--- title: '[系列 1] 天才、瘋狂、與一場無聲的對局：約翰·納什與他的賽局理論' url: 'https://www.dbyellow.com/blog/nash-series-1-john-nash-game-theory' markdown: 'https://www.dbyellow.com/blog/nash-series-1-john-nash-game-theory.md' lang: zh-tw date: '2026-06-07' description: '📚 本系列文章 系列 1（本文）— 納什的故事與納許均衡的直覺 系列 2— n 人博弈中的均衡點 + 非合作博弈 → 下一篇：n 人博弈的數學世界 系列 3（規劃中）— 合作博弈、Shapley 值與機制設計 Table of Contents 引子：1994 年的那個夜晚 …' taxonomy: category: - Tech tag: - 賽局理論 - 納許均衡 - AI - 博弈論 - 思維模型 - 系列文 archives_month: - jun_2026 archives_year: - '2026' --- ![Hero Image](https://www.dbyellow.com/user/pages/01.blog/2026-06-nash-equilibrium/nash-nerd-hero.png) 7th Jun 2026 - Mark # \[系列 1\] 天才、瘋狂、與一場無聲的對局：約翰·納什與他的賽局理論 [ 賽局理論 ](https://www.dbyellow.com/tag:%E8%B3%BD%E5%B1%80%E7%90%86%E8%AB%96#blog_list) [ 納許均衡 ](https://www.dbyellow.com/tag:%E7%B4%8D%E8%A8%B1%E5%9D%87%E8%A1%A1#blog_list) [ AI ](https://www.dbyellow.com/tag:AI#blog_list) [ 博弈論 ](https://www.dbyellow.com/tag:%E5%8D%9A%E5%BC%88%E8%AB%96#blog_list) [ 思維模型 ](https://www.dbyellow.com/tag:%E6%80%9D%E7%B6%AD%E6%A8%A1%E5%9E%8B#blog_list) [ 系列文 ](https://www.dbyellow.com/tag:%E7%B3%BB%E5%88%97%E6%96%87#blog_list) [ 部落格 ](https://www.dbyellow.com/) \[系列 1\] 天才、瘋狂、與一場無聲的對局：約翰·納什與他的賽局理論 > **📚 本系列文章** > > - **系列 1（本文）**— 納什的故事與納許均衡的直覺 > - **系列 2**— n 人博弈中的均衡點 + 非合作博弈 → [下一篇：n 人博弈的數學世界](https://www.dbyellow.com/blog/2026-06-nash-series-2-n-person-games) > - **系列 3**（規劃中）— 合作博弈、Shapley 值與機制設計 #### Table of Contents - [引子：1994 年的那個夜晚](#1994) - [第一章：天才的誕生](#) - [西維吉尼亞小鎮的怪小孩](#-1) - [28 頁改變世界](#28) - [第二章：什麼是納許均衡？](#-2) - [案例一：囚徒困境（Prisoner's Dilemma）](#prisoner-s-dilemma) - [案例二：智豬賽局（Boxed Pigs Game / Battle of the Sexes 變體）](#boxed-pigs-game-battle-of) - [第三章：精神分裂與重生](#-3) - [第四章：AI 時代的納許](#ai) - [多代理人強化學習（MARL）](#marl) - [自動駕駛裡的賽局](#-4) - [拍賣與廣告競價](#-5) - [加密貨幣與共識](#-6) - [第五章：賽局思維給現代人的啟示](#-7) - [1. 個人最優 ≠ 集體最優](#1) - [2. 重複互動能產生合作](#2) - [3. 改變規則比改變人容易](#3) - [4. 納許自己教我們的事](#4) - [結語：對局還在進行](#-8) ## 引子：1994 年的那個夜晚 1994 年 10 月 11 日，斯德哥爾摩。 約翰·納什（John Forbes Nash Jr.）站在諾貝爾經濟學獎的頒獎台上。