📑 本页目录（点开跳转）
01 · 第一天：三个游戏
⏱ 28 分钟 ｜ ⭐ 不讲定义，先让你亲手撞上三堵墙
🎯 一句话
这一章一个公式都不推，只让你玩三个小游戏 —— 每一个都会在某个地方卡住，而那三个卡点就是后面 25 章要解决的三件事。
⭐ 现在完全不需要记住任何术语。你只要记住「咦，这里好像不太对劲」的那三个瞬间就够了。
🎲 游戏一：石头剪刀布，最优出法是什么？
规则你已经会了。问题只有一个：你应该怎么出？
先试着找一个答案
假设你决定「每次都出石头」。玩十把没问题吗？
对手第三把就发现了，之后每把出布。你从此一直输。
「那我出剪刀。」—— 对手改出石头。「那我出布。」—— 对手改出剪刀。
⭐⭐ 停在这里想一秒：你能不能找到一个固定的出法，让对手拿你没办法？
答案是不能。这张表里的每个动作都被另一个动作克制：
| 我 ＼ 对手 | 石头 | 剪刀 | 布 |
|---|---|---|---|
| 石头 | 0 | +1 | −1 |
| 剪刀 | −1 | 0 | +1 |
| 布 | +1 | −1 | 0 |
（数字是我的输赢：+1 赢、0 平、−1 输。）
⭐ 每一行都有一个 −1 —— 不管我固定出什么，对手总有一个动作让我输。
💥 第一堵墙
⭐⭐ 在有对手的世界里，「固定的最优选择」这个东西可能根本不存在。
这跟你熟悉的一切优化都不一样。训练模型时，损失函数不会因为你选了某个方向就偷偷变形； 掷骰子时，六个面的概率不会因为你押了 6 就改成 1/7。 ⚠️ 但对手会跟着你调整 —— 你的「最优」一旦被看穿，就不再最优了。
唯一的出路是掷骰子：各 1/3 随机出。这样对手无论怎么应对，期望都是 0，他没法针对你。
💡 注意这句话有多反常：为了不被利用，你必须让自己无法被预测 —— 甚至连你自己都不知道下一把出什么。「最优策略」在这里是一个概率分布，不是一个动作。
⭐ 更反常的还在后面（第 12 章）：那个 1/3 不是为了让你自己舒服算出来的， 是为了让对手无所谓算出来的。 几乎所有人第一次都会算反。
这堵墙通向：09 正常形博弈 → 11 纳什均衡 → 12 混合策略 → 13 零和与极大极小
🍰 游戏二：两个室友，三样东西
你和室友合租，房东搬走时留下三样东西：一台冰箱、一个书桌、一把椅子。
你俩对它们的估值不一样（满分 100 分，各自心里的分）：
| 冰箱 | 书桌 | 椅子 | 合计 | |
|---|---|---|---|---|
| 你 | 60 | 30 | 10 | 100 |
| 室友 | 40 | 50 | 10 | 100 |
怎么分才算公平？ 先自己想 30 秒再往下看。
试一试「各拿自己最想要的」
你拿冰箱（60），室友拿书桌（50），椅子给谁？
假设椅子给你：你拿到 60+10 = 70，室友拿到 50。
现在检查一件事：⭐ 室友会不会觉得你那一份更好？ 用他自己的尺子量你那份：冰箱 40 + 椅子 10 = 50。他自己手里也是 50。 打平，他不羡慕你。 ✅
再假设椅子给室友：你 60，室友 50+10 = 60。 用你的尺子量他那份：书桌 30 + 椅子 10 = 40 < 你的 60。你也不羡慕他。 ✅
⭐ 这个性质叫无嫉妒（envy-free）：每个人用自己的尺子量，都觉得自己这份不比别人差。 注意它不要求两人分数相等 —— 上面第一种分法里 70 对 50，照样无嫉妒。
💥 第二堵墙：把物品换成一件
现在假设房东只留下一台冰箱，两个人都想要。
冰箱只能给一个人。拿到的人有 60，另一个人有 0。 没拿到的那个人用自己的尺子量：对方手里 40 > 自己的 0。他一定羡慕。
⭐⭐ 无论你怎么分，都做不到无嫉妒。 这不是分法不够聪明，是根本不存在。
