5D Library › 演化博弈、直接与间接互惠及合作涌现的数学模型 · English

第六章 惩罚:利他惩罚、反社会惩罚与公共池塘的治理

公共品与搭便车

前几章的捐献博弈是两人之间的事。许多合作问题是多人的:一条灌溉渠、一个开源项目、一个社群的共同规则。在实验中,这类问题用公共品博弈来研究:每人有一笔禀赋,可以把一部分放进公共池;池中的钱乘以一个大于 1、小于人数的系数,再平均分给所有人。每放进一单位,自己只拿回一部分,所以对每个人来说少放更好;但所有人都放,所有人都更好。第 27 本第一章讨论过这个博弈的实验规律:一开始人们通常捐出禀赋的四到六成,在重复进行时捐献逐渐下降。本章从这里接着讲:如果允许参与者自己付费惩罚搭便车者,会怎样?

证据

利他惩罚。 费尔与格希特 2002 年让 240 名大学生 4 人一组进行公共品博弈,每期之后重新分组,使同一对人不再相遇。在允许惩罚的条件下,参与者看到其他人的捐献后,可以花自己的钱扣减别人的收入:每花 1 个单位,对方被扣 3 个单位。由于不会再相遇,惩罚者不可能从被惩罚者以后的改变中得到好处,惩罚在这个意义上是「利他」的。结果是:允许惩罚时合作繁荣,不允许惩罚时合作瓦解;多数参与者使用了惩罚,惩罚主要指向捐献低于他人的人。作者认为,对搭便车者的负面情绪是惩罚的近因 (Fehr and Gächter 2002)。

证据

反社会惩罚。 赫尔曼、托尼与格希特 2008 年在 15 个国家的 16 个城市(波士顿、墨尔本、诺丁汉、圣加仑、苏黎世、哥本哈根、波恩、第聂伯罗彼得罗夫斯克、首尔、伊斯坦布尔、成都、明斯克、萨马拉、雅典、利雅得、马斯喀特)对 1,120 名大学生进行了同一实验:固定 4 人一组,每人禀赋 20,边际回报 0.4,有惩罚与无惩罚条件各 10 期,惩罚技术同样是 1 比 3。他们发现了大量的反社会惩罚:惩罚那些捐献与自己一样多甚至更多的人。反社会惩罚的程度在各地差别很大;在有惩罚的条件下,平均捐献从雅典的 5.7、利雅得的 6.9 到哥本哈根的 17.7、波士顿的 18.0 不等;在 16 个被试池中,反社会惩罚越多,合作水平越低(斯皮尔曼相关 −0.90)。在其中 11 个被试池中,惩罚提高合作的作用至少达到弱显著水平,其余 5 个的变化不显著;反社会惩罚越强,合作的提高幅度越小。国家层面的「公民合作规范」与法治水平越弱,反社会惩罚越多。作者的结论是,只有在有很强的合作社会规范时,惩罚的机会才对社会有益 (Herrmann et al. 2008)。

证据

惩罚的效率代价。 惩罚本身毁掉了收入:惩罚者与被惩罚者都付出了代价。格希特、伦纳与塞夫顿 2008 年让 3 人一组的参与者进行 10 期或 50 期的公共品博弈。允许惩罚时,两种长度下捐献都更高,50 期时提高更多;但只有 50 期时,扣除惩罚代价后的净收益高于无惩罚组,10 期时反而更低 (Gächter et al. 2008)。

程序:带惩罚与反社会惩罚的公共品演化

惩罚为什么能演化出来,是一个理论难题:惩罚者付出代价,而不惩罚的合作者坐享其成(「二阶搭便车」)。反社会惩罚把问题变得更复杂:兰德与诺瓦克 2011 年在可以选择不参加的公共品博弈模型中发现,一旦允许惩罚指向合作者,惩罚与合作的共同演化就可能被阻止 (Rand and Nowak 2011)。

推导

# Public goods with prosocial and antisocial punishment. Population N = 100; groups of
# n = 5 are drawn at random. Contributors pay 1; the pot is multiplied by r = 3 and shared
# equally among the participants. Then punishers act: each punishing act costs the
# punisher 1 and the target 3 (the 1:3 technology of Fehr & Gachter 2002 and Herrmann et
# al. 2008).
#   C  contributes, never punishes      D  defects, never punishes
#   P  contributes, punishes every D
#   A  defects, punishes every contributor (antisocial punishment)
#   L  loner: stays out and gets 1 (optional participation; groups with fewer than two
#      participants also give 1). Punishment acts only among participants.
# Expected payoffs in a population with i mutants follow from hypergeometric group draws.
# Imitation by pairwise comparison with rare mutations, as in p07: long-run share of time
# in each strategy, for weak (beta = 0.05) and strong (beta = 1) selection. All parameters
# are illustrative.
import math

