的人多付一份钱、吃完饭第一个买单的朋友可以和餐厅里漂亮小姐姐跳一支舞）
或许这样，合作、忠诚、友情、爱都将回归
2、我应当做一个什么样人？我应当如何教育我的子女？
一切都是囚徒困境
那么人与人之间的关系就是
一次性囚徒困境博弈与重复性囚徒困境博弈组合
每个人都有一个自己的策略，与社会上形形色色的人进行博弈
每个人在每次博弈之后的总分，就是代表自己的生活质量与地位
遇到不顺心的背叛者（ALL B）或者其他侵略性较强的人
我们可能会选择“背叛”来保证自己的单次利益
或者在社会的逼迫或者所谓良心的谴责下选择“合作”而得到“傻子回报（0分）”
为了得到更多的分数，以后只会与这种人进行少量甚至只有一次的接触（单次囚徒困境博弈）
如果与一个一生只会见一面，做一次囚徒困境博弈的人进行博弈，最好还是选择背叛
但是很多情况下，我们被迫与一些人不得不进行多次博弈：
同一部门的员工，自己的亲人，自己的同学朋友
有些亲密关系（父母、兄弟）带来强烈的信任感，我们可以选择永远合作（ALL C）来保证得分最大化
有些缺乏信任感但又不得不进行多次博弈，那我们该怎么办？
“一报还一报”的策略是所有重复囚徒困境博弈的最优解
所以，我应该做一个“一报还一报”的人，用人的语言来讲：
我应当以合作为先，去拥抱世界，但是要爱憎分明，睚眦必报！
爱憎分明是为了让自己的行为具有“可预测性”，让ALL C的人放心大胆合作，也让心里有着“背叛”念想的人知道背叛的后果将是下一回合毫无余地的报复
睚眦必报并不是没有胸怀，胸怀是在你背叛后再次来合作，我仍然以合作的态度与你进行更下一个回合的博弈。
不翻旧账，但是旧账必须要算完
我爸爸妈妈从小都是老实人，爷爷奶奶外公外婆都是辛勤劳作的农民
中华民族优良的传统品质流淌在他们的血液里
他们教育我，要相信他人的好，原谅他人的错，得饶人处且饶人
其实就是告诉我，要做一个（ALL C）策略的人
但是在这个处处都是囚徒困境博弈的社会上
ALL C的唯一结局只能是被凶狠的背叛为主的策略们无情剥削、欺骗
以前，我一直都很迷茫，到底是听妈妈的话，做一个温和、善良的老实人
还是彻底堕入囚徒的“理性”圈套，做一个ALL B？
这里我终于找到了支持“一报还一报（TT）”世界观为最优解的理论数学基础！
以后我也会教育我的子女，一定要做一个一报还一报（TT）的人
不因为别的，而是让信任你的人更信任，让背叛你的人不好过，让有背叛之心的人知道下场！
3、我应当多和什么样的人在一起？
试想一下这个重复囚徒困境实验：
“
在一个“ALL C”的策略池中，放入几个“ALL B”，然后每轮博弈的后得分最低的几位被淘汰，很显然，ALL C 的策略们在与自己交手时会得到奖励回报（2分），而在与ALL B策略交手时会得到傻瓜回报（0分），对方得到引诱回报(3分)。如果所有的策略可以像细菌一样进行自我繁殖，这个ALL C的群落就会慢慢被ALL B策略所取代。但是整个群落最后会从互相合作的高得分群落（2+2）变成一个互相背叛的低得分群落（1+1），灭绝的原因就是引来了几个凶狠ALL B。
”
任何高尚群体都要远离以背叛、剥削为主的个体，因为一两个就会彻底腐化整个系统
另一个实验：
“
在一个“ALL B”的策略池中，放入几个“ALL C”，不用过多分析，在规定必须与所有群落成员进行博弈得分的条件下，几个ALL C分分钟被淘汰
”
ALL C进入到不明的凶狠群体，如果不能学会抱团取暖，就永远是别人眼中的肉
第三个实验：
“
在一个“ALL B”的策略池中，放入几个“TT（一报还一报）”，TT与ALL B博弈时，TT在第一轮遭受背叛后的行为与ALL B保持一致；TT与TT自己博弈时，行为则与ALL C保持一致；所以每轮，ALL B成员每次博弈的平均得分为1分，而TT成员每次博弈的平均得分将高于1分；最终，TT将在ALL B的群落中胜出！
”
即使在恶劣、充满背叛的ALL B环境中，一报还一报者（TT）在面对ALL B时保持凶狠，在面对自己人时抱团取暖。即使一开始人数占比在整个群落中很低，但是只要保持初心，守住原则，最终还是会胜出。
这里TT与ALL B对阵时，行为与ALL B无异。这个现象让我想到一个现象，很多人的策略一开始是好的，但是在恶劣的环境中为了保护自己，只能也变得凶狠，有些人直接就忘记了自己是TT，彻底沦落成了ALL B那种Loser，最终只能被淘汰。
所以，我应当多和什么人在一起？
在无情的社会中，有太多凶狠的掠夺者，他们有时候一下子攫取了很多利益（3分），但是他们不是这个自然界最终的胜者。作为一个一报还一报TT者，只要守住初心和原则，不和ALL B们同流合污。找到自己的战友们TT，未来始终是我们的。
4、其他的一些碎碎念与呢喃
社会的问题很复杂，很多事情不是简单的囚徒困境就能解释的，毕竟囚徒困境只有合作和背叛两种选择，但是我相信爱憎分明、守住初心的世界观是正确的，世界不会是ALL B的世界，将会是TT的美好明天。
上文提到过，恋爱中男女的关系似乎也是某种囚徒困境
是，也不是
TT的策略在这里似乎很不适用了
因为一报还一报策略中，突发状况造成的回声效应（上文有提过）会让双方进行轮流的背叛与合作
而降低最终的整体得分
也许在之后的某一次博弈中
一方认为ta处在多次重复性博弈中
而另一方则认为这一次其实是最后一次博弈了
书中有一句话
如果你所爱的那个人不愿意做出牺牲，那么你最好成全她，记住，你是真心爱着那个人的。
是的吧
给对方引诱性回报的3分
总比为了惩罚性回报的1分而最终闹的不可开交要好吧
I love you，so I choose ALL C for you，though you still leave me in the end.