💀 第二堵墙：你想要的那个"公平"，在数学上可能压根不存在。
那怎么办？⭐ 现实的做法是退一步： 「去掉对方手里的某一件东西之后，我就不羡慕了」—— 上面那个例子里，把冰箱从对方手里拿掉，剩下空的，0 ≥ 0，成立。 这个放松版叫 EF1，它总是能做到（第 19 章、第 20 章）。
⭐ 这是整个板块反复出现的模式： 理想的性质做不到 → 找一个恰好能做到的最强放松版。 学会认这个模式，比记住 EF1 的定义有用得多。
这堵墙通向：19 怎么算公平 → 20 公平分配的算法 → 21 有钱与随机分配
🗳️ 游戏三：三个人投票，选出一个自相矛盾的结果
三个朋友选晚饭去哪：火锅（a）、日料（b）、烧烤（c）。各自的排序：
| 人 | 第一 | 第二 | 第三 |
|---|---|---|---|
| 甲 | a 火锅 | b 日料 | c 烧烤 |
| 乙 | b 日料 | c 烧烤 | a 火锅 |
| 丙 | c 烧烤 | a 火锅 | b 日料 |
三个人吵不出结果，于是决定两两 PK，少数服从多数。
🔨 手算：三场 PK
火锅 vs 日料：谁把 a 排在 b 前面？
| 人 | a 和 b 谁在前 |
|---|---|
| 甲 | a（第 1 vs 第 2）✓ |
| 乙 | b（第 3 vs 第 1）✗ |
| 丙 | a（第 2 vs 第 3）✓ |
2 : 1，火锅赢。 ⭐ a ≻ b
日料 vs 烧烤：甲 b（2 vs 3）✓、乙 b（1 vs 2）✓、丙 c（3 vs 1）✗ → 2 : 1，日料赢。 ⭐ b ≻ c
到这里很自然：火锅打赢日料、日料打赢烧烤，那火锅肯定打赢烧烤吧？
火锅 vs 烧烤：甲 a（1 vs 3）✓、乙 c（3 vs 2）✗、丙 c（2 vs 1）✗
1 : 2 —— 烧烤赢。 ⭐⭐ c ≻ a
💥 第三堵墙
$$a \succ b, \qquad b \succ c, \qquad \textbf{但 } c \succ a$$
⭐⭐ 成环了。 火锅打赢日料、日料打赢烧烤、烧烤打赢火锅 —— 没有一个选项能打赢所有对手。
⚠️ 请注意三个人各自的偏好都是完全正常的：甲乙丙的排序都是传递的（a≻b≻c 这种）， 没有任何人不理性。
💀 第三堵墙：一群理性的人，聚合出来的集体偏好可以是不理性的。 「传递性」这个再基本不过的性质，在个体层面成立，在集体层面消失了。
这个环叫 Condorcet 悖论（第 25 章）。 它带来一个非常现实的后果：⭐ 议程可以决定结果。 如果主持人安排「先火锅 PK 日料，赢家再 PK 烧烤」，最后一定是烧烤赢； 换个顺序，赢家就换人。同一群人、同一份偏好，谁定 PK 顺序谁定结果。
⭐⭐ 而 第 26 章会把这件事推到最狠的地步（Arrow 定理）： 这不是多数决这一个规则的毛病，而是任何聚合方式都躲不掉的 —— 除非让某一个人说了算。
这堵墙通向：24 投票规则 → 25 Condorcet 与锦标赛解 → 26 不可能定理
🗺️ 三堵墙对应的三块内容
| 你撞到的 | 问题的本质 | 去哪几章 |
|---|---|---|
| 🎲 固定的最优出法不存在 | 对手会针对你 —— 需要「均衡」这个概念 | 07–15 |
| 🍰 无嫉妒可能根本做不到 | 理想性质不存在 —— 需要找恰好能做到的放松版 | 16–23 |
| 🗳️ 集体偏好可以成环 | 好性质凑不齐 —— 需要知道该放弃哪一条 | 24–26 |