R_MULT, NG, FINE, COST, SIGMA = 3.0, 5, 3.0, 1.0, 1.0
CONTRIB = {"C": 1, "D": 0, "P": 1, "A": 0, "L": None}

def payoff(me, others):
    """Payoff of 'me' in a group whose other members are 'others'."""
    part = [s for s in [me] + others if s != "L"]
    if me == "L" or len(part) < 2: return SIGMA
    pay = R_MULT * sum(CONTRIB[s] for s in part) / len(part) - CONTRIB[me]
    po = [s for s in others if s != "L"]
    if me == "P": pay -= COST * sum(CONTRIB[s] == 0 for s in po)
    if me == "A": pay -= COST * sum(CONTRIB[s] == 1 for s in po)
    if CONTRIB[me] == 0: pay -= FINE * sum(s == "P" for s in po)
    else: pay -= FINE * sum(s == "A" for s in po)
    return pay

def hyper(k, K, N, n):       # P(k of the n others are mutants), K mutants in N others
    return math.comb(K, k) * math.comb(N - K, n - k) / math.comb(N, n)

def expected(me, mut, res, i, N):
    """Expected payoff of a 'me'-player when the population has i mutants (mut) and N - i
    residents (res); the other NG - 1 group members are drawn from the remaining N - 1."""
    K = i - (me == mut)
    return sum(hyper(k, K, N - 1, NG - 1) * payoff(me, [mut] * k + [res] * (NG - 1 - k))
               for k in range(NG))

def fixation(mut, res, N, beta):
    tot, prod = 1.0, 1.0
    for i in range(1, N):
        d = expected(mut, mut, res, i, N) - expected(res, mut, res, i, N)
        prod *= math.exp(-beta * d); tot += prod
        if prod > 1e300: return 0.0
    return 1 / tot

def abundance(names, N=100, beta=1.0):
    n = len(names)
    T = [[0.0] * n for _ in range(n)]
    for j, res in enumerate(names):
        for i, mut in enumerate(names):
            if i != j: T[j][i] = fixation(mut, res, N, beta) / (n - 1)
        T[j][j] = 1 - sum(T[j])
    v = [1 / n] * n
    for _ in range(100000):
        w = [sum(v[j] * T[j][i] for j in range(n)) for i in range(n)]
        if max(abs(x - y) for x, y in zip(v, w)) < 1e-14: break
        v = w
    return v

for beta in (0.05, 1.0):
    print(f"selection strength beta = {beta}: long-run share of time; share contributing")
    for names in (["C", "D"], ["C", "D", "P"], ["C", "D", "P", "A"], ["C", "D", "L", "P"],
                  ["C", "D", "L", "P", "A"]):
        v = abundance(names, beta=beta)
        coop = sum(x for s, x in zip(names, v) if CONTRIB[s] == 1)
        sh = ", ".join(f"{s} {x:.3f}" for s, x in zip(names, v))
        print(f"  {'+'.join(names):10s} {sh};  {coop:.3f}")
print("group of 5, payoff per player (contributing 1 is the cost of cooperating):")
for grp in (["C"] * 5, ["D"] * 5, ["P"] * 5, ["P"] * 4 + ["D"], ["P"] * 3 + ["A"] * 2,
            ["C"] * 4 + ["A"]):
    pays = [payoff(grp[k], grp[:k] + grp[k + 1:]) for k in range(5)]
    print(f"  {''.join(grp)}: " + " ".join(f"{p:+.1f}" for p in pays)
          + f"   group total {sum(pays):+.1f}")
# selection strength beta = 0.05: long-run share of time; share contributing
#   C+D        C 0.109, D 0.891;  0.109
#   C+D+P      C 0.126, D 0.631, P 0.243;  0.369
#   C+D+P+A    C 0.063, D 0.385, P 0.134, A 0.418;  0.197
#   C+D+L+P    C 0.249, D 0.114, L 0.104, P 0.533;  0.782
#   C+D+L+P+A  C 0.222, D 0.092, L 0.115, P 0.533, A 0.038;  0.755
# selection strength beta = 1.0: long-run share of time; share contributing
#   C+D        C 0.000, D 1.000;  0.000
#   C+D+P      C 0.000, D 1.000, P 0.000;  0.000
#   C+D+P+A    C 0.000, D 0.500, P 0.000, A 0.500;  0.000
#   C+D+L+P    C 0.047, D 0.026, L 0.061, P 0.866;  0.913
#   C+D+L+P+A  C 0.047, D 0.025, L 0.061, P 0.866, A 0.000;  0.913
# group of 5, payoff per player (contributing 1 is the cost of cooperating):
#   CCCCC: +2.0 +2.0 +2.0 +2.0 +2.0   group total +10.0
#   DDDDD: +0.0 +0.0 +0.0 +0.0 +0.0   group total +0.0
#   PPPPP: +2.0 +2.0 +2.0 +2.0 +2.0   group total +10.0
#   PPPPD: +0.4 +0.4 +0.4 +0.4 -9.6   group total -8.0
#   PPPAA: -7.2 -7.2 -7.2 -10.2 -10.2   group total -42.0
#   CCCCA: -1.6 -1.6 -1.6 -1.6 -1.6   group total -8.0

