兩名嫌犯分開受訊。每人有兩個選擇:沉默或自首。刑期結構如下(以年計):兩人都沉默,各判 1 年;兩人都自首,各判 5 年;一人自首、另一人沉默,自首者釋放,沉默者判 10 年。這個結構叫囚徒困境(prisoner’s dilemma)。Merrill Flood 與 Melvin Dresher 在 RAND 於 1950 年構造了它,名稱與監獄刑期的故事出自 Albert Tucker[1]。

這個結構不只出現在警察局。價格戰、軍備競賽、網路擁塞、研發競爭都有同一個形狀:對我個人最有利的選項,當所有人都選它時,整體結果變差。這是經濟學、生物學與網路工程共同面對的問題,賽局理論(game theory)是分析它的數學工具。

答案是納許均衡(Nash equilibrium)。1950 年,John Nash 證明:任何有限賽局都存在一個策略組合,讓每個人都無法靠單獨改變自己的策略來改善自己的結果[4]。在囚徒困境裡,「雙自首」正是這個均衡。重點:納許均衡是「穩定」的結果,不是「最好」的結果。「雙沉默」對雙方更好,但維持不住,因為每人都有一方偏離的動機。

1. 問題:囚徒困境的收益結構

B 沉默B 自首
A 沉默A:1 年,B:1 年A:10 年,B:0 年
A 自首A:0 年,B:10 年A:5 年,B:5 年

具體刑期是標準示例設定;重要的是收益的順序,不是具體數值[1]。以 A 的角度看,刑期越短越好,四個結果的順序是:

0 年(我自首、對方沉默)< 1 年(雙沉默)< 5 年(雙自首)< 10 年(我沉默、對方自首)

這個順序有兩個後果。第一,無論 B 做什麼,A 自首的結果都比沉默好(0 < 1,5 < 10)。「自首」是 A 的支配策略(dominant strategy)。B 的情況相同。第二,「雙自首」(各 5 年)對雙方都差於「雙沉默」(各 1 年)。

囚徒困境的 2×2 收益表與最佳回應箭頭

圖:囚徒困境的 2×2 收益表與最佳回應箭頭。紅色箭頭是每個玩家對另一玩家選擇的最佳回應,四支箭頭都指向「雙自首」——唯一的納許均衡(藍框)。「雙沉默」(橘框)對雙方更好,但不是均衡。刑期是標準示例數字,示意非實測。

所以問題是:每人選對自己最有利的選項,結果是雙輸。

2. 原理:最佳回應與納許均衡

给定另一玩家的策略,讓我自己收益最大的策略,叫作我對該策略的最佳回應(best response)。在囚徒困境裡,對方沉默時,我的最佳回應是自首(0 年 < 1 年);對方自首時,我的最佳回應也是自首(5 年 < 10 年)。

1950 年,Nash 在 Proceedings of the National Academy of Sciences 發表兩頁短文,證明任何有限賽局(玩家數與策略數都有限)都存在一個策略組合,使每個玩家的策略都是對其他玩家策略的最佳回應[4]。這個策略組合叫納許均衡。完整證明發表於 1951 年的 Annals of Mathematics[5]。

納許均衡的定義有兩層:

  • 穩定:沒有人能靠單獨改變自己的策略來改善自己的收益。
  • 相互最佳回應:每個人的策略都是對其他人策略的最佳回應。

在囚徒困境裡,「雙自首」是唯一的納許均衡。

領域的歷史:1928 年,von Neumann 證明極小極大定理(minimax theorem)——在兩人零和賽局(一方的收益恰好是另一方的損失)裡,雙方的最優策略存在,且賽局值可計算[2]。1944 年,他與 Morgenstern 出版《Theory of Games and Economic Behavior》,把賽局理論建立成一個學科並延伸到經濟學[3]。但極小極大定理只涵蓋零和賽局。囚徒困境是非零和賽局(雙方收益總和隨結果改變),Nash 1950 年的結果補上的正是這個缺口。1994 年,Harsanyi、Nash 與 Selten 因「對非合作賽局理論中均衡的先驅性分析」共同獲得諾貝爾經濟學獎[6]。

