去年5月，一篇来自浙大等单位的论文预印本被媒体宣传为“找到了石头剪刀布的制胜策略”。自然而然地，很多网友的反应是：“这还需要你研究？”而现在，这项研究成果又入选了“麻省理工学院科技评论2014年度最优”，让它再次成为风口浪尖……一篇“吃饱了撑的”的论文为何还能获奖？它真的只是“没用”的研究？其实，只需扫一眼原论文就会发现，研究者不幸又被标题党坑了。
他们寻找的不是怎样玩赢剪子包袱锤，而是通过人们在剪子包袱锤里的行为来判断哪一种理论更能预测人类——是传统博弈论的纳什均衡，还是演化博弈论。为了帮助理解它，我会讲四个故事。这四个故事从易到难，如果你已经对这个领域很熟悉了，可以跳过前面的几个故事。
第一个故事：囚徒困境。一个有钱人被发现死于家中。警方抓获了两个犯罪嫌疑人并查获了赃物，但两人辩称说他们只是小偷，进屋时那个人已经死了。
没有更多证据，调查陷入僵局。于是警方把两人分开，分别对他们说：如果你俩都不认罪，我只能判你盗窃，一年了事；如果你招了他没招，你算作立功，不用坐牢，而他得十五年。如果他招了你没招，那反过来。但如果他和你都认了，谋杀罪每人十年。嫌疑人X心想：如果Y不招，那么我也不招的话会判一年，我招了无罪释放。招了更划算。而如果Y招了，那我不招的话十五年，招了只有十年。还是招了更划算。显然我应该招啊。
而嫌疑人Y当然也是这么想的。结果，两人都判了十年。任何一人改策略都只会让自己处境更糟，这便是一个纳什均衡。可是，如果从整体上看，最好的结果显然是两人都不招，各判一年。双方都是理性考虑谋求自己的最大利益，结果却是两人都遭遇了坏场景；无论是整体最好场景（各判一年）还是个人最好场景（直接释放）都不可能发生。这就是为何囚徒困境是个“困境”。每个人都很精明，最后怎么弄了这么个烂摊子？
第二个故事：重复囚徒博弈。如果嫌疑人X和Y是陌生人，那么两人的下场都是十年。但是他们也许是两肋插刀的好哥们，或者有血亲，或者属于同一个组织——总而言之，用博弈论的术语，他们以前也许打过交道，将来还很可能继续打交道。这时，“合作”就不是什么难以想象的事情了吧。因此，一位名叫罗伯特·阿克斯罗德的政治学家在上世纪80年代初做了一个名垂青史的实验。
他在计算机里摆了一场锦标赛，有很多名虚拟的参赛选手，双方捉对厮杀——哦不，是捉对进行重复囚徒博弈。按照博弈的结果记分，你背叛他合作，则你得5分他得0分，双方都合作各得3分，双方都背叛各得1分。然后，他向全世界征集策略，每一个得到的策略变成一个参赛选手。提交的策略共有14个，来自经济学、社会学、政治学和数学等等领域，再加上一个“完全随机”的对照策略，共15“人”进行比赛。
这里面有些策略极其复杂极其精妙，比如有一个策略用马尔科夫过程为对方的行为建立模型，然后用贝叶斯推断最好的选择。但是，最后得分最高的竟然是所有提交策略里最简单的一个——“一报还一报”（TFT, tit for tat）。这个策略一共只有两条规则：（1）第一步先合作，（2）从第二步开始，对方上一轮出的是什么，我就出什么。提交这个策略的是维也纳的安纳托·拉伯波特，他写这个策略只用了4行BASIC代码。
