友情提示:如果本网页打开太慢或显示不完整,请尝试鼠标右键“刷新”本网页!
八二电子书 返回本书目录 加入书签 我的书架 我的书签 TXT全本下载 『收藏到我的浏览器』

博弈生存-第6部分

快捷操作: 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! 如果本书没有阅读完,想下次继续接着阅读,可使用上方 "收藏到我的浏览器" 功能 和 "加入书签" 功能!



由前提真必然地推出结论真就是演绎推理。这是逻辑或传统逻辑研究的对象。古希腊哲学家亚里士多德确定了三段论推理形式如:

大前提:所有人皆要死;

 
小前提:张三是人;

结论:张三要死。

再比如:

大前提:所有的爬行动物是用肺呼吸的。

小前提:蛇是爬行动物。

结论:所以蛇是用肺呼吸的。

只要前提真,推理过程无误,演绎推理的结论就是真的。演绎推理是由某个普遍性的原理推出某种特殊的结论。这个结论其内容不会超过前提蕴含的内容。数学就是演绎性的。

不仅有演绎推理,同时还有归纳推理。如:

前提1:张三要死;

前提2:李四要死;

结论:所有人都要死。

又如:

前提1:蛇是用肺呼吸的;博弈生存博弈生存博弈生存博弈生存归纳推理的合理性问题前提2:鳄鱼是用肺呼吸的;

结论:所有的爬行动物都是用肺呼吸的。

这种由个别性的真的现象或前提推导出普遍性的结论就是归纳推理。

归纳出来的普遍性的结论不是必然真的,而是归纳真的,或者说是“或然真的”,即:结论可能是真的,也可能是假的。

归纳推理是跳跃的,结论的内容超出前提的内容。当然,这种跳跃性的过程是可质疑的。大哲学家休谟批判人们的归纳没有合理性,只是人的习惯联想而已。因为没有逻辑的理由来证明归纳法。

演绎与归纳在人的认识与行动中起着重要作用,哲学家在研究它们的作用。

人的行动很大一部分建立在归纳推理之上。那么什么是归纳推理呢?

我们每天看到太阳从东方升起而得出结论说“太阳每天从东方升起”,我们看到了几只天鹅是白色的,我们说“所有的天鹅是白色的”。

归纳推理就是从少数的观测的事例中概括出普遍性的命题。如果用逻辑学的话语说,就是从特称命题得出全称命题。所谓全称命题是指这样的命题形式:“所有的……具有某种性质”,而特称命题是指“某某具有什么性质”。当然这是一种不严格的说法。今天非经典逻辑的归纳逻辑就是研究证据与全称命题之间的支撑关系的。

从特称命题到全称命题的过程是归纳过程,这个过程中存在着跳跃。这样的跳跃合理吗?

归纳法是科学家的常用工具,而对归纳法的合理性哲学家一直在探讨。培根说过“知识就是力量”,他竭力倡导归纳法,认为知识的来源是经验。

知识来源于经验,这不容怀疑。然而人们通过经验得出知识的方法令人怀疑。18世纪英国哲学家休谟认为,归纳法其实是人的习惯联想。

我们怎么从过去每天观测的太阳从东方升起得出“太阳将每天从东方升起”的结论?根据休谟的看法,答案只能是习惯联想。我们以前观测到甲现象出现时,乙现象也出现,当我们以后看待甲现象时,我们便期待着乙现象出现,并且我们把甲现象称之为原因,把乙现象称之为结果。然而我们的结论合理吗?甲与乙之间的所谓因果联系是必然的吗?休谟的回答是否定的。

我们可设想一下:主人每天给猪喂食,当猪看到主人来时,意味着食物送来了,然而猪不能必然性地得出,主人来必然给它喂食物。因为,很可能的是,一天主人拎着刀杀它来了。这就是归纳法的困难。

哲学家无法证明归纳法的绝对合理性,如果要证明,肯定要引入其他的假定,假定自然是有规律的,但是这样的假设是无法证明的。

虽然归纳法的合理性存在疑问,但归纳法在科学中的作用则不可低估——当然这不是我们上面所举的例子中的简单的枚举归纳法,以至于有人说,归纳法是科学家的荣耀,哲学家的耻辱。

