第1个回答 2022-07-19
最近电视剧《虎啸龙吟》正在热播，大家在讨论司马懿黑化的问题，而在第一部《军师联盟》上映时，一堆人却在讨论司马懿是不是被洗白了，司马懿究竟是好人，还是坏人？
其实，人性是复杂的、变化的，讨论道德上的好人、坏人，是一个主观价值判断的问题，意义不大。但是我们如果仅仅看这个人的外在行为，选择好人策略，还是选择坏人策略，却有着强烈的现实意义。
这个问题用在职场上，可以表述为，你是更愿意和大家分享，还是一亩三分地把得牢牢的？你是选择广结善缘、一团和气，还是坚决站队、恩怨分明？你是相信强者恒强、赢家通吃，还是合作共赢、利益均摊？作为领导，你是选择当鸽派还是鹰派？
用在商场上，可以表述为，你的企业是倾向于遵守规则，还是打破规则？你是更倾向于选择蓝海，还是红海？是追求利润，还是坚决打价格战？和竞争对手是选择共生、分而治之，还是你死我活，势不两立？
甚至还可以表述为，你选择做慈母，还是虎妈。将来是好学生有出息，还是捣蛋鬼？
这个话题，从很多方面都可以研究，本文介绍的是科学家们利用计算机进行的博弈论模拟，颇为精彩。
《自私的基因》写于1976年，道金斯（Richard Dawkins）在里面记载了阿克塞尔罗德（Robert Axelord）利用计算机进行的一系列关于囚徒困境的模拟比赛，读起来惊心动魄、荡气回肠。有兴趣的朋友可以读读原著，我这里就只说一下结果。
囚徒困境说的是，明明有合作双赢的选择，但是博弈的结果是都选择背叛，这是一个让所有人沮丧，但又无法辩驳的结果（具体论证不展开了）。
原来以为零和博弈，要选择损人利己，做坏人，这么说，非零和博弈，也要做坏人？
然而，这个博弈还有另一个版本：“重复博弈”的“囚徒困境”，而这其实更接近现实世界。由于不是一局定胜负，重复博弈则可以有了很多可能性，可以试探性的选择合作，看看对方的反应，不打不相识，慢慢摸索出双方的偏好和底线。单次博弈里只有两种策略，合作或是背叛，而背叛是唯一理性的，重复博弈的策略组合则基本取决于想象力了。那究竟什么样的策略会最优呢？
阿克塞尔罗德组织进行了三轮计算机模拟比赛。
阿克塞尔罗德向全世界的博弈论的专家们征集了14个策略，他还加了第15个策略，取名为“随机”。阿克塞尔罗德将这15个策略翻译成一种常用的计算机语言，在一个大型计算机中设定这些策略互相博弈。每个策略轮流与其他策略（包括它自己）进行重复博弈。15个策略总共组成15×15=225个排列组合，在计算机上轮番进行。每一个组合需要进行200回合的博弈，所有输赢累积计算，以得出最终的赢家 -- 看看谁赢得最多的“钱”。
结果如下：
1、 本来大家以为胜出者会是一个绝顶聪明的策略，没想到却是一个看起来最不聪明，而且超级简单的策略： 以牙还牙（Tit for Tat） 。 这个策略在第一回合时采取合作行动，然后在接下来的所有步骤里，只是简单复制对手上一步的行动，一报还一报，你合作，我合作，你背叛，我背叛，你悔改，我也悔改。
2、其它的策略，包括冷酷策略（一旦发现对方背叛，永不再合作）、下马威策略（从背叛开始）、不定期主动背叛策略（时不时的作恶一下）、永远背叛策略、永远合作策略等，都排在后面。
3、总体来说，偏“善良”类的策略，也就是不主动背叛，其表现优于“恶意”类的策略，后者倾向于主动背叛；“宽容”类的策略表现优于“刻薄”类的策略 ，后者失去了再次合作的可能性。
4、最差的策略是随机，其次是一个超级复杂的策略，没人看得懂它想干什么（当时大家嘲笑说，这一定是来自美国政府）。
5、阿克塞尔罗德后来自己还想出了第16个策略，宽容版的以牙还牙 -- 两牙还一牙，你背叛两次，我才报复一次。这个策略表现更优，甚至超过了以牙还牙。
这个乌托邦式的结论，让人有些惊讶。只是重复博弈，就一下子从丛林法则进入美好新世界了？
