隱藏的博弈—讀書筆記
人們總是喜歡認為自己是理性的，這也是傳統經濟學研究的基本假設，但正如行為經濟學所表明的那樣，人類的很多行為其實是非理性的——這不禁讓人懷疑博弈論在現實世界中的可信度。
這本書告訴我們，很多時候我們以為自己是被情緒、被喜好驅使着去行動，其實驅使我們的，是在漫長的人類演化過程中，早已種植在我們基因里的那些，隱藏的博弈策略。比如我們說話時為什麼會拐彎抹角，到斯德哥爾摩綜合徵的發生，以及我們為什麼會願意幫助陌生人。
博弈論的概念
在博弈論中有三個最基本的概念，也就是思維工具。了解這些工具，能幫我們理解很多現象背後的邏輯。
納什均衡
作者強調，它是整個博弈論中最重要的概念。它的提出者是數學家約翰·納什。納什均衡描述的是博弈當中呈現的一種特定的均衡狀態。在這種狀態下，所有的參與者，都不能單獨改變自己的行動策略。因為誰改變，誰就會遭受損失。
簡單來說就是，參與博弈的每一方都找到了針對另一方的最佳對策。數學家納什對這個均衡的解釋，是一套數學語言。在《博弈論與生活》這本書中，有一個案例。
美國有兩大橄欖球聯盟，一個強勢，一個弱勢，這兩個聯盟分別組織自己的比賽，強勢聯盟在秋季比賽，因為秋季市場最大，但是弱勢聯盟也想在秋季辦比賽，把對手擠到春季去，那麼，弱勢聯盟究竟該不該這麼做呢？我們假定秋季有1億人觀看橄欖球比賽，而春季只有5000萬人看比賽。如果兩大聯盟同時選擇一個季節，強勢聯盟將得到70%的收視率，弱勢聯盟只有30%的收視率。 也就是說，如果兩大聯盟同時在秋季比賽，只有3000萬人會觀看弱勢聯盟的比賽；而如果弱勢聯盟繼續選擇在春季比賽，他們還會有5000萬觀眾。面對強勢聯盟，弱勢聯盟沒有一個優勢策略，它只有一個均衡選擇，就是永遠在強勢聯盟停賽期間比賽。
也就是說，在各方都選擇了同一策略的情形下，沒有一方能夠通過獨自改變策略而獲益，此時的策略搭配和後續結果，就構成了納什均衡。在生活當中，經常會出現各式各樣的納什陷阱。
比如，一個小城市裡，有幾家漢堡店，都扎堆開在市中心，競爭很激烈。有人好奇，為什麼不分散開店呢？一人占據一塊地方，不好嗎？但是，如果我們從某一家漢堡店的角度來看，就會發現，他是不可能去別的地方的。為什麼呢？我們想，假如你是第一個開店的，如果你不開在市中心，而是開在城南邊，那這個時候如果有競爭者來了，直接把店開在市中心，那他的客源就會比你多。所以，第一家開店的，肯定會開在市中心。 那後面來的呢？他們想的其實也是這樣。只要他沒有在市中心開店，那肯定就有一部分的市場要讓給別人了。他怎麼能讓自己還沒開始競爭就輸了呢？所以最後，所有的店都開在市中心了。這就是納什均衡。
表面上看，在哪裡選址，好像是自由的。但是，在一個多方參與的博弈格局裡，每個人都要以其他人的行為為前提，去做出對自己來說最好的選擇。人人都這樣，最後就會形成納什均衡。這個時候，只要有人改變策略，他就會遭受損失。
那麼，我們這裡說的「損失」，指的是什麼呢？博弈論里所有討論的「損失」「收益」，指的都是初級獎賞的變動。
初級獎賞和次級獎賞
初級獎賞指的是那些深深刻在人類基因里的，我們生來就喜歡的東西。比如食物、安全、健康，另外還有一些社會性的東西，比如信任、名望和權力。但是，這裡並不包括金錢。因為金錢不是我們生來就喜歡的，而是我們長大以後知道了，金錢能換來很多我們前面提到的初級獎賞，我們才會喜歡金錢。
為什麼在生活中，有時候金錢激勵會失效就是這個原因。比如有的時候，沒有報酬我們也會努力地去做一些事或幫一些人。很可能我們想要的不是錢，而是一些初級獎賞，比如信任、名望。
有一項研究，在一家幼兒園裡，頒布一條新規則，說以後家長接孩子如果遲到，就按時間來收罰款。結果，遲到的家長更多了，到得也更晚了。這是為什麼呢？原因就在於，原本接孩子遲到，對於家長的懲罰是一種社會譴責，但是，引入罰款之後，家長就會想，雖然我遲到，但我交了錢，罰款就相當於託管費了；他們就不再擔心遲到了會讓幼兒園的人不高興，會讓其他家長覺得自己不稱職。這就讓金錢抵消了社會譴責。
