📑 本页目录（点开跳转）
07 · 偏好与效用：理性到底是什么意思
⏱ 36 分钟 ｜ ⭐ 全板块真正的起点
🎯 一句话
「理性」在博弈论里不是形容词，是两条可以逐条打勾的性质：完全性 + 传递性。 偏好一旦满足这两条，就能被写成一个效用函数 $u$，此后所有「谁更好」的问题都变成「谁的数更大」。
🚪 一、从这一章进来完全没问题
前面 5 章讲的是逻辑：命题逻辑、一阶逻辑、怎么把知识写成公式、怎么机械地推出结论。 那是知识表示与推理的一条腿 —— 关心的是一个 agent 怎么「知道」事情。
从这一章开始是另一条腿：一群 agent 各有各的想法、利益还不一致，该怎么做决定。
⭐ 两条腿之间几乎不共享前置知识。 你如果是冲着博弈论 / 投票 / 分配来的，可以直接从这里开始读， 前面那 5 章的一个符号都不会在这里出现。真正需要的前置只有两样： ① 看得懂 $\ge$、$\forall$ 这类符号（看不懂连蒙带猜也行）； ② 一点点概率 —— 下一章会用，会算加权平均就够了。
这一章要做的事只有一件：把「这个 agent 想要什么」变成一个数学对象。 没有这一步，后面所有的「他会怎么选」「这个结果好不好」都无从谈起。
| 你在哪 | 这一章 | 下一章 | 再往后 |
|---|---|---|---|
| 想要什么 | 偏好 ≿ → 效用 $u$ | 结果随机时怎么办（彩票、期望效用） | 多个人同时选（正常形博弈） |
🧩 二、偏好关系：只有三个符号
设 $A$ 是所有备选项的集合（苹果、香蕉、樱桃；或者坦白、沉默）。 一个 agent 的偏好写成 $A$ 上的一个二元关系 $\succsim$：
$$x \succsim y \quad\text{读作：} x \text{ 至少和 } y \text{ 一样好}$$
$\succsim$ 可以拆成两半：
| 符号 | 定义 | 人话 |
|---|---|---|
| $x \succ y$ | $x \succsim y$ 且不满足 $y \succsim x$ | 严格更喜欢 $x$ |
| $x \sim y$ | $x \succsim y$ 且 $y \succsim x$ | 两个都行，无所谓 |
例：我喜欢苹果多过香蕉，香蕉和樱桃对我一样，写成
$$\text{苹果} \succ \text{香蕉} \sim \text{樱桃}$$
⚠️ 偏好关系不带「强度」信息。 $x \succ y$ 只说了「$x$ 更好」，没说好多少。 「我爱苹果爱到愿意为它走十公里，而香蕉只比樱桃好一点点」—— 这句话里的强度， $\succsim$ 一个字都装不下。记住这条，第七节会因为它翻车。
⚖️ 三、理性 = 完全性 + 传递性
一个偏好关系叫理性的（rational），当且仅当它同时满足：
| 性质 | 形式 | 在说什么 |
|---|---|---|
| 完全性 completeness | $\forall x,y \in A:\ x \succsim y \ \lor\ y \succsim x$ | 任何两个选项都能比出来，不许说「没法比」 |
| 传递性 transitivity | $\forall x,y,z \in A:\ x \succsim y \land y \succsim z \Rightarrow x \succsim z$ | 比较不能自相矛盾 |
理性的 agent 就定义为：按某个理性偏好关系，在所有可行选项里挑最好的那个。
⚠️ 最常混的一对：「无所谓」不是「没法比」。 $x \sim y$ 是两个方向都成立（$x \succsim y$ 且 $y \succsim x$）—— 这完全符合完全性，无所谓是一种合法的态度。 违反完全性的是两个方向都不成立：你既不觉得 $x$ 至少一样好，也不觉得 $y$ 至少一样好。 那种情况下，如果桌上只剩这两个选项，「挑最好的」这条指令根本没有定义。
💸 四、传递性为什么不能少：钱泵
传递性听起来像句废话，但去掉它，你就是一台提款机。这个论证叫 money pump（钱泵）。
假设三个杯子 A、B、C，你的偏好成了一个环：