⭐ 还有一块没在游戏里出现：02–06 章的逻辑。 它讲的是怎么把「知识」写成机器能推理的形式（命题逻辑、一阶逻辑、分辨率）。 ⚠️ 那五章和上面三块是独立的 —— 想直接学博弈论，从第 7 章开始完全没问题， 不会有任何前置缺失。逻辑那部分适合这几种人：想搞懂 SAT 求解器、想做形式化验证、 或者想知道「知识图谱推理」底下是什么。
💡 一句话预告后面会反复出现的三种思路
| 思路 | 一句话 | 第一次出现 |
|---|---|---|
| 找不动点 | 「谁都不想改」的那个状态叫均衡 | 11 纳什均衡 |
| 改规则而不是劝人 | 坏结果是理性推出来的，教育没用，只能换游戏 | 16 机制设计 |
| 证明做不到 | ⭐ 花时间证明「不存在」，和找到一个算法同样有价值 | 19 怎么算公平、26 不可能定理 |
⭐⭐ 第三条是这门学问最不一样的地方。 在机器学习里，「效果不好」通常意味着「再调调」； 在这里，很多时候答案是「已经证明了，别调了，换个目标」 —— 而知道什么时候该停止寻找，本身就是很值钱的能力。
🔗 这一章连到哪里
| 去哪 | 为什么 |
|---|---|
| 07 · 偏好与效用 | ⭐ 想直接学博弈论就从这里开始，不需要读 02–06。它先把「理性」这个词说清楚 |
| 02 · 为什么需要逻辑 | 想先补逻辑地基（命题逻辑 → 一阶逻辑 → 自动推理）走这条 |
| 09 · 正常形博弈 | 游戏一那张表的正式名字，以及为什么「你的最优取决于别人」会让一切变难 |
| ../强化学习基础/02-MDP.html | ⭐ 对照着看很有用：那一套里环境有随机性但不会针对你，所以能算出唯一最优策略。游戏一撞的墙，正是这个前提失效之后的样子 |
| ../推荐算法/15b-广告-从推荐到竞价.html | 想先看这门学问能赚钱的样子：广告拍卖里怎么定价、怎么防止广告主骗你 |
✅ 检查点
- 石头剪刀布里，为什么不存在一个固定的最优出法？从收益表上怎么一眼看出来？
- 掷骰子（随机化）解决了什么问题？为什么说「你必须让自己无法被预测」？
- 两个室友分三样东西那个例子里，「无嫉妒」是怎么验证的？它要求两人分数相等吗？
- 只有一台冰箱时为什么做不到无嫉妒？EF1 是怎么放松的？
- 三人投票的三场 PK 结果分别是什么？环是怎么成的？
- 三个人里有谁不理性吗？那这个环说明了什么？
- 「议程可以决定结果」是什么意思？
- 这门学问和机器学习在「效果不好怎么办」上有什么根本不同？
👀 答案
- 因为每一行都有一个 −1 —— 不管你固定出什么，对手总有一个动作让你输（出石头就被布克、出剪刀就被石头克、出布就被剪刀克）。⭐⭐ 根本原因是对手会跟着你调整：你的「最优」一旦被看穿就不再最优。
- 解决被针对的问题。各 1/3 随机出，对手无论怎么应对期望都是 0，他没法利用你。💡 反常之处：为了不被利用，你必须让自己无法被预测 —— 「最优策略」在这里是一个概率分布而不是一个动作。⭐ 更反常的是那个 1/3 不是让自己舒服算出来的，是让对手无所谓算出来的（第 12 章）。
- ⭐ 每个人用自己的尺子量自己那份和别人那份。例子里椅子给你时：室友用他的尺子量你那份（冰箱 40 + 椅子 10 = 50），和他自己手里的书桌 50 打平，不羡慕 ✅；你用你的尺子量他那份（30）< 你的 70，也不羡慕 ✅。⚠️ 不要求分数相等 —— 70 对 50 照样是无嫉妒的。
- 冰箱只能给一个人，拿到的有 60、另一个有 0；没拿到的用自己尺子量对方（40）> 自己（0），必然羡慕。⭐⭐ 无论怎么分都做不到 —— 不是分法不够聪明，是根本不存在。 EF1 放松成「去掉对方手里的某一件东西之后我就不羡慕了」：把冰箱从对方手里拿掉，0 ≥ 0 成立。⭐ 它总是能做到。