于是，阿克塞尔罗德又举办了第二次竞赛。他把上述所有结果都公之于众，然后再次征集策略。这次他收到了62个策略，再加上随机策略，总共63个。这一次，博弈中的回合数不再固定为200，而改为开放式的不定数。
结果如下：
1、很惊讶，两牙还一牙没有最终获胜，以牙还牙再次成为赢家。后来分析，背后的原因其实是有人针对宽容版的以牙还牙策略制定了恶意的对策，利用了对方的那一次宽容钻了空子。甚至有人设计出了三报还一报的超级宽容策略 ，但也没有成为最终的胜利者。
2、所以，马上就可以有第二个结论，你的策略优劣和对手的出牌是相关的，也就是说外部环境很重要。
3、善意策略再次战胜了恶意策略，前15名中只有一个是恶意策略，而倒数15名中只有一个善意策略。
4、一旦比赛次数为固定次数，则倾向于单次博弈，永远背叛策略会获胜，如果比赛次数是不固定、或者无限次，那就是以牙还牙等善良策略胜出。
作为生物学家，道金斯更关心的是这个模拟怎么才最接近自然选择。于是在他建议下，阿克塞尔罗德又模仿自然选择，进行了第三场竞赛。这次，他并没有邀请新的参赛者，而只是使用了第二次竞赛中的63个策略，但是赢家不再得到“金钱”或者“分数”，而是与其完全相同的“后代”，这样世世代代如此传递下去。
结果如下：
1、那些恶意策略，有一些开始蓬勃发展，迅速崛起，比如永远背叛、小偷、骗子，但它们的繁荣只是昙花一现，大部分后来被以牙还牙群殴，像极了好莱坞的英雄片，坏人终被惩罚。大部分恶意策略都在150代之内就灭绝了，唯一活过200代的一个策略叫做“哈灵顿”（Harrington），它靠欺负老实人获利，但随着老实人绝种，它也在1000代之后终于完全灭绝。
2、以牙还牙在6次模拟中有5次得了第一，重复其在第一、二次竞赛时的好运。另外5个虽善良但也会报复的策略几乎和以牙还牙一样成功（在种群数目上），还有一个策略甚至赢了第6次博弈。
3、当所有恶意策略都灭绝后，到了1000代形成了稳态，所有的善良策略与以牙还牙都无法辨认彼此了， 所有人都只是简单的合作到底。
4、在一个被永远背叛策略控制的群体，任何其它策略都没法独立存活，但是只要很少数量的以牙还牙策略者聚集在一起，就会形成合作，并慢慢变大，进而超越永远背叛者，哪怕这个时间很长，很长 。正义可能会迟到，但从来不会缺席。
说到这里，似乎已经有了结论，利他和合作可以从自私中诞生出来，并一步步壮大。最终我们会越来越善良，好人终将有好报。
果真如此吗？
很多科学家都对重复博弈的模拟感兴趣，诺瓦克（Martin A. Nowak）就是其中之一。10几年后，他进行了新的实验。诺瓦克发现了阿克塞尔罗德的一个问题，就是现实世界不是计算机，所有的信息不可能这么精准无误，存在着噪声，比如对方可能不是主动背叛，而是发出了一个错误信号，或者被误解了，以牙还牙对于这种情况没有容错机制，而是直接报复，如果对手也是类似策略，则容易陷入本不需要的缠斗，从而血海深仇。与恶龙缠斗，最终变成恶龙。
诺瓦克进行了一次新的比赛，还是模拟自然选择。这次他针对对方的背叛，设计了几种不同的应对，有的是永不合作，有的是一报还一报，有的是两报还一报，还有三报，乃至五报，但选择报复还是合作却是随机的，不是确定的。
结果出来了：
1、以牙还牙没能再次成为最终的赢家。
2、宽容版以牙还牙成为了最终的赢家，具体是在三次背叛中会选择一次进行合作，但究竟是哪次是随机的。可以理解为三报还两报。或者说， 永远不会忘记对方的好意，偶尔原谅对方的恶意 。
3、其它结果和以前类似，恶意策略开始占优，但后来被善意策略超越，最终大家都变得面目模糊，简单的合作。
这个精彩的研究成果发表于1992年的英国《自然》杂志，值得一提的是前面讲的阿克塞尔罗德的研究成果发表在了1981年的美国《科学》杂志上，都是科学界顶级的权威刊物。