鏡頭轉向觀眾席，他的妻子 Alicia 眼裡含著淚水——因為坐在台上的那個人，30 年前還在精神病院裡，相信自己是「南半球的人」、相信《紐約時報》上的字母在用隱形墨水跟他說話。 你或許對這個名字不熟，但你一定看過 Russell Crowe 飾演的《美麗境界》（*A Beautiful Mind*，2001），那個在黑板前盯著一連串數字、然後突然看見隱藏規律的孤獨天才。 他得了諾貝爾獎，但世界花了 40 年才重新相信他。 他的貢獻，是 28 歲那年寫下的 28 頁博士論文——一個改變了經濟學、計算機科學、生物學、政治學、甚至今天 AI 領域的東西： **納許均衡（Nash Equilibrium）**。 --- ## 第一章：天才的誕生 ### 西維吉尼亞小鎮的怪小孩 1928 年 6 月 13 日，納什出生在西維吉尼亞州的布魯菲爾德（Bluefield）。一個安靜到不能再安靜的阿巴拉契亞山腳小鎮，鎮上連紅綠燈都沒幾個。 他從小就是那種「不跟其他人玩」的小孩。高中時他會帶著母親給他的課外書自學微積分，而不是去打美式足球。 Carnegie Mellon 大學的前身 Carnegie Institute of Technology 給他全額獎學金，本來要他去念化工，後來他轉到數學——因為「化學太容易了」。 1948 年，他帶著一個教授寫的推薦信進入普林斯頓，推薦信只有一句話： > *"He is a mathematical genius."* 那年他 20 歲。 ### 28 頁改變世界 在普林斯頓的走廊裡，納什不是那種泡圖書館的人。他更常在公共交誼廳下西洋棋、看同學玩「海軍棋遊戲」（他後來在 RAND 公司看到類似的遊戲，正是囚徒困境的原型）。 1950 年，他交出博士論文——只有 **28 頁**。題目是《非合作賽局》（*Non-Cooperative Games*）。 他的博士論文解決了一個長期困擾經濟學家的問題： > **在任何一場有限人數的遊戲中，是否存在一種「策略組合」，使得每個參與者在其他人不改變策略的前提下，自己也不想單方面改變？** 答案是：**一定存在**。 這個答案，後來被稱為「納許均衡」。 --- ## 第二章：什麼是納許均衡？ 用大白話講： > **納許均衡是一種「穩定狀態」——在這個狀態下，每個玩家都已經做了他能做的最好選擇，沒有人能因為「單方面改變」而讓自己過得更好。** 聽起來有點玄。讓我用兩個經典案例讓你秒懂。 ### 案例一：囚徒困境（Prisoner's Dilemma） 這是賽局理論裡最出名的故事。 兩個嫌犯 A 和 B 一起犯案被抓。警察沒有直接證據，所以把兩人分開審訊，並且開出條件： | 情境 | B 沉默 | B 認罪 | |---|---|---| | **A 沉默** | 兩人各關 1 年 | A 關 3 年，B 立即釋放 | | **A 認罪** | A 立即釋放，B 關 3 年 | 兩人各關 2 年 | 你想想看——如果你 A，你怎麼選？ - 假設 B 會沉默 → 你認罪最好（立即釋放 vs 關 1 年） - 假設 B 會認罪 → 你認罪最好（關 2 年 vs 關 3 年） 不管 B 怎麼選，你「認罪」永遠是比較好的選擇。 B 也這麼想。 所以**雙方都認罪**，各關 2 年——這就是「納許均衡」。 ![囚徒困境的策略矩陣：兩人都選擇認罪是最終結局](https://www.dbyellow.com/user/pages/01.blog/2026-06-nash-equilibrium/prisoner-dilemma.png) > 神奇吧？兩個人都「理性」地做了對自己最好的決定，結果卻是兩人**都關 2 年**——而不是兩人**各關 1 年**的更好結局。 這個困境直接解釋了現實中很多「明明大家合作會更好，卻偏偏陷入互相傷害」的局面：價格戰、軍備競賽、氣候變遷談判…… 而且這是個真實存在的故事。1950 年，Merrill Flood 和 Melvin Dresher 在 RAND 公司設計了這個遊戲，找來經濟學家 Alchian 跟數學家 Williams 玩了 100 局，結果他們常常選擇合作。當時納什冷冷地評論： > *「重複版本下的理性行為，可以跟單局版本下的不同。」* 這句話預言了後來 1980 年代 Robert Axelrod 那場著名的「以牙還牙」（tit-for-tat）策略大賽。 ### 案例二：智豬賽局（Boxed Pigs Game / Battle of the Sexes 變體） 另一個經典： 一個籠子裡有兩頭豬，邊上有個踏板。踩一下踏板，會有 10 單位飼料掉進食槽。但踩踏板的豬要走 5 步才能到食槽——這 5 步內，聰明的豬可能已經把飼料吃光了。 - **大豬**踩踏板 → 跑過去吃 → 吃到 4 單位（被小豬搶先吃了 6） - **小豬**踩踏板 → 跑過去吃 → 吃到 1 單位（大豬吃光 9 單位，自己白做工還挨餓） - **都不踩** → 兩人都 0 - **都踩** → 大豬吃 6，小豬吃 4 納許均衡是什麼？