尽管如此,人们在日常生活中也是用归纳法来生活、工作的,归纳法是很有用的工具。如当我们看到有乌云时,我们会想到要下雨了,因为以前有这样的现象,然而是否肯定下雨,则难说,但下雨的概然性大,对我们来说,这就足够了。因此,归纳法是我们思维工具箱中的一个非常有用的工具,尽管不能时时有效。

归纳法在人的互动行动中作用如何呢?这是我们下面要讨论的问题。

归纳的暴力:偷东西的人应该叫小偷吗?
对事物规则性的归纳得出的结论叫规律,规律以所谓命题的形式出现——所谓命题即是有真假的句子。命题与事实的关系是上世纪哲学研究的一个重要内容,上面对归纳法的怀疑是对得出真命题的方法的怀疑。这里我们不讨论这个问题。我们来分析人们是如何用归纳法对人的行动进行归纳从而决定自己的行动的。

在现实中人们经常用归纳法来对人下结论。如果我们看到某人几次做出同样的错事,我  
们肯定会认为他的能力有问题;如果我们看到某人做出几件不好的事情,我们很容易怀疑他的道德。对他人归纳性的看法会得出对方在同样的情形下会做出同样的事情的结论,因而我们会制定出自己的策略。但是,我们这样做往往陷入误区。

不能说偷过东西的人永远会偷东西,因而叫他们是小偷或贼是不正确的,犯了错误的人不一定永远犯错误。但我们往往这么思维。我们把偷了东西的人叫小偷的话,那么这种称呼本身就将他们归类,他们成为另类,这样称呼本身就等于我们用语言在他们与我们之间划了一条横沟,因而,此时语言成了一种不道德的暴力。从这一点来讲,我们的语言是不宽容的,或者说我们的语言存在着问题。

我们这里的讨论带有思辨的特点,然而我们在社会中确实是这样使用语言和思维的。我们正是通过对认识的人的几次接触而对他们得出一个结论的,这个结论构成我们对之采取“回应行动”的基础。这个回应行动包括“友好相处”、“防范对方的侵犯”、“追求从而成为恋人”、“冷漠”,等等,并根据不同情况将周边的人分类成:可以成为朋友的、有可能成为敌人的、可以成为恋人或情人的、没有任何交往的,等等。这样的归纳会发生错误,随着交往的深入,归纳会发生改变。当然有些归纳因某种现实的或偶然的原因而永远得不到改变。

一个群体在长时间的交往接触中,分化出各种固定的关系来,有些成为固定的朋友,有些成为一般的朋友,有些成为永远的敌人,当然也会出现恋人或爱人,还有一些形同陌路。即一均衡态出现了:周边的人基本上被定了位,形成了固定的关系。而这一切从归纳开始,并且在不断的交往中对所归纳的看法给以改正。这是一个博弈,在这个博弈中存在着一个对周边的人不断认识的过程,在博弈中称之为学习过程。

行动中的两种推理:归纳与演绎
博弈论是研究人的行为的,在博弈论中参与者一方面猜测其他参与者的策略,同时计算各种策略可能性下的支付(得益)。然而在实际中,一般情况下,人们是很难计算得益的。此时人们往往准备了各种备选策略,当其他参与者采取一确定策略时,自己将决定采取某种策略。

“人不犯我,我不犯人;人若犯我,我必犯人”。这是毛泽东的外交方针。一旦别人采  
取某种策略,如敌人采取侵犯的策略,根据这个方针,可以推理出“我”将采取“犯”的策略。这就是逻辑推理与行动之间的关系。

我们经常用逻辑推理的方法来确定自己的行动。

“如果天下雨,我将带伞”,这是我们日常的行动决定;“如果上证指数跌破1500点,我将大量买进股票”,这是股民的决定,当然具体的股民的方案是不同的;而外交方面更是靠逻辑推理来确定自己的行为,如:我国在台湾问题上采取“如果其他国家和台湾建交,中国政府将强烈抗议并与之断交”的策略。因此,逻辑推理在社会行动中是确定策略的工具。