诺瓦克发现，这里还有个问题，不管是以牙还牙，还是三报还两报，最后善意策略一统江湖，再演化下去，就会变成永远合作者主导天下。这时，一旦有一个来自外部的永远背叛的恶意策略，就可以摧枯拉朽般的横扫天下，迅速扩张。都是合作者的群体无法抵抗恶意入侵。这变成了一个循环，从永远背叛，到以牙还牙，到宽容版的以牙还牙，再到永远合作，最后又是永远背叛。
这倒是像极了盛极而衰的人类社会和各种组织。有没有什么办法破解吗？
诺瓦克在后续的模拟中，无意间发现了一个更优的策略 -- 赢定输移 （Win stay, Lose shift） 。
这个策略描述起来既有些复杂，其实又很简单：
如果我们在上一轮中都合作，那么我会再次合作；如果都背叛，那么我会（以某一概率）进行合作；如果你合作，我背叛，那么我会继续背叛；如果你背叛，我合作，那么我也会背叛。
感觉越说越复杂，其实这个策略最简单的描述是： 如果我现在收益良好，我就会重复以前的策略，如果收益不好，我就改变策略 。 我的策略是否改变不取决于对手什么策略，而取决于我自己的收益。
这个策略和以牙还牙相以及三报还两报比，在我合作对方背叛上是一样的，都是选择报复，所以不会在和恶意策略搏斗中吃亏。但是当双方都背叛时，以牙还牙选择的是缠斗到底，三报还两报是随机的试探性合作，但是赢定输移策略更倾向于迅速化干戈为玉帛，只在少数情况下才继续报复。不过真正的不同在于，一旦出现对方合作我背叛的时候，这个策略会继续坏下去，不会因为对方合作而选择合作。
这样，这个策略就具备了有两个优势，第一，不会陷入缠斗，一旦双方都是背叛，下一轮随机性的选择合作，既能威慑对方 ，又能迅速的收手。第二，一旦出现对方合作我背叛的局面，装傻，让子弹飞一会儿，让利益最大化。
实战中，这个策略比以牙还牙和宽容版的以牙还牙活得更长，在善意策略一统江湖后继续存活很久，它能够在不被报复的情况下对合作者进行盘剥。而这个时候，一旦有恶意者入侵时，它会立马组织起报复，从而最大限度的延长了种群的寿命。
没有永远的策略，在进化中，赢定输移也会消失，但是它是在目前的模拟中发现的最能延长种群寿命的策略之一。
上面讲的几位科学家其实都是生物学家，他们研究博弈论，是为了更好的解释自然界的进化论现象，尤其是利他是怎么从自私中产生的，弱肉强食、适者生存的条件下，为什么会出现合作。重复博弈里的以牙还牙、赢定输移等策略，在动物界都得到了验证，这说明实验和现实是吻合的。
达尔文在发表进化论时就说过，一个种群内如果有合作出现 ，这个种群就会变得比全是自私者的种群更加繁荣，从而会在种群之间的竞争中胜出。这个现象在人类社会里最为典型。
《人类简史》告诉我们，我们的直接祖先是一种叫智人的人，大约出现在15万年前，而在同期，地球上至少存在这6种历史更悠久的人类，其中就包括著名的尼安德特人。但是，之后的几万里，其它人类都消失了，只有智人活了下来，并走到了几乎地球上每一个角落，同时消失的还有许多大型的哺乳类动物，比如猛犸象等。究竟是什么不一样的特质，让智人战胜了所有的动物和其他人类，走到了今天呢？
显然不是人们通常意义上以为的用火和制造工具，因为其他人类也会，而且早在几十万年前就学会了。也显然不是自私自利、损人利己 ，这些连动物都会。赫拉利告诉我们是合作，是超级合作。
社会学领域有一个邓巴数的概念，说的是熟人社交的群体很难突破150人的规模。由于语言和抽象思维能力的突破（很可能是因为基因突变），智人学会了和陌生人合作，突破了150人的规模。而在远古时代，群体之间的战争，以及对大型哺乳动物的捕猎，规模起着决定性的作用。
看看我们今天的企业、军队、国家，到处都是巨型组织 。沃尔玛是人数最多的企业，全球有230万人。无数重要的技术研发项目，都是在几百、数千甚至上万人的跨地区的合作中完成的。毫不夸张的说，是超级合作能力帮助人类走到了今天，并且，未来人类的合作能力，只会越来越强。