**大豬踩，小豬不踩**。大豬雖然吃虧（4 vs 6），但比起「都踩」的 6 和 4 之比，自己 4 還是可以接受。 這個模型在商業世界處處可見：社群平台裡的小型開發者 vs 大型公司、新興市場的小品牌 vs 既有龍頭……**弱者靠「搭便車」策略存活，強者負擔基礎設施成本**，這就是納許均衡。 --- ## 第三章：精神分裂與重生 但納什自己的「遊戲」沒有這麼好解。 1959 年，納什開始出現幻覺。他覺得自己是「南半球的人」、相信《紐約時報》的標題在用隱形墨水跟他通訊、覺得自己被一個祕密組織跟蹤。 他在普林斯頓校園裡失蹤了好幾次，最後在 1959 年 4 月被送進 McLean 醫院。 接下來 20 多年，他一直在精神病院和普林斯頓之間來回。他不是沒試過工作，但他在普林斯頓的走廊上被視為「那個怪人」——一個曾經的天才，現在只能自言自語，偶爾在黑板上寫下沒人看得懂的符號。 **他的妻子 Alicia 沒有放棄他。** 雖然 1963 年他們離婚（Alicia 自己說「我必須保護自己」），但她一直讓他住在自己家附近，繼續照顧他。1970 年後，納什的病情奇蹟般地緩慢好轉。他重新開始到普林斯頓校園走動，雖然一開始只是去擺弄垃圾分類，後來他開始去聽研討會、寫一些不公開的數學筆記。 1994 年——距離他發病整整 35 年——諾貝爾經濟學獎揭曉。 他站在台上，跟 Harsanyi、Selten 一起接過那個獎牌。鏡頭轉到 Alicia，她淚流滿面。 2015 年，他跟 Louis Nirenberg 共同獲得 Abel 獎（數學界的諾貝爾獎）——距離他 1950 年那 28 頁博士論文，已經 65 年。 然後 2015 年 5 月 23 日，他和 Alicia 一起死於一場車禍。 **他用一輩子證明：天才與瘋狂只有一線之隔，但康復是可能的。** --- ## 第四章：AI 時代的納許 但納什的故事不只是歷史。 當你今天打開 ChatGPT、Claude、Gemini，看到這些 AI 開始會「多輪對話」、會跟其他 AI 協作、會在同一個工作流裡分工——**背後的數學骨架，有一部分就是納許均衡**。 ### 多代理人強化學習（MARL） 2024 年開始，所有主流 AI 實驗室都在研究「Multi-Agent」系統： - 一個 AI 寫程式 - 一個 AI 寫測試 - 一個 AI 審查 - 一個 AI 反思批評 這些 AI 必須**協作又競爭**。每個 AI 都在追求自己的目標（讓我寫的程式碼通過測試、讓我抓的 bug 最多），但它們的整體表現取決於彼此的策略。 這就是納許均衡的世界。 研究人員在訓練這樣的系統時，常常會發現一個有趣的現象： > **AI 會「學會」類似囚徒困境的策略。** 如果兩個 AI 都被訓練成「最大化自己得分」，它們可能陷入「互相搶功勞、把對方的程式碼改壞」的均衡——雖然團隊整體表現下降，但它們各自都無法單方面改變。 **解決方案正是納許 1950 年就想到的東西：改變遊戲規則。** - 加上一個「共同獎勵函數」 - 設計「重複遊戲」（不是一次對話就跑完） - 引入「第三方裁判」 這些都是現代 AI 競賽場上，OpenAI、Anthropic、Google DeepMind 投入大量研究資金的題目。 ### 自動駕駛裡的賽局 另一個真實場景是自動駕駛。 兩台自動駕駛車在十字路口交會。它們必須決定誰先過、誰禮讓——這不是單純的「紅綠燈規則」，而是**策略性互動**。Google Waymo 的研究論文直接引用納許均衡來設計「保守型決策」——不求個人最快，但求整體不碰撞。 ### 拍賣與廣告競價 你今天看到 Google Ads、Meta 廣告的「即時拍賣」——數百個廣告主在幾毫秒內對同一個曝光位置出價。這背後的 Vickrey-Clarke-Groves 拍賣理論，正是納許之後的經濟學家發展出來的**機制設計**（mechanism design），核心精神仍然是「設計一個遊戲，讓所有玩家的均衡對齊社會目標」。 ### 加密貨幣與共識 區塊鏈的共識機制——Bitcoin 的工作量證明、Ethereum 的權益證明——本質上就是**「讓大家在沒有中心權威的情況下達成共識」的賽局設計**。 要嘛用算力讓背叛成本高於收益（PoW），要嘛用押注的代幣讓背叛者血本無歸（PoS）。 納許在 1950 年想的那個問題，正在被全球幾千萬礦工和驗證者每天「實踐」。 ![AI 多代理人賽局：機器之間的策略協作與競爭](https://www.dbyellow.com/user/pages/01.blog/2026-06-nash-equilibrium/ai-game-theory.png) --- ## 第五章：賽局思維給現代人的啟示 納許的理論不只是給經濟學家和 AI 工程師用的。 