$$A \succ B,\qquad B \succ C,\qquad C \succ A$$
注意这里每一条单独看都不奇怪，坏就坏在合起来成了环（传递性要求 $A \succ B \succ C \Rightarrow A \succ C$，可你偏偏说 $C \succ A$）。
现在我来当那个抽你钱的人。你手里拿着 C。
| 步骤 | 我做什么 | 你为什么答应 | 你手里 | 你的钱 |
|---|---|---|---|---|
| ① | 拿 B 跟你换 C，收你 1 元 | 因为 $B \succ C$，多花 1 元也值 | B | −1 |
| ② | 拿 A 跟你换 B，收你 1 元 | 因为 $A \succ B$ | A | −2 |
| ③ | 拿 C 跟你换 A，收你 1 元 | 因为 $C \succ A$ | C | −3 |
⭐ 这就是「不理性」的操作性定义：不是「看起来怪」，而是 存在一套能系统性抽干你的方案，并且你在每一步都是自愿的、都觉得自己赚了。
🔑 为什么这个论证有说服力： 它没有诉诸「你应该怎样」这种价值判断，只是指出 —— 偏好成环的 agent 会被环境（或者别的 agent）稳定地剥削。在一个有对手的世界里， 这样的 agent 活不下去。这就是我们把传递性写进假设的全部理由。
☕ 五、可是传递性有时真的不成立
讲义自己给了一个反例，很值得记住：
往咖啡里多加一粒糖，我完全无所谓（$c_k \sim c_{k+1}$，对每个 $k$ 都成立）。 但是不加糖的咖啡 $\succ$ 加了满满一勺糖的咖啡。
一勺糖是几千粒。如果 $\sim$ 是传递的，那么 $c_0 \sim c_1 \sim \cdots \sim c_{3000}$ 应该推出 $c_0 \sim c_{3000}$， 可我明明说了 $c_0 \succ c_{3000}$。传递性在这里真的破了。
破的原因不是人蠢，是感知有阈值：单步差异小于可分辨的最小量，累积起来却是大差异。 类似的还有颜色、音量、价格。
⭐ 所以理性是一个建模假设，不是一个心理学发现。 后面所有的定理都建立在它上面，它们的结论只在这个假设成立的范围内可靠。 遇到「模型预测和真人行为对不上」的时候，第一个该怀疑的往往就是这里。
📐 六、从偏好到效用函数
偏好关系用起来很笨：$n$ 个选项要记 $n^2$ 对比较。有没有更紧凑的表示？有。
效用函数 $u : A \to \mathbb{R}$ 给每个选项配一个实数。我们说 $u$ 表示（represent） 偏好 $\succsim$，如果
$$x \succsim y \iff u(x) \ge u(y) \quad \text{对所有 } x,y \in A$$
例：$u(\text{苹果}) = 2$，$u(\text{香蕉}) = 1$，$u(\text{樱桃}) = 1$，正好表示了第二节那个偏好。
📌 命题：当选项个数可数时，一个偏好关系能被效用函数表示 $\iff$ 它是理性的。
这个「当且仅当」的两个方向意思完全不同，值得分开看：
⟸ 方向（有 $u$ 就一定理性）—— 一句话就证完了，所以给你看：
- 完全性：任意两个实数 $u(x)$、$u(y)$ 总有 $u(x) \ge u(y)$ 或 $u(y) \ge u(x)$，所以 $x \succsim y$ 或 $y \succsim x$ 必有一条成立。
- 传递性：$u(x) \ge u(y)$ 且 $u(y) \ge u(z)$ $\Rightarrow$ $u(x) \ge u(z)$，因为实数的 $\ge$ 本来就是传递的。
⭐ 看出来了吗：理性的两条要求，其实就是实数序的两条性质。 完全性 = 实数总能比大小，传递性 = $\ge$ 传递。 所谓「理性」，本质上就是「能被摆到数轴上」。
⟹ 方向（理性就一定能写成 $u$） 需要构造，可数时可以逐个赋值挤进实数里； 选项不可数时会出问题（词典序偏好就是经典反例）。这个方向不给证明，知道结论就够。
⚠️ 七、效用是序数的（这一章最贵的一个误解）
看下面三个效用函数：
| 选项 | $u$ | $v$ | $w$ |
|---|---|---|---|