这是我们的基因决定的，这就是自然选择的力量。所以，如果你发现自己是个好人，那恭喜你，说明你进化的比较好。
上面讲的所有东西，不是计算机模拟，就是定性的推理，虽然有道理，但是有没有实际数据支撑呢？
这个问题其实一直困扰着学术界，人们花了很多资源来研究手机的蓝光对睡眠有没有影响，碳水化合物是不是比肉类跟容易让人发胖，但是在我们究竟“要不要做一个好人”，或者“为什么很多成功者都是坏人”这些更重要的问题上，却几乎没有什么统计数据，缺少实证研究。
这个现象在2013年得到了改观，亚当.格兰特（Adam Grant）在他的畅销书《沃顿商学院最受欢迎的成功课》中把人分为三类：给予者（Giver），索取者（Taker）和互利者（Matcher）：给予者在工作中倾向于奉献、服从、服务；索取者相反，一切按我想要的办；互利者则会视对方的态度而选择自己的策略。
他做了一个规模达到3万人的调查 ，涵盖了各行各业和不同的岗位。以下是一部分结论：
1、在最低级别的岗位中，给予者们表现最差。Giver = Loser。
2、虽然如此，但是有众多Giver的团队，则具备更多的服务意识，其整体表现反而更好。所以，对于组织来说，需要考虑的是如何保护给予者。
3、Taker往往会在一个新的环境里，短期内占据优势，但是时间一长，大家清楚了他们的路子，就会知道如何对付他们，而且他们在往上爬的过程中，很容易被Matcher干掉。
4、中层中Taker和Matcher居多，但是到了高层，情况发生了逆转，大部分成功人士反而是Giver。好人终究有了好报。
5、如果你打算爬到最高层，那么你的最好策略，是做一个Disagreeable Givers。你本质上是一个给予者，但你并不好打交道，你有原则，有选择，不会无条件的提供帮助。
说了这么多，那么究竟什么策略是最优的生存策略呢？究竟应该做好人，还是做坏人呢？至少以下几点值得借鉴：
1、最差的策略是不清晰的策略，要么过于随机，要么过于复杂，因为别人无法对你的行为和反应形成稳定的预期。
2、当老好人不行。对于对方的恶意，你必须有清晰的对策，最简单的是一报还一报，该出手时就出手。但是具体要怎样报复是个学问，高手不会选择和对方互撕，肉搏，他们更多采用的是拒绝合作。
3、要先表示善意，不要上来就做坏人。先下手为强不适用与多数情况，你有很大的风险立马遭受报复，从而一开始就受损，且释放了不友好的合作信号。
4、尽可能制造重复博弈的机会，不要陷入单次博弈，不要陷入零和博弈的局面。社会一直在发展，一直在进步，没那么多事只有一次机会 ，需要一锤定音。
5、做坏人是需要实力的。如果你实在没有这个资本，或者没有这个能力，就尽可能选择一个良好的环境吧。
6、最后，要和自己比，不要和别人比。你的目标是让自己更好，而不是把别人比下去。只有采用这种真正理性的策略，才能让自己的利益最大化。不要因为别人收益比自己大而做坏人。不过说起来容易，做起来难。
雷军讲过他在投资方面的策略，只要是熟人介绍且项目靠谱的，他多少都会投一些，但你不能骗我，一旦发现有欺骗行为，便永远打入黑名单，不再给第二次机会。这是一个类似先表示善意，一报还一报的策略，只是他的机会成本太高，没必要亲自去报复，他的报复就是对弱小一方的彻底否定，不再往来。
一句话，最好的策略是， 我能够做坏人，但是我可以选择做还是不做，以及怎么做，选择的标准是我自己能否变得更好 。
参考书籍和文章
《自私的基因》，理查德.道金斯
《超级合作者》，马丁.诺瓦克，罗杰.海菲尔德
Ted演讲 Are you a giver or a taker? 亚当.格兰特
Why it pays to be jerk, Jerry Useem,《大西洋月刊》2015年6月