除了金錢，還有哪些東西屬於次級獎賞？比如，愛好；或者，很多人都努力追求的職稱。這些，都屬於次級獎賞。而這些，都不是博弈論所關注的對象。博弈論，是一種分析初級獎賞的工具。在博弈論中，一切「收益」或者「受損」，指的都是初級獎賞的增或減。
近端解釋與終極解釋
為什麼印度菜的香料味很重？近端解釋是，印度人就愛吃這種口味。這關注的是次級獎賞——口味偏好。而終極解釋是，香料能抑制和殺死那些會讓食物變質的細菌。這在氣候炎熱的地區很有用。這關注的就是初級獎賞——健康和安全。
在斐濟這個地方，女性在懷孕和哺乳期間，要嚴格遵守一些飲食禁忌，不吃某些特定的魚類，比如鯊魚、梭魚和海鱔。但她們平時經常會吃這些。對於這件事，如果你去問一位女性為什麼，她很可能會說，是我媽媽囑咐我的，我們這兒都是這樣的。
但是生物學家不滿足於這一層，發現了終極解釋，那就是，那些魚裡面含有危險的雪卡毒素，過多的雪卡毒素會讓人生病。而女性在懷孕和哺乳期間更容易受到毒素的影響，毒素還會傷害到孩子。
這就是近端解釋和終極解釋的區別。雖然，近端解釋有時會很有趣，或者能解決一部分問題，但這絕對不是結束，也算不上一個令人滿意的答案，我們需要找到終極解釋。
高成本信號模型
「高成本信號」的邏輯，就是不管發送者是什麼類型，發送這個信號都是一件高成本的事情。但是，對某一些特定的群體來說，成本要相對低一些，發得起這個信號。所以，這個博弈里最重要的納什均衡是這樣的：當且僅當發送者是「高級」時，它才會發出高成本信號。所以，追溯全球歷史，人們追逐的審美、口味、偏好在不斷變化，這背後的邏輯，很多時候就是高成本信號模型。
比如，食物的口味。從中世紀和文藝復興初期的食譜里，我們其實可以看出，當時各個階層的歐洲人都是糖和香料的重度愛好者。那個時候糖和香料是進口的，很貴。普通家庭只能在隆重場合用，而商人和貴族經常這麼吃。但是後來，隨着歐洲與印度貿易的發展，糖和香料的價格下跌，所有家庭都用得起了。原本的高成本信號墜入了凡塵。所以，在法國路易十四統治期間，又流行起了一種新的烹飪風格，保留食材的原味，簡化調味。這就是在非常明確地對外發送高成本信號。
有些人會刻意去隱藏一些高成本信號。比如，作者說，在美國，有些哈佛大學的學生並不會直接說自己是哈佛的，別人問他在哪裡上學，他會回答，「在波士頓那邊」。為什麼會有像這樣的，隱藏優勢信號的行為呢？
書里講到一個故事，有個叫老李的有錢人，給當地一家美術館捐了一個新的展廳。他去參加落成典禮，看到自己的名字在展廳門口，覺得很滿意。可是一轉身，發現美術館的另一個展廳的捐獻者，居然是匿名的。他馬上就高興不起來了。他跟愛人說：「好嘛，現在顯得我像是為了名聲才捐的了。」 後來，情況更糟了。參加典禮的人都想知道匿名的人是誰，後來大家打聽出，原來是老譚。老譚正是老李的死對頭。老李聽着大家都在夸老譚，生氣地走了。回家路上還跟愛人吐槽：「沒人跟我說可以先匿名，然後再告訴大家呀！不然我肯定也這麼幹。」
那在這個故事裡，可能老譚就是想通過先隱藏信號，再暴露出來，加強人們對他這個信號的印象，還能額外地釋放一個「我很謙虛」的信號。
還有一種更大的可能性是，老譚並不是很在意，是不是所有人都知道他捐贈了。
為什麼呢？有可能老譚已經是一個特別有名的企業家了，還做過很多慈善，不需要用這一筆小小的捐贈來給自己貼金。在現實中，也有很多這樣的時候，就是一個人已經有很多優勢了，他就不需要特意主動展現其中的某一項來博取別人關注。
還有一種可能，就是他不想對所有人都發送信號，只想把信號發送給特定的人。
比如，一些頂級富豪並不會穿奢侈品牌的衣服，而是會找特定的設計師定製，這些衣服外表看起來很樸素，但是懂行的人卻能識別出，這是花錢也買不到的頂尖設計師作品。而這些懂行的人，大概率也是身家不凡。
所以，隱藏，其實本身就是一種高成本信號。它表示你能承擔得起有人看不到你的一些優勢信號的後果。換句話說，低調、謙遜、匿名，這些「不炫耀」，恰恰是最貴的炫耀信號。
