主题：【原创】雷锋是这样死掉的 -- 淮夷

最近坐火车往肇庆，途中读一本书《Paradigms Regained》，作者John Casti是加州大学的数学家。作者讲到自然界存在大量“利他主义”现象，很多动物互利合作，令人难解。

例如有一种鸟叫阿拉伯鸫鹛(babbler)，形如麻雀。它们喜欢无私奉献，帮同类搓澡、照看病鸟、给别人家幼鸟喂食，等等。甚至，它们为争夺主动奉献的机会而发生冲突。称它们是“雷锋式”小鸟也不为过。

事实上，吸血蝠、猿猴、獴类、荆鱼、海象、甚至病毒，都在某种程度上呈现出类似的利他行为。你很难把这些行为归结于动物的高风亮节或者利益计算，因为动物既不知何为道德，也不懂成本效益分析。

在进化论学者看来，这种模式完全是自然选择的结果。遗传基因中含有“合作和付出”的因素，我给它起了个也许不太贴切的名字叫“雷锋基因”。相比自私行为，雷锋基因使某些动物在演化中获得优势，所以自然选择会朝着有利它们的方向发展，使这种遗传类型得到传递。

那么，人类也有雷锋基因的吧？

我想应该是有的。在我读的一些书中，我发现很多历史事件皆可借此解释。

譬如一战时期，欧洲西线出现壕沟对峙，英军德军躲在各自的战壕后面，战局长期僵持。对于英德壕沟之战，描述最多的词汇是“惨烈”，10%士兵战死，伤者不计其数。但是历史学家Tony Ashworth写过一本书《Trench Warfare》，披露了另外一面。

他写道（大意）：英德壕沟战普遍存在一种“表演”的性质，交战士兵定期互相开枪开炮，假装很忙。这种假打不仅蒙骗了自己的上级，而且向敌人表露出合作的意图。

双方显然都在发扬某种“雷锋式”精神。比如，绝不袭击对方开到壕沟边的运饭车，尽管打掉运饭车一点都不难，但大家都主动给对方留出吃饭时间。再比如，督战的英国军官发现，德国士兵就在英军射程范围来回走动，而英军对射击敌人的大好机会往往无动于衷。

这种离奇的现象在1914年的圣诞节达到顶峰，英德士兵甚至走出战壕，互致问候，还踢了一场球赛，史称“圣诞停战事件”。类似的事件在一战时的法德战场和东线战场也曾相继上演。

在博弈论看来，阿拉伯小鸟和英德大兵面对的都是经典“囚徒困境问题”。意即，当你的对手做雷锋时，你的最优策略其实就是欺骗他、利用他、攻击他。当然，对方也不傻，也会同样选择。是以，最终的均衡解只能是：欺骗vs欺骗。

现实中，小鸟和士兵并没陷入双输之局，而是选择合作vs合作的策略。这是因为双方面对重复次数的“非零和博弈”。在这种设定下，发挥雷锋精神是很有好处的。

针对此种类型的博弈，密歇根大学的Robert Axelrod在70年代组织过两次大赛，目的是寻找到最优策略。

第一轮大赛中，人们提交了一些复杂策略，这些策略捉对厮杀，最终胜者是一个超级简单的策略tit-for-tat，只有4行程序组成，由多伦多大学的数学家Anatol Rapoport设计。

第二轮大赛吸引了62名学者，涵盖经济学、物理学、数学、计算机、进化生物学各个领域，tit-for-tat继续胜出。

字面上，tit-for-tat的意思是“以牙还牙”，这个策略的全部规则只有两条：1）第一轮主动合作，2）此后的所有轮次，均跟随对手上一轮的策略。

这个策略有何特别呢？简单的说，它是一种“先礼后兵”的策略，既有合作意愿（雷锋基因），又不容许别人沾光。你若合作我也合作；你若欺骗我也绝不饶恕。这像圣经旧约讲的“以眼还眼，以牙还牙”，而非圣经新约所讲“左脸被打，右脸送上”。

一战时英德壕沟对峙其实便是一种真实世界的tit-for-tat。双方假装打枪，彼此大增活命概率。可如果一方突然来下真的，敌人也必全力报复。

在密歇根大赛一枝独秀的tit-for-tat，是否也是真实世界的最优策略呢？

其实你很难在真实世界寻到答案。小到一个人的处事待人，大到两国外交纷争，都要大量重复性的可控实验才能证明出，tit-for-tat是否最管用的一招。此种大规模社会实验显然很难落实。

不过，计算机程序模拟出一些有趣的演化博弈，给人们寻找最优策略提供了新思路。

1997年，瑞典物理学家Kristian Lindgren创设了一个“丛林博弈程序”。这个程序类似于“大糖帝国”，在一个128X128的棋盘上展开。

棋盘上有16,384个单元格，一个单元格代表一个独立决策的个体(agent)，不妨想象为社会中的每个人。

规则是这样的：

1）每个格子与相邻格进行一对一的囚徒困境博弈，意即人人都有“欺骗”动机，但是合则两利，骗则双输。

2）平均获益最高的格子成为赢家，它用的策略在下一轮扩充到相邻格。从进化论角度来说，该策略得到了成功的繁殖。

不难想象，这就像是一个达尔文式的丛林，人们使用着不同的竞争策略，而目标都是一样的：追求个体最大获益和最终的生存繁衍。

Lindgren的模型用00、01、10、11指代四种不同策略。程序初始，单元格被随机性分配其中的一个策略，这包括1) tit-for-tat；2）anti-tit-for-tat （反跟随，对手合作我就欺骗，对手欺骗我就合作）；3）永远合作；4）永远欺骗。