其实参与者在计算支付时,也是一样确定自己的策略,即确定:一旦别人采取什么策略,我将采取什么策略更好——支付更大。

“如果天下雨,我将带伞”,“人不犯我,我不犯人;人若犯我,我必犯人”,这些是行动者制定的行动规则,它们构成行动推论的大前提。如:

前提1:如果天下雨,我将带伞;

前提2:今天下雨;

结论:我要带伞。

又比如:

前提1:人不犯我,我不犯人;人若犯我,我必犯人。

前提2:张三犯我。

结论:我犯张三。

这两个推理是演绎的。

通过分析,我们看到,在人的行动中演绎推理发挥着重要作用。因此我们可以认为,逻辑是社会行动的基础。这也是我们为什么分析社会行动主题的原因。

然而,行动中逻辑推理与认识中的逻辑推理的关系如何?行动中的演绎推理的结论肯定是真的吗?

在上一部分中我们说了,演绎性推理只要前提是真的,推理形式正确,结论肯定是真的。我们并没有说,演绎推理分行动的和认识的两种。所以这个看法在行动的推理中同样正确。

然而人们的行动中的推理前提其正确性如何呢?这是问题所在。我们认为,人的认识中普遍性的命题是真的,逻辑就是揭示这些普遍性的命题与个别性结论之间的关系。而人的行动中的前提是“某种条件下的策略决定”,它为真吗?如果为真的话,是什么意义上的真?

这就涉及社会行动的本质问题。

首先,决定行动者的行动的前提是真的吗?如:“如果天下雨,我将带伞”是真的吗?对于这个命题,其真值取决于“天下雨”与“我带伞”两个命题的值的组合,当“天下雨,我没有带伞”,此时命题就假了。然而天下雨与我带伞之间的联系是由行动者“我”来规定的。因此我们可以说,前提真是“规定真的”。

当然,这里的“规定的真”不是没有理由的,它是由行动者的理性与行动结构所决定的,如果是博弈的话,这个结构就是博弈的结构。一旦行动者的结构给定了,理性的行动者的策略决定就确定了。

对于日常非博弈的情况,理性的行动者总是最大化自己的利益而制定策略的。试想一下,下雨时在不带雨伞与带雨伞之间,行动者会选择后者,如果没有其他方便的避雨的手段的话。因为,不带雨伞会使自己淋湿——被淋湿是任何人所不希望的。

酒吧问题与“百花奖”的评选(1)
酒吧问题(bar problem),是美国人阿瑟(W。B。Arthur)1994年在《美国经济评论》发表的《归纳论证和有界理性》一文中提出的,后来在1999年的著名的《科学》杂志上发表的《复杂性和经济学》一文中阐述了这个博弈。

阿瑟是斯坦福大学经济学系教授,同时是美国著名的圣塔菲研究所(Santa Fe Institute)研究人员。他不满意经济学中认为的,经济主体或行动者(agent)的行动是建立在演绎  
推理的基础之上的,而认为其行动是基于归纳的基础之上的。酒吧问题就是他为了说明这个问题而提出的。

该博弈是说:有一群人,比如总共有100人,每个周末,均要决定是去一酒吧活动还是呆在家里。酒吧的容量是有限的,比如空间是有限的或者座位是有限的,如果人去多了,去酒吧的人会感到不舒服,此时,他们留在家里比去酒吧更舒服。我们假定酒吧容量是60人,或者说座位是60个,如果某人预测去酒吧的人数超过60人,他的决定是不去,反之则去。这100人如何做出去还是不去的决策呢?