程序中的种群有 100 人,每次随机抽 5 人组成一组,捐献 1 的人使公共池增加 3 并平均分给参与者;惩罚者每惩罚一次付出 1、使对方损失 3。五种策略:合作者(C)、背叛者(D)、惩罚背叛者的合作者(P)、惩罚合作者的背叛者(A,反社会惩罚者),以及不参加博弈、固定得 1 的独行者(L)。个体模仿收益更高的人,突变很少发生。

在弱选择(β=0.05\beta = 0.05)下,只有合作者与背叛者时,种群 11% 的时间在捐献;加入惩罚者后升到 37%;再加入反社会惩罚者后降到 20%,反社会惩罚者占 42% 的时间。这与赫尔曼等人的实验在方向上一致:反社会惩罚抵消了惩罚的一部分作用。但结论依赖模型的细节:允许不参加(独行者)时,惩罚者占一半以上的时间,捐献比例为 78%,加入反社会惩罚者后只降到 76%,因为反社会惩罚者在惩罚者占多数的种群中自己受到最多的惩罚。这与兰德与诺瓦克 2011 年的结论不同:在他们的模型中,合作者、背叛者与独行者都可以选择惩罚三类人中的任何一类,共 24 种策略;只允许合作者惩罚背叛者时,平均合作约为 87%,允许全部惩罚策略后降到约 34%,与没有惩罚时相同,而惩罚合作者的主要是独行者 (Rand and Nowak 2011)。本程序中独行者不惩罚任何人,反社会惩罚者也不惩罚独行者,所以没有出现这一结果。两者的差别本身说明,结论对模型设定很敏感。在强选择(β=1\beta = 1)下,没有独行者时惩罚根本无法起步:一个惩罚者在全是背叛者的种群中要惩罚组里的每个人,代价极大,于是种群一直停在背叛(与同样不捐献的反社会惩罚者);有独行者时,惩罚者占 87% 的时间。

程序的最后一部分列出 5 人组中每人的收益,说明惩罚的效率代价。全组合作时每人得 2.0,与全是惩罚者时相同,因为没有人需要被惩罚。4 个惩罚者与 1 个背叛者时,全组总收益是 −8.0,不仅低于全组合作的 10.0,也低于全组背叛的 0:惩罚者每人只得 0.4,背叛者被扣到 −9.6。3 个惩罚者与 2 个反社会惩罚者互相惩罚时,全组总收益为 −42.0。惩罚在被使用时总是毁掉收入;它的价值在于使用之前:如果它的威胁足以让人合作,它就很少需要被使用。格希特等人的 50 期实验正是这个道理。

注

模型的限度。 这个程序是示意性的:收益、组的大小、惩罚的 1 比 3 技术、更新规则与选择强度都是选定的值,换一组值,各策略的比例会改变。它要说明的是机制之间的关系(惩罚可以维持捐献;反社会惩罚可以削弱它;能否起步取决于是否存在退出的选项),而不是任何真实群体中各种人的比例。实验室中的「惩罚」是匿名、一次性的扣钱,真实社群中的制裁往往是公开的、可以申辩的,并且会引起报复;两者的差别很大。

奥斯特罗姆的八项设计原则

实验室之外,许多社群在没有国家强制的情况下长期管理着共享的资源:草场、渔场、森林、灌溉系统。奥斯特罗姆 1990 年比较了这类长期存续与失败的「公共池塘资源」制度,归纳出长期存续的制度通常具备的八个特征 (Ostrom 1990):