子博弈完美均衡
1878年，在美國，有兩個大戶人家，哈特菲爾德家族和麥考伊家族。這天，他們因為一頭豬鬧上了法庭。原來，這頭母豬在哈特菲爾德家族的地盤上下了崽兒。哈特菲爾德家族就說，這些豬都是我的。但是麥考伊家族說，這頭母豬耳朵上有我家的標記，這些豬應該都是我們的。他們在法庭上吵個不停。 經過了漫長的審判，最終，豬被判給了哈特菲爾德家族。事情到這裡就結束了嗎？並沒有。在這之後的10年裡，這場爭吵逐漸升級成了一場只能用「屠殺」和「鬥爭」來形容的全面戰爭。這10年裡，雙方一直在變本加厲地相互報復：打架、綁架、闖進家裡打人、懸賞抓人、放火燒屋、槍戰，事情不斷惡化……兩個家族就這麼一步步地，一起走向了毀滅。
從事後結果的角度來看，兩家的行為是很不理性的。表面上看，我們讓情緒代替了理性思考。但是，博弈論學者們發現，這只是一種近端解釋。而終極解釋是，這種「以牙還牙」的策略，其實是一種動態博弈中的子博弈完美均衡。這種看起來不夠理性的行為，其實是「隱藏的博弈」之中的理性選擇。
以牙還牙
說的是兩個囚徒，雖然從全局角度來看，兩人都不招供是最好的，但是如果設置的懲罰是，你被對方單方面指認了，就會受重罰，那麼兩個囚徒從自身的利益考慮，都會選擇背叛對方，把對方供出來。
囚徒困境的解法就是，增加博弈的次數，把單次博弈變成重複博弈。比如，如果這兩個囚徒都是一個組織里的，即使暫時坐牢了，出來以後肯定還會再見面的，那他們互相背叛的概率就會降低。
其實，到這裡，事情還沒有結束。如果我們構想這麼一個多輪的動態博弈，每一輪，博弈雙方都可以自由選擇是合作還是背叛。那麼其實，選擇在每一輪里都合作，並不是對個人來說最優的策略。
那最優的策略是什麼呢？學者們經過數學計算和計算機模擬，得到的是這麼一個策略，就是在每一輪雙方都同時做出選擇的情況下，你作為其中一方，第一輪你先選擇合作，之後的每一輪，都複製對方的上一步——他合作，你就合作；他背叛，你也背叛；他改正重回合作，你也改正。這個策略，名字就叫「以牙還牙」。
要在現實中使用這種策略，我們記住三件事就可以了：第一，要先亮出合作的、友善的態度，不主動傷害別人；第二，不要忍氣吞聲，如果對方背叛了你，你也背叛他；第三，如果對方改正，你也繼續合作，而不是咬住不放，不停地背叛。
但是，你可能會注意到，這種策略應用的前提是，雙方每一輪要同時做出選擇。那如果是雙方輪流出招，最優策略是什麼呢？
重複懲罰博弈
在這個博弈裡面，每一回合，都是第一個人先行動，選擇合作還是背叛，然後第二個人再行動，不過第二個人選擇的就不是合作還是背叛了，而是要不要懲罰第一個人。
那麼我們想想，在這樣的重複懲罰博弈里，子博弈完美均衡是什麼？子博弈完美均衡，不僅要求全局上是納什均衡，在每一個回合（也就是子博弈）里，也要是納什均衡。
我們來想，如果第一個人的策略是每次都合作，那麼第二個人在設想第一個人有偶爾一次背叛的時候，還有動機去懲罰他嗎？如果懲罰是要付出成本的，要耗費人力物力，那可能第二個人就不去懲罰了，因為下一輪第一個人還會是合作，懲不懲罰就無所謂了。而如果第一個人也知道這一點，那麼他就有動機去背叛，這一套想下來，就會破壞納什均衡。
所以，這裡的關鍵就在於，要能保證，只要第一個人背叛，第二個人就一定會選擇懲罰。怎麼實現這一點呢？我們要在前面的策略裡面加上一個條件，變成：
只有當第一個人看到，之前所有的背叛行為都得到了懲罰，他才會選擇合作。否則，他就背叛。這樣的話，第二個人如果不懲罰背叛行為，之後就會承受損失了。那他一定會對背叛行為做出懲罰。這才能構成子博弈完美均衡。
其實在重複博弈中，必須要讓過去的事情變得重要，這才是能維持合作的唯一途徑。博弈論告訴我們的是，有條件的合作要好過無條件的合作，「以直報怨」要好過「以德報怨」。那種無條件的合作，會鼓勵不守規矩的人去欺負守規矩的人。而對背叛有懲罰，至少是有可以懲罰的威懾力，才更有利於長久的合作共贏。
所以，看起來不夠理性的「以牙還牙」，其實正是「隱藏的博弈」中的理性選擇。