它給所有在這個複雜世界打滾的人一個有用的提醒： ### 1. 個人最優 ≠ 集體最優 囚徒困境告訴我們：每個人都做「對自己最好」的決定，結果常常是「對所有人都不好」。 **職場裡的辦公室政治、社會裡的內捦、國際間的貿易戰，都是囚徒困境。** 認知到這件事，你就會開始想：怎麼改變遊戲規則，讓合作變成均衡？ ### 2. 重複互動能產生合作 Axelrod 的研究告訴我們：只要這個遊戲是「重複的」——也就是說，別人知道你未來還會遇到他——合作就可以成為均衡。 這就是為什麼熟人社會的信任度通常比陌生社會高。也是為什麼長期客戶關係的價值遠大於一次性交易。 ### 3. 改變規則比改變人容易 納許給我們最大的禮物不是「人是理性的」這個假設，而是**「你可以改變遊戲規則，來引導人的行為」**。 交通規則、稅制設計、社會制度、AI 的獎勵函數……都是「賽局設計」。 ### 4. 納許自己教我們的事 最讓我動容的，不是那 28 頁論文，而是納許後來的人生。 他得過精神分裂，發病時相信《紐約時報》在跟他通訊。但 1970 年後他開始好轉，重新站回普林斯頓的講堂，1994 年得到諾貝爾獎，2015 年得到 Abel 獎。 **天才與瘋狂的距離，有時候是時間。** --- ## 結語：對局還在進行 納什 2015 年走了，但他的均衡還在影響著這個世界的每一個角落——從 Google 搜尋排序到 AI agent 協作，從你的職場升遷到國際地緣政治。 **我們每個人都活在一個巨大的、持續進行的納許均衡裡。** 你的同事、你的競爭對手、你孩子的同學、你的 AI 助理——他們每個人都在做「對自己最好的決定」。而你真正能做的，不是期待對方改變，而是： > **看清楚這個遊戲的規則，設計出能讓「大家都選合作」變成均衡的機制。** 這是納什留給我們的禮物。 也是他用一場無聲的對局，教會世界的東西。 --- **系列文導讀**這篇文章是「納許與賽局理論」系列的第一篇。我們先用人話講完納什的故事、納許均衡的直覺、再帶到 AI 時代的應用。但這只是起點——納許 1950 年的博士論文《Non-Cooperative Games》真正厲害的地方，在於他把賽局從「兩人的小遊戲」推廣到「n 人的數學世界」，並嚴格證明了**每一場有限非合作賽局都至少存在一個均衡點**。 如果你讀完這篇覺得「我想知道這個均衡點到底怎麼找出來」、「為什麼很多時候有『多個均衡』」、「非合作跟合作有什麼差別」——那就是系列 2 要回答的問題。 --- **參考資料** - Wikipedia: *Nash equilibrium*, *John Forbes Nash Jr.*, *Prisoner's dilemma*, *Multi-agent reinforcement learning* - Sylvia Nasar, *A Beautiful Mind*, 1998 - Roger B. Myerson, *Game Theory: Analysis of Conflict*, 1991 - Robert Axelrod, *The Evolution of Cooperation*, 1984 - 2024 OpenAI / Anthropic / DeepMind MARL 研究白皮書 [ Previous Post](https://www.dbyellow.com/blog/2026-06-27-dopamine-effect) [Next Post ](https://www.dbyellow.com/blog/nash-series-2-n-person-games) #### Other Related Posts: [ ![雲端與地端 AI 的雙軌時代：2026 年 AI 部署風向全解析](https://www.dbyellow.com/user/pages/01.blog/2026-10-cloud-onprem-ai-trend/hero.jpg) ](https://www.dbyellow.com/blog/2026-10-cloud-onprem-ai-trend) [ AI ](https://www.dbyellow.com/tag:AI#blog_list) [ LLM ](https://www.dbyellow.com/tag:LLM#blog_list) [ Open Source ](https://www.dbyellow.com/tag:Open%20Source#blog_list) [ Cloud ](https://www.dbyellow.com/tag:Cloud#blog_list) [ Edge AI ](https://www.dbyellow.com/tag:Edge%20AI#blog_list) ### 