- 火锅 vs 日料 2:1 火锅赢（甲丙支持 a）；日料 vs 烧烤 2:1 日料赢（甲乙支持 b）；火锅 vs 烧烤 1:2 烧烤赢（乙丙支持 c）。于是 $a\succ b$、$b\succ c$、但 $c\succ a$ —— ⭐⭐ 成环，没有一个选项能打赢所有对手。
- ⚠️ 没有任何人不理性 —— 甲乙丙各自的排序都是完全正常、传递的。⭐⭐ 所以这个环说明：一群理性的人聚合出来的集体偏好可以是不理性的；「传递性」在个体层面成立，在集体层面消失了。这叫 Condorcet 悖论。
- 因为环的存在，⭐ 谁定 PK 顺序谁定结果：安排「先火锅 PK 日料、赢家再 PK 烧烤」最后一定烧烤赢；换个顺序赢家就换人。同一群人、同一份偏好，结果由议程决定。
- 机器学习里「效果不好」通常意味着「再调调」；⭐⭐ 这里很多时候答案是「已经证明了做不到，别调了，换个目标」。花时间证明「不存在」和找到一个算法同样有价值 —— 知道什么时候停止寻找本身就是能力。
🛑 可以停在这里
⚡ 走神救援
这一章不推公式，只让你撞三堵墙。🎲 游戏一：石头剪刀布。固定出石头 → 对手三把内发现 → 之后一直出布 → 你一直输；改剪刀改布同理。⭐ 收益表上每一行都有一个 −1，所以不管你固定出什么，对手总有一招让你输。💥 第一堵墙：在有对手的世界里，「固定的最优选择」可能根本不存在 —— 这跟训练模型完全不同，损失函数不会因为你选了方向就变形，但对手会跟着你调整。出路是掷骰子（各 1/3），对手无论怎么应对期望都是 0。💡 反常之处：为了不被利用，你必须让自己无法被预测，「最优策略」是一个概率分布而不是一个动作；⭐ 更反常的是那个 1/3 是为了让对手无所谓算出来的，不是让自己舒服（几乎所有人第一次都算反）。🍰 游戏二：两室友分冰箱(你60/他40)、书桌(30/50)、椅子(10/10)。各拿最爱 + 椅子给你 → 你 70、他 50；⭐ 验无嫉妒要用各自的尺子：他量你那份 40+10=50，和自己手里 50 打平，不羡慕；你量他那份 30 < 70，也不羡慕。⚠️ 无嫉妒不要求分数相等（70 对 50 照样算）。但把物品换成只有一台冰箱：拿到的 60、另一个 0，没拿到的量对方 40 > 0，必然羡慕。💥 第二堵墙：你想要的那个"公平"可能在数学上根本不存在 —— 不是分法不够聪明。⭐ 出路是退一步：「去掉对方手里某一件之后我就不羡慕」= EF1，它总能做到。⭐⭐ 这是全板块反复出现的模式：理想性质做不到 → 找恰好能做到的最强放松版。 🗳️ 游戏三：三人选晚饭，甲 a≻b≻c、乙 b≻c≻a、丙 c≻a≻b，两两多数决：火锅 vs 日料 2:1 火锅赢、日料 vs 烧烤 2:1 日料赢、⭐⭐ 火锅 vs 烧烤 1:2 烧烤赢 —— $a\succ b,\ b\succ c$，但 $c\succ a$，成环。⚠️ 三个人各自的排序全都是传递的、没有任何人不理性。💀 第三堵墙：一群理性的人聚合出的集体偏好可以不理性，传递性在个体层面成立、在集体层面消失（Condorcet 悖论）。现实后果：⭐ 谁定 PK 顺序谁定结果。第 26 章的 Arrow 定理会把这件事推到最狠：不是多数决的毛病，是任何聚合方式都躲不掉，除非让一个人说了算。三堵墙分别通向 07–15（均衡）、16–23（机制与分配）、24–26（社会选择）。⭐ 02–06 的逻辑是独立的一块，想直接学博弈论从第 7 章开始完全没问题。⭐⭐ 最后记住这门学问最不一样的地方：机器学习里「效果不好」意味着再调调，这里很多时候答案是「已经证明做不到，换个目标」—— 知道什么时候停止寻找本身就是能力。
下一节 👉 02-为什么需要逻辑.md
🧭 只想学博弈论？ 直接去 07-偏好与效用.md，不会缺任何前置。