| a | 3 | 100 | 1 |
| b | 2 | 2 | 0 |
| c | 1 | 1 | −5 |
它们表示的是同一个偏好 $a \succ b \succ c$。因为表示的定义只管 $\ge$ 的方向，不管具体数值。 更一般地：任何严格递增变换 $f$，$f(u(\cdot))$ 都表示同一个偏好。
于是下面这三句话全是错的：
| ❌ 错误说法 | 为什么错 |
|---|---|
| 「a 的效用是 c 的 3 倍，所以 a 好 3 倍」 | 在 $v$ 下变成 100 倍，在 $w$ 下比值根本没意义（有负数） |
| 「a 比 b 好的程度 = b 比 c 好的程度」（都差 1） | 在 $v$ 下是差 98 和差 1 |
| 「把两个人的效用加起来算总福利」 | 两人的 $u$ 各自可以随便做递增变换，加出来的数没有意义 |
⭐ 序数效用能承载的信息量，正好就是「排序」，一点不多。 数值只是排序的一个载体，就像给赛跑选手编号 1、2、3 —— 你不会说「第 1 名比第 3 名快 3 倍」。
💀 实践里长什么样：把 1–5 星评分当成基数效用直接求平均。 「4 星 vs 3 星」和「2 星 vs 1 星」未必是同样大小的差距，可平均值把它们当成一样大了。 这不是说不能用，是说你在用的时候多假设了一条「评分是等距的」，而这条假设不在偏好数据里 —— 出问题的时候（比如某个群体系统性地不打 1 星），你得知道是这一步埋的雷。
⚡ 但别绝望，下一章会把这条限制打破一半。 一旦允许比较彩票（结果带随机性），von Neumann–Morgenstern 定理会把效用的自由度 从「任意严格递增变换」收紧到「正仿射变换 $\alpha u + \beta$（$\alpha > 0$）」。 那时候效用差值的比值就有意义了 —— 这正是「期望效用」能算的原因。
🔗 这一章连到哪里
| 去哪 | 为什么 |
|---|---|
| 08-不确定性与期望效用.html | 序数效用在结果随机时不够用了。那一章会把 $u$ 从「排序的载体」升级成「能求期望的量」，并说清楚凭什么可以这么做 |
| 09-正常形博弈.html | 那一章把 $u$ 变成 $u_i$：每个玩家一个效用函数，而且参数是所有人的行动。理解那个下标 $i$ 的前提是先理解这里的 $u$ |
| ../强化学习基础/02-MDP.html | RL 里的 reward 是直接给你一个数，从来不问它从哪来。这一章就是那个数的来历：它必须是某个偏好的效用表示，否则「最大化期望回报」这句话没有意义 |
| ../机器学习与深度学习基础/05-评估与过拟合.html | 反过来的一个提醒：损失函数不是效用函数。损失是你定的优化目标，效用是agent 真实的排序，两者对不上就是「优化了指标、伤了体验」的根源 |
✅ 检查点
- 偏好关系的三个符号 $\succsim$、$\succ$、$\sim$ 分别怎么定义？后两个都是从第一个推出来的吗？
- 「理性偏好」的两条要求是什么？各自的形式写法是？
- 「无所谓」和「没法比」差在哪？哪一个违反完全性？
- 钱泵是怎么运作的？完整走一遍三步，说出每一步你为什么答应、最后损失多少。
- 钱泵这个论证的说服力来自哪里（为什么它比「成环看起来很怪」更有力）？
- 咖啡加糖那个反例，破的是哪一条性质？破的原因是什么？
- 「一个偏好能被效用函数表示 ⟺ 它是理性的」，$\Leftarrow$ 那半边为什么一句话就能证完？
- 下面三句话为什么都错：「a 的效用是 c 的 3 倍」「a 比 b 好的程度等于 b 比 c 好的程度」「把两人效用加起来算总福利」？
- 下一章会把效用的自由度从什么收紧到什么？收紧之后多出来的能力是什么？
👀 答案
- $x \succsim y$ = 「$x$ 至少和 $y$ 一样好」，是原始概念。$x \succ y$ 定义为 $x \succsim y$ 且不 $y \succsim x$；$x \sim y$ 定义为 $x \succsim y$ 且 $y \succsim x$。所以后两个都是从 $\succsim$ 推出来的。
