凭什么，好人要有好报？

“要做一个好人”，这是我的一个信念。所谓信念，是指导生活的最高准则。

这个信念是怎么来的呢？闭上眼睛往回追溯的话，应该是父母教给我的吧。“要对别人好，要大方，不要伤害别人。”这些萦绕耳边的话语，传达的是父母的生存之道。

高中阶段，接触到达尔文的生物进化论，思维开始有一点混乱：如果生物为了有限的食物和生存空间不断斗争，适者生存下来并繁殖后代，不适应环境的则被淘汰，那生存下来的生命应该是极端自私的，对苦难无情的冷漠，残忍的损人利己。

任何具有利他动机，为了帮助别人而牺牲自己的人，应该不会在这个世界存在太久。在生物一代代繁衍的过程中，无私的好人数量会越来越少，自私的坏人数量会越来越多。

那为什么，父母希望我做一个好人？或者说，自诩是好人的父母是怎么生存下来的？

如果一个公司告诉我，要做一个好人，我可能会怀疑这个公司的动机。我怕这公司的坏人，憋着劲教我学好，是方便他们使坏。可我没法用这样的理由去怀疑我的父母，毕竟他们的基因还要靠我这个独生子传递下去。

所以，一定有什么原因，让好人还活在世上。

我想知道的这个答案，33年前，美国政治学教授阿克塞尔罗德也想知道。他从解决经典的博弈论难题“囚徒困境”入手，利用计算机程序，模拟出了代表好人的策略和代表坏人的策略。

在好人和坏人共存的时期，好人得分获得了领先；即使在一个都是坏人组成的社会，一旦坏人尝到合作的好处，坏人会转变成好人并迅速扩大好人群体。

罗教授的研究成果，写在了《合作的进化》这本书里。首先，让我们从介绍“囚徒困境”开始。

“囚徒困境”是1950年美国兰德公司拟定的理论。两个同案犯被关进监狱，不能互相沟通情况。如果两个人都不揭发对方，则由于证据不确定，每个人都坐牢一年；若一人揭发，而另一人沉默，则揭发者因为立功而立即获释，沉默者因不合作而入狱十年；若互相揭发，则因证据确实，二者都判刑八年。

这种情况下，怎么做才是对自己最有利的呢？现在我和你处在这样的局面下，你有两种选择，揭发或沉默；我也有两种选择，揭发或沉默。我们互相不知道对方选择什么，只能把两种情况都考虑进去：假设你选择揭发，卧槽你简直不是人，说好的兄弟情深呢？我沉默帮你担责我是傻子，老子也揭发；假设你选择沉默，卧槽没见过你这么傻的人，老子果断选择揭发卖队友享受免罪。

可见，无论你选择什么，我最好的选择都将是揭发。这也是枪战片中坏人活得长好人死的快的重要原因。

如果只进行一次”囚徒困境“的博弈，理智的双方只会互相伤害，这样的社会根本不会有好人存活的机会。幸运的是，现实社会可以看成”囚徒困境“的重复博弈版本，一重复，就像给好人开了外挂。

为方便讲诉，重新设置一种”囚徒困境“的情形：我和你是两位玩家，手上各有”背叛“和”合作“两张牌，我们互相不知道对方的出牌。银行家充当裁判，每一轮都根据我们的出牌结果给予我们金钱，在无限次的轮数里，我们应该从银行家手里拿到尽可能多的钱。

结果1：

我们都选择合作，银行家给我们每人3分钱。

结果2：

我们都选择背叛，银行家给我们每人1分钱。

结果3：

你选择合作，我选择背叛，银行家给我5分钱，不给你钱。

结果4：

我选择合作，你选择背叛，银行家给你5分钱，不给我钱。

无限次的轮数，有无数种背叛和合作的选择。如果我们把背叛和合作的选择称为策略，则有无数种策略。面对这种情况，我们自然会问一个问题，哪种策略最厉害，能赢得最多的钱？

实验开始前，罗教授心里很怕，要是最坏最没有人性的策略赢得最多的钱，预示着我们这个世界会越来越像哥谭市，犯罪横行，贪污腐败，民不聊生，只能依靠一两个超级英雄，比如蝙蝠侠给人们带来一点微弱的希望。

为了回答这个问题，罗教授设计了一场竞赛。他请世界各地的博弈论专家来提交策略，也就是设计一种出牌的规则，他把这些策略转换成计算机语言，在电脑里进行模拟演算。当然不可能进行无限次的演算，先算个两百次吧，看看到底谁厉害。

他一共收到了十四条精心设计的策略，再加上一条随机策略，意思是每一步出背叛还是合作看心情，随便出。任何一个策略，都和包括自己在内的十五条策略一起比赛，看谁赢得多。

理论上，200个回合，每个回合5分都拿全了，一场比赛最多赢1000分。和15个对手比下来，最多拿到15000分。事实上，这是不可能的，没有哪个策略会傻到每轮都信任你，让你白白占便宜。现实一点的最好情况是，每轮两个人都合作拿到3分，200轮一共拿到600分。