第三个故事：有突变和自然选择的重复囚徒博弈。阿克斯罗德锦标赛有两个重大缺陷。其一，双方的行为都是完美的，没有误会，没有失误，哪怕不知道对方想什么，至少知道对方做了什么。但现实里多少悲剧源于双方一开始的误会啊！这个重要因素显然不该忽略。其二，每一个策略的“环境”都是武断决定的。一个策略能否成功，和它身边别的策略如何有很大的关系。假如群体里全都是永远背叛者，那么报仇者完全占不到任何便宜。
而阿克斯罗德锦标赛里的参赛选手都是人为提交的，这可不能说是有代表性的样本。因此，在阿克斯罗德实验的基础上，马丁·诺瓦克制定了一轮新的锦标赛：引入了自然选择。他不再邀请人类专家设计策略，而是规定了一个大小合适的策略空间，允许策略在里面进行“繁殖”和“突变”。每一轮得分高的策略后代多，得分低的没有后代甚至自己都消失掉，但每个后代的策略也都和自己有十分微小的差异。
此外，每次行为都有一定的“误会”概率——本来我应该合作，但实际出手的却是背叛。
第四个故事：关于人类。诺瓦克的本行可以算作是演化生物学家。他们关心的，是在一个自然选择的框架下，合作何以可能。这个框架认为，虽然动物的智力各不相同，但自然选择会将策略植入它们的大脑中。好的策略自然能流传，哪怕动物本身不理解这个策略为何好、甚至不知道自己正在执行一个策略。自然选择只在乎结果。
而人和人的心智，也是自然选择的产物。如果他们的研究能部分解释动物界的博弈策略，恐怕也可以部分应用到人身上。演化心理学有个很重要的假设，就是人的思维方式不是“全功能通用计算”，不是一个程序处理所有环境。人脑子是有“应用模块”的。当你需要做紧急决策、或者做不太重要的决策时，你往往会调用你“第一反应”的那个应用模块，而不是冷静分析局势、为具体情境开发一个最佳方案——你没这时间精力，很多时候也不值得。
“今人乍见孺子将入于井，皆有怵惕恻隐之心。”你需要计算一下这孩子和我是什么关系、我多管闲事会不会耽误我自己的工作、孩子的父母会不会报答我吗？不需要。你调用的感情函数已经帮你处理完了，要做的只是喊出声或者跑过去。如果一个人遇到任何事情都是靠第一反应，我们可能会说他是“感情用事”。但是没有人能完全抛弃感情。的确，事后看来你这样做出的常常不是最好决策——但是构想一个最好决策也是有代价的啊！
这显然不是经济学上那种买个苹果也要花十分钟画效用曲线的“理性人”，但你似乎也不能说这就不“理性”。而既紧急又不重要的决策，还有比剪子包袱锤更好的例子吗？所以，从演化博弈论角度来看的话，这个研究并不是真的为了寻找怎么玩剪子包袱锤的办法，而是实验证明了，在我们面对重复博弈时，我们的脑子的内置应用果然像诺瓦克他们模型做出来的那样，有“反思”的倾向；哪怕这博弈只是剪子包袱锤而不涉及囚徒困境。
我们没有像一个理性经济人那样计算出剪子包袱锤的纳什均衡是等概率随机出三种手势之一，而是受到我们“本能”的影响——演化留给我们的那个应用模块，这模块也许就是在重复囚徒困境的环境下诞生的。当然，现在我们既然知道了人的大脑有此倾向，我们就可以针对它设计一套克制策略（而理性人的纳什均衡就不怕任何克制策略）。我们能意识到自己的“本能”在特定场合下的缺陷，并主动地克服它，这是我们比大部分别的动物厉害的地方。
这很牛逼好吗。这是触及人类思维本质的东西好吗。虽然也许不如阿克斯罗德和诺瓦克那么牛逼但也非常厉害了好吗。当然，真正的原论文还要更复杂，涉及的层面也更多，而对于囚徒困境的研究也远不止这里讨论的那些。但是我想，这已经足以证明这项研究的意义。不要被标题党欺骗了，如果标题能说明一切，还需要正文干什么呢。