- 完全性 $\forall x,y:\ x \succsim y \lor y \succsim x$；传递性 $\forall x,y,z:\ x \succsim y \land y \succsim z \Rightarrow x \succsim z$。
- 「无所谓」$x \sim y$ 是两个方向都成立，完全符合完全性；「没法比」是两个方向都不成立，违反完全性。后者会让「挑最好的」这条指令没有定义。
- 偏好成环 $A \succ B \succ C \succ A$，你手里拿 C：① 我用 B 换你的 C 收 1 元（因为 $B \succ C$）；② 用 A 换你的 B 收 1 元（因为 $A \succ B$）；③ 用 C 换你的 A 收 1 元（因为 $C \succ A$）。回到起点，杯子没变，你少了 3 元，而且可以无限循环。
- 因为它不诉诸价值判断，只指出成环的 agent 会被环境或别的 agent 稳定剥削，而且每一步都是自愿的。在有对手的世界里这样的 agent 活不下去 —— 这是把传递性写进假设的全部理由。
- 破的是传递性（$\sim$ 的传递链）。每加一粒糖都无所谓，但 $c_0 \succ c_{3000}$。原因是感知有阈值：单步差异小于可分辨的最小量，累积起来却是大差异。
- 因为理性的两条要求就是实数序的两条性质：完全性 = 任意两个实数总能比大小；传递性 = 实数的 $\ge$ 本来就传递。所以有了 $u$，两条自动成立。
- 因为 $u=(3,2,1)$、$v=(100,2,1)$、$w=(1,0,-5)$ 表示的是同一个偏好，任何严格递增变换都保序。倍数在 $v$ 下变成 100 倍、在 $w$ 下有负数没法算；差值在 $u$ 下都是 1、在 $v$ 下是 98 和 1；两人的 $u$ 各自可以随便变换，加起来的数没有意义。⭐ 序数效用承载的信息正好就是排序。
- 从「任意严格递增变换」收紧到「正仿射变换 $\alpha u + \beta$，$\alpha > 0$」。收紧之后效用差值的比值有了意义，这正是可以算期望效用的原因。
🛑 可以停在这里
⚡ 走神救援
这一章把「这个 agent 想要什么」变成了数学对象。偏好关系 $\succsim$ 读作「至少一样好」，拆成严格部分 $\succ$（$x \succsim y$ 且非 $y \succsim x$）和无差异部分 $\sim$（两个方向都成立）。⭐ 理性 = 完全性 + 传递性：完全性说任何两项都能比（$\forall x,y: x \succsim y \lor y \succsim x$），传递性说比较不自相矛盾。⚠️ 别把「无所谓」（两方向都成立，合法）和「没法比」（两方向都不成立，违反完全性）搞混。⭐⭐ 传递性不能少的理由是钱泵：偏好成环 $A \succ B \succ C \succ A$、你手里拿 C 时，我可以①用 B 换 C 收 1 元 ②用 A 换 B 收 1 元 ③用 C 换 A 收 1 元 —— 一圈回到起点、杯子一模一样、你少了 3 元，还能无限循环。它的说服力在于不诉诸价值判断，只指出成环的 agent 会被稳定剥削且每步自愿。但传递性有真实反例：每次多加一粒糖都无所谓，可无糖咖啡 $\succ$ 加满一勺糖的咖啡（3000 粒），破在感知阈值上 —— 所以理性是建模假设不是心理学发现。效用函数 $u$ 表示 $\succsim$ 的定义是 $x \succsim y \iff u(x) \ge u(y)$；命题说可数选项下「能被 $u$ 表示」⟺「理性」，其中 ⟸ 方向一句话就完：理性那两条就是实数序的两条性质（能比大小 + $\ge$ 传递）。⚠️ 最贵的误解：效用是序数的。$u=(3,2,1)$、$v=(100,2,1)$、$w=(1,0,-5)$ 表示同一个偏好，所以「效用 3 倍」「两段差距一样大」「两人效用相加算总福利」全错；实践里的样子是把 1–5 星评分当等距量求平均。下一章 vNM 定理会把自由度从「任意递增变换」收紧到「正仿射变换 $\alpha u + \beta$」，届时效用差值的比值才有意义。
下一节 👉 08-不确定性与期望效用.md