雲端與地端 AI 的雙軌時代：2026 年 AI 部署風向全解析 [雲端與地端 AI 的雙軌時代：2026 年 AI 部署風向全解析](https://www.dbyellow.com/blog/2026-10-cloud-onprem-ai-trend) #### Table of Contents - [雲端巨頭的 2026：reasoning 全面標配](#2026-reasoning) - [開源洗牌：DeepSeek V4、Qwen 3.x、Llama 反覆橫跳](#deepseek-v4-qwen-3-x-llam) - [裝置端 AI 真的來了：iPhone 18 P](#ai-iphone-18-pro-snapdrag)... 16th Oct 2026 - Mark [ ![[系列 2] 從兩人到 n 人：藏在納許均衡背後的數學世界 — n 人博弈與非合作賽局](https://www.dbyellow.com/user/pages/01.blog/2026-06-nash-series-2-n-person-games/nash-nerd-hero.png) ](https://www.dbyellow.com/blog/nash-series-2-n-person-games) [ 賽局理論 ](https://www.dbyellow.com/tag:%E8%B3%BD%E5%B1%80%E7%90%86%E8%AB%96#blog_list) [ 納許均衡 ](https://www.dbyellow.com/tag:%E7%B4%8D%E8%A8%B1%E5%9D%87%E8%A1%A1#blog_list) [ n人博弈 ](https://www.dbyellow.com/tag:n%E4%BA%BA%E5%8D%9A%E5%BC%88#blog_list) [ 非合作博弈 ](https://www.dbyellow.com/tag:%E9%9D%9E%E5%90%88%E4%BD%9C%E5%8D%9A%E5%BC%88#blog_list) [ 數學 ](https://www.dbyellow.com/tag:%E6%95%B8%E5%AD%B8#blog_list) [ AI ](https://www.dbyellow.com/tag:AI#blog_list) [ 系列文 ](https://www.dbyellow.com/tag:%E7%B3%BB%E5%88%97%E6%96%87#blog_list) ### \[系列 2\] 從兩人到 n 人：藏在納許均衡背後的數學世界 — n 人博弈與非合作賽局 [\[系列 2\] 從兩人到 n 人：藏在納許均衡背後的數學世界 — n 人博弈與非合作賽局](https://www.dbyellow.com/blog/nash-series-2-n-person-games) > **📚 本系列文章** > > - **系列 1** — 納什的故事與納許均衡的直覺 → [上一篇：約翰·納什與他的賽局理論](https://www.dbyellow.com/blog/2026-06-nash-series-1-john-nash-game-theory) > - **系列 2（本文）** — n 人博弈中的均衡點 + 非合作博弈 > - **系列 3**（規劃中）— 合作博弈、Shapley 值與機制設計 #### Table of Contents - [引子：那 28 頁裡到底寫了什麼](#28) - ... 7th Jun 2026 - Mark - [部落格](https://www.dbyellow.com/) - [爬山](https://www.dbyellow.com/hiking) - [皇帝殿](https://www.dbyellow.com/hiking/huang-di-diaen) - [生活](https://www.dbyellow.com/life) - [關於](https://www.dbyellow.com/about) --- ## Navigation - Parent: [部落格](https://www.dbyellow.com/index.md) - Previous: [\[系列 2\] 從兩人到 n 人：藏在納許均衡背後的數學世界 — n 人博弈與非合作賽局](https://www.dbyellow.com/blog/nash-series-2-n-person-games.md) - Next: [你停不下來，不是你的錯：被多巴胺劫持的現代人](https://www.dbyellow.com/blog/2026-06-27-dopamine-effect.md)