30天让你精通博弈学-第28部分
按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
注意那个结果最好的弟子的策略： 。为什么这是一
个比较理想的比例呢？
事实证明，选择最佳对象的最好搜寻策略，就是在冷静
地 比较若干样本后，选择下一个高于他们全体的那一个，称
为约会比率与等待流程。失去最佳选择的风险约有 ，但
是你已经竭尽所能了，而且你还有大约 的机会在 个
当中挑中最想要的那一个。其实当你在 个人当中挑选时，
的机会已经算是不错的了 （坦白说， 其实并不怎么
准确，不过在现实生活的决策里，要精准到小数点以后第
位似乎不太有意义）。所以相同的逻辑也可以套用到选择上。
… 页面 257…
苏格拉底的选择让后人回味无穷。无独有偶，下面所介
绍的 “约会游戏”中的选择策略与苏格拉底的有异曲同工之
妙，或者可以说，后人借鉴了苏格拉底的选择策略，编写出
“约会游戏”这个案例来介绍博弈思维。
现在我们来看看 “约会游戏”的具体内容。
假定你是个女性，决定要结婚，你身边社交圈里有
个合适的单身男子都有意追求你，你的任务就是，从他们当
中挑选最好的一位作为结婚对象。但要从这 个里面选出
最好的一个并非易事，你该怎么做才能争取到这个结果？
首先你想到的是和这 个人都接触一遍，了解每个人
的情况，将各项素质分别打分，说不定还要列出图表，经过
对比筛选，找出那个最优秀的人。
可惜在这个游戏中，条件是严格限定的：每个人你只能
约会一次，而且只能当场决定选择还是放弃，不能把他们
“冷冻”起来作为后备，一旦你选择了其中一个，你就没有机
会再约会别人了。这些条件似乎有点苛刻，其实在生活中，
… 页面 258…
大多数情况下机会是不等人的，等你左挑右选，把一切都规
划好了，人家可能早就成了别人的如意郎君。所以说，这样
限制是有道理的。
还有一个游戏规则必须遵守，约会之后一旦你决定淘汰
这个人，他就永远出局了。你可以假设他娶了别人，或者心
灰意冷出家当了和尚，甚至跳下断崖一死了之。重点就是你
不能和每个候选者约会后，再把他们贴上排名的标签，收藏
在仓库的架子上，最后才从里面挑最好的一个，也就是你不
可以把所有的候选人当货物一般存起来。统计学家称这种一
边搜集资料一边做决定的决策过程为运次决策。
那么到底什么是赢的策略呢？赢的策略就是能够给你最
大成功机会的策略。纵使无法 肯定，但是你知道 自己
要的就是最大的成功机会。那么这个游戏就变得很简单了，
因为你知道你要的是什么，一切透明化，只要靠 自己就可以
独立完成命运攸关的决定。
说了这么多，到底最好的选择方式存不存在呢？
当然是存在的。虽然这种方式不能给你最肯定的答案，但
是绝对可以增加达成 目标的机会。而在这个游戏中，只要你策
略对头，就能取得不错的成果。现在就来场沙盘推演吧。
显然，你不应该选择第一个遇到的人，因为他在 个
当中名列第一的机会只有 。这个概率可以说是非常的渺
茫，直接把筹码放在第一个人身上，也是最糟的赌注。即使
这个人的确非常优秀，你也要忍痛割爱，因为你不知道在这
… 页面 259…
个人里，他到底排在什么位置 。同样地，第二个人、第
三个人，甚至后面的人，情况都一样，每个人都只有 的
机会可以成为 个人当中的第一名。如果你真心想要找到
最好的，就不应该随机选择。
但是这里有一个 问题 ：假如你约会 的头一个碰巧是最好
的那个呢？你把他淘汰掉了，以后约会的对象 “一蟹不如一
蟹”，岂不是遗憾终生吗？在我们身边，确实有些夫妻是初恋
情人，而且过得很幸福。有必要再重 申一次：在这里我们谈
的是游戏中的策略问题，而不是现实中的爱情和缘分问题。
好了，现在切入正题，介绍选择策略。
一个最有效的方法是：将第一组人 （比如说先取 名 ）
作为试验品，就好像在糖果店或面包店里的试吃品一样，之
后如果遇到比这组人更好的对象，就可以考虑嫁给他了。这
个方法既可以在候选人之间作比较，同时也不会与现实太过
脱节 。你可以在 日记里给每个约会对象评分，以 分为满
分，当分数高于前 人的对象出现时，他就是最后的赢家。
你要做的就是从前 个人当中获取一些经验，作为评估他人
的基础，所谓约会其实就是这么一回事。
值得注意的是，运用上述策略时，有两种情况会使你损
失惨重。第一，如果前 名刚好是全部里面最糟的，碰巧下
一个又是倒数第 名，那就算你倒霉了，你将面临一个相当
坏的选择，虽然不是最坏，不过也够糟的了，并错失选择最
好的机会。因为既然这个倒数第 名 已经 比前 个都要来
… 页面 260…
得好，依照上面的决策模式，选择他是不会错的，可是其实
首选对象仍在苦苦地等待着你，只不过你还处于约会初期，
绝不会知道这点。这就像是成天在一群奇怪的人周围打转，
和这些人相处的经验将扭曲你对正常人的印象。
第二种状况正好相反，就是最好的选择恰好已经在前