3. 為什麼均衡不是最優:納許與帕累托的差距

帕累托最優(Pareto optimal):一個結果,若無法讓任何人變好而不讓其他人變差,就是帕累托最優。

在囚徒困境裡,「雙沉默」(各 1 年)帕累托優於「雙自首」(各 5 年):雙方都變好,沒有人變差。但「雙沉默」不是納許均衡——對方沉默時,我的最佳回應是自首(0 年 < 1 年)。

所以核心答案是:賽局理論裡的「理性」指「沒有人能靠單獨改變策略改善自己的收益」,不是「最大化雙方收益總和」。納許均衡是穩定,不是最優。理性(窄義)不保證集體好結果。

4. 限制:困境什麼時候可以逃離

一次性囚徒困境的結論依賴四個假設:

  1. 賽局只玩一次,沒有未來互動。
  2. 雙方無法達成有約束力的協議。
  3. 每個人都完全理性,且只關心自己的收益。
  4. 雙方都知道收益結構,且知道對方也理性(共同知識)。

任一假設被打破,結論就改變:

  • 重複互動:1980 與 1981 年,Axelrod 舉辦兩屆電腦比賽,讓每個策略與其他每個策略對打 200 輪囚徒困境,以總收益計分。最簡單的策略 TIT FOR TAT(第一步合作,之後複製對方上一步的動作)兩屆都獲勝[8]。他 1984 年的書《The Evolution of Cooperation》說明:沒有中央權威的世界裡,自利的玩家之間的合作可以在賽局重複足夠多次時出現[8]。
  • 演化視角:1973 年,Maynard Smith 與 Price 提出演化穩定策略(evolutionarily stable strategy, ESS)——一個策略若在族群中固定,突變策略無法入侵。它把賽局理論的邏輯應用到動物行為,解釋合作與衝突如何演化[7]。
  • 制度與執行:合約、法律與名聲機制改變收益結構(背叛有代價),等於換了一個賽局。

5. 答案:理性的侷限

「理性」在這裡指「沒有人能靠單獨改變策略改善自己的收益」,而「雙自首」正是所有人都玩最佳回應時的穩定點。穩定不等於最優:「雙沉默」對雙方更好,但維持不住,因為每人都有一方偏離的動機。

常見誤解

  • 「納許均衡 = 對所有人最好的結果」:錯。均衡只是「沒有人有動機單獨偏離」的狀態;它可能比另一個結果對所有人都差(囚徒困境正是例子)。
  • 「賽局理論 = 撲克技巧集」:錯。賽局理論是研究策略互動下決策的數學;「賽局」是模型,不是賭博建議。
  • 「所有賽局都是零和」:錯。零和賽局裡一方的收益恰好是另一方的損失;囚徒困境裡雙方收益總和隨結果改變(非零和)。

給讀者的自我檢查

  • 第 1 節的收益表裡,為什麼「自首」是支配策略?
  • 納許均衡與帕累托最優的結果差在哪?舉一個例子。
  • 重複囚徒困境裡,TIT FOR TAT 為什麼能促進合作?

回到開頭的問題:理性的兩個人為什麼會做出對雙方都差的決定?因為「理性」指「沒有人能靠單獨改變策略改善自己的收益」,而「雙自首」正是所有人都玩最佳回應時的穩定點。穩定不等於最優:「雙沉默」對雙方更好,但維持不住,因為每人都有一方偏離的動機。

適用條件與限制:一次性囚徒困境的結論只在第 4 節的四個假設下成立;有重複互動、約束性協議或制度約束時,結果可以不同於一次性納許均衡。如何設計具體制度讓新賽局的均衡變好,是另一種設計問題,本文引用的來源未涵蓋。