  1. 清楚界定的边界:谁有权使用资源,资源的范围在哪里;
  2. 使用与供给的规则与当地条件相适应;
  3. 集体选择的安排:受规则影响的人能参与修改规则;
  4. 监督:监督者对使用者负责,或本身就是使用者;
  5. 分级制裁:违规者受到的制裁随违规的严重程度与次数而升级;
  6. 冲突解决机制:低成本、可及的调解场所;
  7. 对组织权利的最低限度承认:外部政府不否定社群自己制定规则的权利;
  8. 嵌套的组织:对于更大系统的一部分,治理活动在多个层级中组织。

证据

设计原则的经验支持。 考克斯、阿诺德与比利亚马约尔·托马斯 2010 年综述了 91 项检验这些原则的研究,认为它们得到了较好的经验支持,同时指出了若干理论问题,并提出了一个修订的表述 (Cox et al. 2010)。

这八条原则与前面的模型有清楚的对应:边界与集体选择决定谁在「种群」中、规则由谁定;监督对应第四章中声誉信息的收集;分级制裁与冲突解决对应本章的问题:怎样惩罚而不毁掉合作,怎样区分有意的违规与无心的失误(第三章的执行错误)。框架中的「分级监督」在原则中是两条:监督(第 4 条)与分级制裁(第 5 条)。这些原则是从案例中归纳出来的,不是从模型中推导出来的;具备这些特征的制度更可能存续,但它们不是充分条件,也不能直接搬到任何社群。

假说 · 尚未验证

分级加遗忘假说(尚未确立)。作者推测,在一个以成员互助为基础的社群中,违规记录在一段时间无违规后逐步清除的「分级加遗忘」规则,比「累计三次即除名」的规则,在保持对故意搭便车者同样威慑力的同时,减少因偶然失误而被除名的守规成员,并且成员对规则公平性的评价更高。第八章的程序用一个虚构的例子说明这种比较怎样计算。可以检验的预测来自社群规则的随机化比较:两种规则下故意违规的频率相近,而守规成员的流失率在「分级加遗忘」规则下更低。如果「分级加遗忘」规则下故意违规明显增加,或守规成员的流失率没有降低,这一假说就被推翻。

本章小结

允许自费惩罚搭便车者能在实验中维持公共品的捐献,即使惩罚者不会再与被惩罚者相遇。但跨社会的实验发现了大量反社会惩罚,在合作规范与法治较弱的地方,惩罚对合作的提高很小。惩罚在被使用时总是毁掉收入,只有互动足够长时,它带来的合作才能弥补这一代价。模型显示,惩罚能否起步与反社会惩罚的影响都依赖于细节,例如是否允许不参加。奥斯特罗姆的设计原则从长期存续的公共资源制度中归纳出监督、分级制裁与冲突解决等特征,它们与本书的模型相互呼应,但不是成功的保证。下一章把这些研究与儒家、墨家关于爱与回报的文字并读。

参考文献

Cox, Michael, Gwen Arnold, and Sergio Villamayor Tomás. 2010. “A Review of Design Principles for Community-Based Natural Resource Management.” Ecology and Society 15 (4): 38. https://doi.org/10.5751/ES-03704-150438.
Fehr, Ernst, and Simon Gächter. 2002. “Altruistic Punishment in Humans.” Nature 415 (6868): 137–40. https://doi.org/10.1038/415137a.
Gächter, Simon, Elke Renner, and Martin Sefton. 2008. “The Long-Run Benefits of Punishment.” Science 322 (5907): 1510. https://doi.org/10.1126/science.1164744.
Herrmann, Benedikt, Christian Thöni, and Simon Gächter. 2008. “Antisocial Punishment Across Societies.” Science 319 (5868): 1362–67. https://doi.org/10.1126/science.1153808.
Ostrom, Elinor. 1990. Governing the Commons: The Evolution of Institutions for Collective Action. Cambridge University Press.
Rand, David G., and Martin A. Nowak. 2011. “The Evolution of Antisocial Punishment in Optional Public Goods Games.” Nature Communications 2: 434. https://doi.org/10.1038/ncomms1442.

Fan, Y. (2026). Evolutionary Game Theory, Direct and Indirect Reciprocity and the Emergence of Cooperation: From Hamilton's Rule and Axelrod's Tournaments to Reputation and Costly Punishment, Read Beside Classical Confucian and Mohist Ethics [演化博弈、直接与间接互惠及合作涌现的数学模型] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23788551 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).