个当中，导致你设了一个 以下无法达到的高标准，在未来的
约会中不可能再遇到和他们一样好的，最后只好在所有机会
都出现后选择第 个。而这第 名顶多只是中等标准。
那么，终其一生，你将幻想着，要不是放弃了那一个人，结
果就会如何如何。采用这个策略有大输、大赢的机会。我们
不难解释在运用此一策略的情况下，你将有 赢的机会，
也就是与最优秀的人结婚的概率达 。这当然比随机选择
好得多，但还没有十足的把握。因此，接下来，你得决定排
名第 、第 ，或 第 的次佳选择。
那么是不是还有更好的决策呢？当然，在这个案例中，
由于你只从 个候选人当中取了 个样本，而最佳选择
刚好在样本中的机会只有 ，因此第二种错误 （也就是
让最佳选择从手 中溜走 ）的发生机会相 当小 。所 以，在此
类错误风险不高的情况下，也许你会愿意提高抽样的数 目，
这样就有更多的经验来增加 自己的判断能力 。因此如果运
用相 同的策略，但是将样本数改为 ，那又会如何？如此
一来 ，虽然最佳选择从手 中溜走 的机会将会从 增加
到 ，但也会大大降低设立过低标准的可能。这是一种
… 页面 261…
交换条件，如果有一边更好 ，另一边就会更糟 。那么如果
抽样数 目是 ，甚至 ，又会如何 ？
说了这么多，你可能已经明白了一点：这是一个两难选
择，如果你抽取的 “样本”太少，你得出的结论可能并不准
确；可是如果你取样太多，结论倒是准确了，可是又很有可
能错失最佳选择 （他正好在取样里，被牺牲掉了）。
… 页面 262…
在现实爱情配偶的选择上，我们都希望找到最好的那一
个，但是如果你把这作为唯一 目标，你可能得不偿失。在我
们面对选择时，决策的核心并不在于结果的最优，而是决策
过程的最优化，只要你的策略合理，结果当然也不会差。
一个最重要的理 由是：你很难找到一种方法来保证实现
这一理想 。人 不 是机器 ，不 能用“型号 ”、“运算速 度 ”、“行业
标准”之类的东西衡量，人比任何机器都复杂得多。你也许
会想到考试这种方式，但即使你的考题出得很不错，也只能
反映某些素质，更不必说还有纸上谈兵和 口是心非之类的不
确定因素。
按图索骥是人们常犯的毛病，好多少男少女正是以心 目
中的偶像 （通常是浪漫影视和大众媒体营造出的不真实的形
象）作为择偶标准。这种标准至少有两个 问题：其一是似乎
认为人也像某种高档商品，是可以批量生产的；其二就更糟
糕：如果真的享受不到，就弄个假货 自欺欺人。当然，我们
都希望得到高标准的，但如果你不学会降格 以求，恐怕只能
… 页面 263…
孤独下去。
时间不会倒流，机会往往也是如此。如果你的标准过于
苛刻，就会丧失许多本来可以抓住的机会。有这样一个故事：
女儿年龄渐大，还是不肯结婚，父亲很是着急。女儿不以为
然 ，说：“没关系 ，海里 的鱼还 多着 呢。”父亲 回答：“可是鱼饵
放得太久，就没有味道了。”
在爱情问题上有许多神话，人们炮制这些神话的初衷是好
的，但是如果你信以为真，结果可能就不是好的了。最典型的
一个神话就是所谓 “另一半”：这世界上的男男女女，每个人
都有属于 自己的另一半，而我们恋爱的 目的就是要找到那个
“另一半”。这个说法挺叫人感动，但于事无补。它的意思是：
有 （而且只有）一个最佳答案。姑且先承认这一点，可是世界
上和你年龄相仿的女人或男人有好几亿，而你所能接触到的不
过一二百人，指望从这个小的范围找到那个 “正确答案”，可
能性约等于买一张彩票即中大奖的概率。如果某人把改善命运
的希望完全寄托在中彩票上，我们会认为此人神经出了问题，
在爱情上，道理也是一样。
比较合理的策略可能是将各种策略综合起来，比如先画
定一个及格线，在这个及格线上选择某种素质最突出的；或
者掉过来，选择总分高，同时某个素质也不太差的。这样结
果虽然不一定最好，但一定很不错。
或者还是回到刚才提到的 “约会游戏”中，我们可以避
免选到最差的，也就是说，不把追求最佳人选作为最大 目标，
… 页面 264…
而是设法避免挑到最差的人选，这就称为规避风险。也就是
说，在赌博的时候 （你的确是在赌博，只不过不是用一般的
筹码），你应该设法减少损失而不是一味追求高利润的报酬。
就像赌马挑品种 比较好的马，就是为了规避风险。在这样的
前提下，你的策略又会有什么转变呢？
确定这个前提后，就算你认为挑中次佳人选并不可悲，
你也不必为了简化约会过程，而将约会人数从 个人 降到
个人 。比较好的做法是，把前 个人当做样本，然后跟
前面的做法一样，挑选下一个比他们更好的对象。这样虽然
挑到最佳人选的机会稍微降低，但是仍有高于 的机会挑
到最佳或是次佳人选。更不必到约会终了，甚至在咽下最后
一 口气时选。这样做是比较合理的，依此类推，如果你认为
这 个人里面的前 名都可以接受，那你只需要 个样
本，这样你就有 的机会可以找到前 名的对象，也就是
说，只要动动脑筋，就有将近 的概率可以
