阿克塞尔罗德的重复囚徒困境锦标赛

阿克塞尔罗德的囚徒困境锦标赛检验了策略反复相遇时，合作相对于背叛会有怎样的表现。其核心结论并非善意总能获胜，而是一种起初合作、随后回应对手行为的简单策略，在适当的策略环境中能够兴盛；后续的进化研究还表明，这种环境的组成会如何随时间变化。

博弈与锦标赛设计

在人类参与的囚徒困境版本中，两名玩家各自选择合作或背叛，且看不到对方的选择。银行家揭开两张牌，并根据牌面组合支付报酬。由于每名玩家的回报取决于双方的选择，这个博弈清楚地区分了个人激励与共同结果。锦标赛将这一结构转化为重复进行的对局，其中策略是预先编写的规则，用来决定在连续各轮中采取何种行动。

在第一场比赛中，阿克塞尔罗德邀请博弈论专家用计算机语言提交策略。共有十四项策略参赛，阿克塞尔罗德另加第十五项“随机”策略，作为基准，以随机方式选择合作或背叛。他将全部十五项策略转换为同一种编程语言，并安排每项策略与其他每项策略对局，包括与自身的复制版本对局。由此产生了二百二十五场独立比赛。每组对局进行二百步；将每项策略在其十五组对局中获得的收益相加，得出总分。计分方式为——双方合作得三分，背叛的诱惑所得五分，双方背叛得一分，受骗者所得为零分。

一报还一报与第二场比赛

第一场锦标赛的获胜策略是阿纳托尔·拉波波特提交的“一报还一报”。它的规则很简单——第一步合作，之后照做对手上一步的行动。与自身的另一个复制版本对局时，该策略能让双方在整场比赛中持续合作，使两名玩家都获得六百分这一基准满分。与其他更复杂的参赛策略相比，这一结果显示，简单规则的力量出乎意料地强大。

阿克塞尔罗德的第二场锦标赛收到六十二项参赛策略，加上再次加入的“随机”策略，共有六十三项。与第一场比赛不同，每场比赛的步数不再固定为二百步，而是保持开放。参赛者已知第一场比赛的结果，也读过阿克塞尔罗德对友善且宽容的策略表现出色的解释。有些人因此提交了这类策略；另一些人则预料竞争者也会这么做，于是提交了旨在利用这些策略的策略。约翰·梅纳德·史密斯提交了较宽容的“一报还两报”。

“一报还一报”再次获胜，得分达到基准分的百分之九十六。友善策略总体排名靠前——前十五名中只有一项不友善，后十五名中也只有一项不属于不友善策略。然而，如果“一报还两报”参加第一场锦标赛，它本会获胜，但它没有赢得第二场比赛。它那异常宽容的规则可能被更隐蔽的不友善策略利用。这一对比表明，某项策略在锦标赛中的成败部分取决于恰好有哪些对手参赛，而不能只看它自身的规则。

从竞争到进化变化

为了摆脱参赛策略组合的任意性，阿克塞尔罗德在计算机模拟中使用同样的六十三项策略，并将其视为进化更替。第一代中每种策略的占比相同。每一代结束时，收益转化为与无性亲本完全相同的后代；因此，表现良好的策略数量增加，其他策略则变得稀少或消失。各种策略占比的变化，改变了后续世代进行博弈时的策略环境。

约一千代之后，各种策略的占比不再变化。到第二百代时，大多数策略已经灭绝，不过有些不友善策略最初有所增加。“哈林顿”是唯一一种存活过这一阶段的不友善策略——它的频率在约一百五十代间急剧上升，随后逐渐下降，到约一千代时趋于灭绝。它暂时的成功源于利用了“一报还两报”这类过于宽容的策略。一旦这些容易利用的目标被淘汰，“哈林顿”便失去优势，为友善但会以牙还牙的策略留下了空间。

在六次模拟中，“一报还一报”有五次排名第一；另外五种友善但会以牙还牙的策略也取得了近乎同样的成功，其中一种赢得了剩余的一次模拟。当不友善策略消失后，存活的友善策略彼此合作，在实际表现上无法区分。这一结果限定了“一报还一报”表面上的胜利——它能够抵御不友善策略的入侵，但并非严格意义上的演化稳定策略，因为另一种友善策略可以进入由友善合作者构成的种群，而不会被察觉，也不会立即处于劣势。这一区别把锦标赛的发现与一个更广泛的观点联系起来——判断某项策略是否成功，必须考察它在自身已普遍存在的种群中的表现，而不应只看它面对一组经过挑选的竞争者时的表现。

超越计算机的合作

这些锦标赛说明，即使不要求每个参与者都具有有意识的远见，重复互动也能支撑合作。这本书将这一分析框架从计算机策略延伸到生命，把有机体描述为在进化意义上遵循预先设定的规则。根据这种解释，合作行为能够促进基因的长远成功，尽管其背后的进化过程并无目的。因此，这种解释将表面上的策略意图视为一种有用的比喻，而不是基因或程序化策略能够有意识地制定计划的证据。

规则与激励之间的同一差别，也体现在这本书对人类制度安排的讨论中。离婚或许能让分居的伴侣为了共同利益而合作，包括减少法律费用并为子女保留资源。但在英格兰以及直到最近仍包括美国全部五十州的地区，职业规则都要求律师只能接受伴侣一方作为委托人。即使伴侣双方更愿意友好解决争端，这种制度也可能使争端变成对抗；律师还可能从由此产生的诉讼中受益。规则不仅管理冲突，也可能决定参与者将冲突视为零和斗争，还是视为存在共同获益空间的情形。

英格兰足球联赛提供了一个相反的例子。1977年5月18日，布里斯托尔与考文垂正在进行一场将决定两队是否会降级的比赛。桑德兰的赛果对双方都很重要——桑德兰落败的消息传来后，只要打成平局，布里斯托尔与考文垂就都能留在甲级联赛。布里斯托尔—考文垂比赛比原定时间晚了五分钟，因此比赛结束前赛果就已揭晓。球场公布这一消息后，两队都有理由保住平局，而不冒进球的风险，以免其中一队因此降级。于是，这场原本由对手之间展开的较量，变成了双方都能从同一结果中获益的局面。

这本书借助这些例子，强调了重复博弈与结束时间不确定的重要性。如果玩家确切知道互动何时结束，最后一轮可能诱使他们背叛；反向推理也可能瓦解更早轮次中的合作。相较之下，在无期限或无法预料何时结束的重复博弈中，未来还会相遇的可能性能够维持互惠。因此，锦标赛持久的启示是有条件的——当策略、重复相遇及周围规则使合作切实可行时，合作就能在本质上具有竞争性的世界中兴盛，但仅凭善意并不能保证合作。