博弈论（万维钢）

为什么一群理性人会稳定地卡在一个谁都不想要的结果里——骂人、换人、道德教育，为什么从来治不好价格战、内卷和争吵？

一台「人 → 局」翻译镜：囚徒困境诊断坏结果不需要坏人，纳什均衡解释坏稳态为何锁死，机制设计反推规则把均衡点挪走。

f(x)

开骂之前先翻译一遍：先判定这是不是均衡；是，就放弃改人心，去转支付矩阵、信息条件、重复次数三个旋钮——但别把最亲的人也翻译进局里。

被同事坑了，第一反应是「这人怎么这么坏」；公司陷在价格战里出不来，第一反应是「行业风气坏了」；和最亲的人为同一件小事反复吵，第一反应是「我们不够爱了」。万维钢按住的就是这三个念头：你一直在「人」这一层找原因，可答案常常在「局」这一层。

这本书要回答的不是「我怎么赢」，而是一个更冷的问题：为什么一群理性人，会稳定地卡在一个谁都不想要的结果里出不来？价格战里没有哪家想打，内卷里没有谁想熬到深夜，可它们年复一年稳定存在。如果坏结果真来自坏人，那换人、骂人、道德教育早该起效——现实是几乎从不起效。一个长期稳定存在的「不合理」，很可能根本不是不合理，而是没人能单方面改变它。旧的归因方式（找人品故障）在这里失灵，新的问题由此立起来：这些谁都难受的稳态，到底被什么锁住？

万维钢的回答是一台「人 → 局」翻译镜：把「人」的故障，翻译成「局」的结构。镜子由三个互锁的零件构成——不是三个话题，是同一台机器的三个零件，各管一段。

囚徒困境负责诊断：坏结果不需要坏人。当每个人的占优策略都是背叛，全体背叛的结局就比全体合作更糟；公地悲剧、军备竞赛、价格战、内卷，全是它的变体。错的不是人心，是支付矩阵。

纳什均衡负责解释稳定：它不是「最好的结果」，而是「没有人愿意单方面偏离的结果」。红绿灯是均衡，堵车也是均衡。荒唐现象长期不倒，往往正因为它是均衡——谁先单方面退出，谁先吃亏，所以谁都不动。

机制设计负责给杠杆：反向的博弈论，不问「给定规则结果如何」，而问「想要某结果该设计什么规则」，让自私的人在追逐私利时自动产出社会收益。亚当·斯密那只「看不见的手」，是它最早的直觉。

三个零件收成一条公式：行为 = f(博弈结构, 信息条件, 重复次数)，远大于 f(人品, 道德, 教育)。这条公式最颠覆的推论落在道德本身。Axelrod 的计算机锦标赛证明，重复博弈里「以牙还牙」回报最高——善良（先合作）、可激怒（背叛必报复）、可原谅（对方回头就既往不咎），这三条恰好就是日常说的「好人」。好人不是道德高尚，是这套策略回报最高。再往下一层：合作甚至不需要信任，只需要「未来的阴影」——只要知道这局还会再玩、背叛会被发现和惩罚，两个纯粹自私的人也会自发合作。熟人社会合作高，因为阴影长；匿名社会合作低，因为阴影短；区块链和声誉系统的全部价值，就是人工把这道阴影拉长。

接受这台翻译镜，处理坏结果的顺序整个反过来。旧顺序是先找人：谁的错、换掉他、教育他。新顺序是先判定：这是不是一个没人愿意单方面离开的纳什均衡？如果是，改人心几乎必然无效，能动的只有三个旋钮——支付矩阵、信息条件、重复次数。

把镜子挪到书外试一次：大厂加班内卷。只要绩效是相对排名，同事多留一小时你的位次就掉，多留就是每个人的占优策略，全员卷到深夜就是均衡。HR 喊「珍惜健康」是改人心，注定无效；能挪动均衡的是改规则——把相对排名换成绝对目标、设强制下班、让加班从「信号」变成「无收益」。同一套顺序放到学术造假上：师德教育无效，起效的是提高被抓概率（可复现性审查）、降低单篇论文的赌注（多元评价）——对照现实，这正是造假治理真正起效的杠杆。

但这台镜子有两处要收手。第一，它假设玩家理性最大化，而真人会上头、会非理性报复；行为经济学证明人系统性偏离理性，量到活人时，均衡预测要打折。第二处更要紧：不是所有「人」都该被翻译成「局」。亲密关系的价值，恰恰在于有人愿意在没有重复博弈保证时仍然合作、在被辜负后仍不报复；把最亲的人翻译成支付矩阵，你赢了那盘棋，却把唯一不跟你算计的人变成了又一个博弈对手。有些东西，一旦翻译，就不在了。