把每个策略经历的15场比赛得分统计下来，名字为”一报还一报“的策略拿到了最高的平均分504分。这个策略最简单，看起来最不聪明，事前也并不被看好，它最终获得了冠军，跌破了罗教授眼镜。

这个策略这样出牌：在第一回合采取合作行动，然后在接下来的每一个步骤里，重复对手上一步的行动。为了加深理解，我们来看看两个”一报还一报“策略相遇竞赛的情形。

第一步，双方都合作，都拿到3分，然后互相重复对手上一步的合作行动，每一轮双方都拿到3分。200轮过去，双方都获得600分的最高分数。

现在换一个对手，”老实人探测器“。这个策略会在每十步中任意选择一步，打出恶意的”背叛“牌，拿到5分，”一报还一报“还是傻傻的打出”合作“牌，拿到0分。但在下一步，”一报还一报“马上开始报复，打出”背叛“牌，而”老实人探测器“打出”合作“牌，拿到0分，两轮双方打平，各拿到2.5分。200轮结束后，双方各得到590分。

如果遇到”总是背叛“呢？第一轮”总是背叛“拿到5分，之后”一报还一报“开始报复，双方互相打出”背叛“，得到1分，一直持续到结束。”总是背叛“拿到204分，”一报还一报“199分。

”一报还一报“在”总是背叛“身上损失的5分，在和其他策略竞赛的过程中轻易赢了回来。我们看到它可以拿到600分满分，而”总是背叛“死的很惨。教授把所有这些得分加起来，算出了一个结果。

分析结果可知：

这次竞赛中的15个策略，有8个属于”善良“策略。这里的”善良“指的是那些从不首先背叛的策略。令人吃惊的是， 善良策略霸占了前八名的位置。最差的善良策略得到472分，而最高的恶意策略得到401分，与善良策略有很大的差距。

在善良策略里，决定名次高低的关键在于”宽容“。一个宽容的策略只有短期记忆，虽然它也采取报复行动，但它会很快遗忘对手的背叛，报复过后就到此为止，不再继续记仇。

排名第7的善良策略Friedman，它绝不宽恕，即使对手悔改，它不愿意打破相互背叛的恶性循环，因此无法取得较高的分数。

这场竞赛表明，赢家策略具有两个显著特点，善良与宽容。这很乌托邦，善良与宽容能得到好报。这让我看到了一些好人有好报的希望。

且慢。会不会是因为这场竞赛只有15个策略，对手太少，善良策略领先只是因为运气好？罗教授有这样的疑惑。

于是，他把这次竞赛的过程及结果还有分析原原本本公开，并请更多的专家来制定策略。这一次，有人专门制定了欺骗善良策略的恶意策略，期望靠伪装得到高分。也有人试图变得更加善良，制定了”两报还一报“甚至”三报还一报“策略。

结果如何？还是”一报还一报“成为赢家，得到435分，更重要的是，善意的策略又一次赢了恶意的策略，前15名中只有一个恶意策略，而倒数15名中只有一个善意策略。

到这里，我们可以肯定的说，好人有好报，并不是寄希望于上帝或者来世的一厢情愿，而是在这个自私自利的现实世界，理性人为了得到最大利益采取的必然步骤。

那么，得到好报的好人，能够繁衍生存下去吗？在这个坏人好人共存的世界，随着世代更迭，是好人越来越多，还是坏人越来越多呢？罗教授带着这个问题进行了第三次竞赛。

这次竞赛，称为生存之战。

还是第二轮的63个策略，组成进化演替的第一代。赢的人不再得到分数，而是得到与其完全相同的后代。世世代代如此传递，一些策略逐渐变得数目稀少，甚至完全绝迹，另一些策略则渐次增多。

最终在1000代以后，种群不再变化，稳定的状态形成。在这之前，各种策略的命运起伏不定，”骗子“、”傻瓜“、”斤斤计较者“在200代之后彻底灭绝，剩下的策略都类似于”一报还一报“，既善良又容易被煽动报复。

答案揭晓：这个世界，好人”稳定的“多于坏人。这并不是因为信仰神明或遵从某种主义的结果，而是理性人出于自我利益最大化的必然选择。

这里所说的好人，不是傻好人，而是不首先背叛，及时反击，宽容大度、行为清晰的综合体。罗教授对此做了总结：

这一场33年前的计算机策略竞赛，以及罗教授的分析，在今天看来，我仍然感到深深的震撼。他坚定了我们做好人的信心，也告诉了我们应该做一个怎样的好人。

不首先背叛，及时反击，宽容大度、行为清晰这四大原则，是好人立身成圣的擎天之柱。第一条容易，后面三条我自觉差距还很大。但这不妨碍我们把这些简单的原则记录下来，奉为以后行动的圭臬。

及时反击是好人生存的基础，一个忍气吞声的烂好人没人记得他的好，只记得他的软弱。愤怒和生气是我们维护边界的有力武器。如何在反击中掌握度，既表达愤怒又适时收手，让位于宽容大度，那是下一篇文章的故事了。

声明：本站内容与配图部分转载于网络，我们不做任何商业用途，由于部分内容无法与原作者取得联系，如有侵权请联系我们删除，联系方式请点击【侵权删稿】。