为了模拟真实世界的复杂性，Lindgren为这些彼此竞争的策略设计了一些类似基因进化的特性。比如，某个单元格可偶然犯错，背离当前的最佳策略。再比如，01可进化为011（基因复制），意味着记忆力提升，可以分析历史上的交手步数来决定如何行事。再比如，一个策略也许已进化为011011000110001的复杂度，但是它也可能突然拦腰折断为011011（基因变异），这意味着记忆力大减。

Lindgren按动启动键，于是这些获得生命的单元格按照各自策略，厮杀起来。

那么，tit-for-tat又赢了吗？

下面是程序模拟了26,000轮之后的结果。

横轴是时间，纵轴是不同策略的人口分布占比。占比越高，这策略越成功。

一个明显的结果就是：在这个复杂性的进化系统里，不存在所谓的“最优策略”。

某些简单策略最初也曾大占优势（例如01），随着时间演进，一些复杂策略（例如1101）开始进化出来，晋身市场主流。而在模拟的最后阶段，更复杂的策略例如1001000101011001异军突起，搞掉了大部分曾经很成功的策略。

你可以重启程序无数次，每一次模拟结果都看到不同的细节，但大趋势上，结论是类似的：没有任何单一策略可以长期管用。你若喜欢用tit-for-tat行事，也许能成功一时，但是终究别人会弄出更聪明的策略，把你搞死。

其实观察这个模型的结果，和观察自然丛林中的物种进化，得到的启发是差不多的：任一时点上，活下来的物种，都可称是一个赢者，因为别的物种都被淘汰掉了。

既然没有永远的最佳策略，不妨回到一个直面人性的问题：我现在该怎样行事？做一个雷锋，还是做一个恶人？

也许下面的一个实验，可以给人一些选择上的启发。

1992年，牛津大学数学家Martin Nowak和Robert May合作设计出一个著名的空间博弈。

游戏规则类似于Lindgren的丛林程序：相邻单元格进行一对一的囚徒困境博弈，得分最高策略得到繁衍。不同在于，现在你只有两个策略可选：合作或欺骗。每个格子可在两个策略之间随意转圜。

这等于是说，你要么做一个善人，要么做一个恶人。而且，你可以在善恶之间跳来跳去。你相信“人性本善”还是“人性本恶”呢？考验的时候到了。

在初始设定中，人群中的善恶比例是50：50，随机的撒布在棋盘上，就像下图显示（蓝格代表合作策略或曰善人，红色代表欺骗策略或曰恶人）。

随着模拟轮次的推进，善恶边界不断变化，逐渐演化成下面模样。

这个图基本算是一个善恶共处的国度。顽固的欺骗者（红色）与顽固的合作者（蓝色）皆有各自生存空间。夹在二者之间的黄绿二色，代表“变节者”，它们由善转恶或由恶转善。

一个值得注意的现象是，善恶分布已从最初的随机撒播，演化为岛屿状的各自群聚。

譬如图中有很多蓝色小岛，岛上居民都是坚定的善人，不妨称它为雷锋岛。雷锋岛居民彼此合作，获得了高于彼此欺骗的获益，这使他们的合作策略得以占有一块地盘，集体防御了欺骗者。与此类似，若把一个善人丢进红色小岛，它很快就被周围的欺骗策略吞噬，合作策略无法生存到下一轮。

现在，一个有趣的问题是，假如把初始设定改一下，大幅提高好人的比重，结果会不会更好？

这个问题并没有固定答案。实际上，这最终取决于在博弈程序的payoff matrix中，你如何设定合作策略与欺骗策略的获益参数。当欺骗带来获益高过一个门槛值时，你会看到下面的结果。

在下面的初始设定里，超过99%的人口都是活雷锋，只有零星的欺骗者。你不妨想象这是一个人性本善的“好社会”。

下面显示，程序执行了1000轮的演化之后，欺骗者可以不断的从大片雷锋人口中获益。这种获益很高，欺骗作为一个管用的策略开始繁衍和扩大地盘。

模拟到5000轮的样子：

模拟到1万轮，雷锋已经所剩无几：

最终结果你大概已经猜到了：

在这个版本的虚拟世界，欺骗策略最终大获全胜，所有的雷锋都死掉了。

回顾Lindgren和Nowak的模拟程序，人们看到“好”社会和“坏”社会的兴与衰，它们此起彼伏，无法预料。每个身在局中的人，都很难寻得一个稳定的最优策略。最要命的是，你根本无从得知，你如今身在第1000轮的乌托邦，还是在第1万轮的黑暗社会？

我觉得人和许多动物一样，都具有合作利他的基因，但是，此类基因能否得到成功繁衍，不单纯是发扬雷锋精神那么简单，而是取决于其他人的选择、善恶的奖惩机制、以及每个人所处的局部环境。

因之，18大之后提倡“学雷锋活动要常态化”，我觉得这算是一个政治正确的号召，尽管这句口号也许完全抓错了重点。

• 【原创】我们的世界（0）