假定每个参与者或决策者面临的信息只是以前去酒吧的人数,每个参与者只能根据以前去的人数的信息归纳出策略来。没有其他信息,他们之间更没有信息交流。

这是一个典型的动态博弈问题,这是一群人之间的博弈。如果许多人预测去酒吧的人数多于60,而决定不去,那么,酒吧的人数将很少,这时候作出这些预测则错了。如果有很大一部分人预测去酒吧的人数少于60,因而去了酒吧,则去的人很多,多过60,此时他们的预测也错了。因此一个作出正确的预测的人应该能知道其他人如何作出预测的。但是在这个问题中每个人的预测的信息来源是一样的,即都是过去的历史,而每个人不知道别人如何作出预测,因此,所谓正确预测是没有的。每个人只能根据以往历史“归纳地”作出预测,而无其他办法。阿瑟教授提出这个问题也是强调在实际中归纳推理与行动之间的重要性。

因此,对于这样的博弈的参与者来说,问题是他如何才能归纳出合理的行动策略。

例如,如果前面几周去酒吧的人数如下:

44,76,23,77,45,66,78,22

不同的行动者可作出不同的预测,例如预测:下次的人数将是前4周的平均数(53),两点的周期环(78),与前面隔一周的相同(78)。

这样的预测种类会很多。在2000年9月中国科技大学主办的一个“经济物理学”国际讨论会上,香港中文大学物理系的许伯铭博士说,他讲了这个问题后,叫研究生回去写出能想到的策略,研究生写出了400多条策略!

行动者根据这些预测来行动,然而这些预测是归纳性的。

通过计算机的模型实验,阿瑟得出一个有意思的结果:不同的行动者是根据自己的归纳来行动的,并且,去酒吧人数的数字没有一个固定的规律,然而,经过一段时间以后,去酒吧的平均人数很快达到60。即经过一段时间,这个系统中去与不去的人数之比是60∶40,尽管每个人不会固定地属于去酒吧或不去酒吧的人群,但这个系统的这个比例是不变的。阿瑟说,预测者自组织地形成一个生态稳定系统。

这就是酒吧问题。对于下次去酒吧的确定的人数,我们是无法作出肯定的预测,这是一混沌现象。

首先,混沌系统的行为,是不可预测的。对于酒吧问题,由于人们根据以往的历史来预测以后去酒吧的人数——我们假定这个过程是这么进行的,过去的人数历史就很重要,然而过去的历史可以说是“任意的”,未来就不可能得到一个确定的值。

其次,这是一个非线性过程。所谓非线性的过程是说,系统未来对初始值有强烈的敏感性。这就是人们常常说的“蝴蝶效应”:在北京的一只蝴蝶煽动了一下翅膀,美国的华盛顿下了一场大暴雨。

在酒吧问题中,同样有这样的情况。假如其中一个人对未来的人数作出了一个预测而决定第n天去还是不去酒吧,他的行为反映在下次去酒吧的人数上,这个数目对其他人的预测及第n+1天去和不去的决策造成影响,即第n+1天中去酒吧的人数中含有他第n天的决策的影响。而他对第n+2天人数的预测要根据n+1的人数,这样,他第n天的预测及行为给其他人造成的影响反过来又对他第n+2天的行为造成影响。随着时间的推移,他的第n天的决策的效应会越积越多,从而使得整个过程是不可预测的。

人们总是根据过去的经验来归纳从而得出策略,这没有错,因为人们没有其他办法,在实际生活中人们确实是这样的。我们在第一节分析过,归纳法在认识中是没有绝对合理性的,即没有任何办法来证明它。在人们的行动中归纳法又是怎么样的呢?

归纳法在对人的行动的预测中更是没有合理性可言。尽管有很多预测办法,但没有理由认定其预测是在合理的基础之上的。现在问题还没有结束。如果说,预测的办法没有合理的基础,那么存在一个合理的学习机制吗?也就是说,错误的预测不要紧,但有没有办法改进这
返回目录 上一页 下一页 回到顶部 0 0
快捷操作: 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!
温馨提示: 温看小说的同时发表评论,说出自己的看法和其它小伙伴们分享也不错哦!发表书评还可以获得积分和经验奖励,认真写原创书评 被采纳为精评可以获得大量金币、积分和经验奖励哦!